Machine learning do zero

Módulo 0 · O jogo completo

Como é o caminho completo, da pergunta à avaliação?

1. 0.1Todo o processo em 15 minutos, do começo ao fimO caminho completo de um projeto de machine learning em um só conjunto de dados, da pergunta à avaliação. Sem uma linha de base, um resultado não diz nada.15 min · Interativa

Módulo 1 · Como um modelo aprende com exemplos

De onde o modelo tira a regra, e com o que compará-la?

1. 1.1O que é aprendizado de máquina?No aprendizado de máquina, o programa descobre a regra a partir de exemplos em vez de recebê-la pronta. A aula mostra a diferença com tumores reais.10 min · Interativa
2. 1.2Dados, atributos, rótulos e divisõesUm conjunto de dados é uma tabela de exemplos, atributos e rótulos. Por que o conjunto de teste fica escondido e quanto o tamanho dele pesa na nota.10 min · Interativa
3. 1.3A linha de base: com o que comparar seu modelo?Antes de elogiar um modelo, calcule o resultado sem aprender: a classe mais comum ou a média. Com poucos doentes, “sempre saudável” acerta e não acha ninguém.12 min · Interativa
4. 1.4Vizinhos mais próximos: o modelo mais simplesO kNN não aprende regra: um caso novo recebe o rótulo da maioria dos seus k exemplos mais próximos. O k define as fronteiras; as unidades, quem está perto.12 min · Interativa
5. 1.5Regressão linear: ajustando uma retaA regressão linear traça a reta que menos erra os dados. Com dados de diabetes, o erro quadrático médio decide qual é a melhor reta.10 min · Interativa
6. 1.6Descida de gradiente: aprender em pequenos passosA descida de gradiente encontra bons parâmetros descendo o erro passo a passo. A taxa de aprendizado decide entre progredir e explodir.10 min · Interativa

Módulo 2 · Classificação e avaliação

Quando um resultado é bom, e para quem?

1. 2.1Classificação: traçando uma fronteiraUm classificador transforma medidas numa categoria. A regressão logística dá uma probabilidade e uma fronteira, mostradas com duas espécies de pinguins.10 min · Interativa
2. 2.2Avaliando um classificador: além da acuráciaA acurácia esconde quais erros um modelo comete. A matriz de confusão, a precisão e o recall mostram o equilíbrio que um limiar cria em dados de tumores.10 min · Interativa
3. 2.3Limiar, ROC e PR: todos os limiares de uma vezAs curvas ROC e PR mostram todos os limiares de uma vez. Com uma classe rara, o ROC AUC quase não muda e o AP cai: os alarmes falsos comem a precisão.12 min · Interativa
4. 2.4Calibração: 0,8 quer dizer 80%?Um modelo pode ordenar bem e errar as porcentagens. O naive Bayes declara 98% de confiança e acerta 88%. A temperatura corrige isso sem mudar nenhuma decisão.12 min · Interativa
5. 2.5Classes desbalanceadasQuando uma classe é rara, a acurácia esconde as perdas e o modelo aprende a dizer “a classe comum”. Sensibilidade, acurácia balanceada e pesos corrigem isso.12 min · Interativa
6. 2.6Métrica e limiar pelo custo dos errosO limiar se escolhe pelo preço dos erros, não por hábito. Quando uma falha custa 10 vezes mais que um alarme falso, o limiar mais barato fica perto de 0,09.12 min · Interativa
7. AProjeto A: triagemSeu primeiro projeto de portfólio: escolha modelo e limiar de uma triagem em que um caso perdido custa 10 alarmes falsos e confira num teste oculto.Projeto · 40 min

Módulo 3 · Generalização

O modelo vai funcionar amanhã, com dados novos?

1. 3.1Overfitting: quando o modelo decoraUm modelo flexível pode acertar todo o treino e ainda falhar com dados novos. Quando o grau de um polinômio sobe, os erros de treino e de teste se separam.10 min · Interativa
2. 3.2Validação e validação cruzadaEscolher configurações com o conjunto de teste estraga o teste. A validação cruzada avalia o modelo em cada parte dos dados e mostra se a nota é estável.10 min · Interativa
3. 3.3Curvas de aprendizado: mais dados ou um modelo melhor?As curvas de aprendizado mostram a nota no treino e na validação conforme os dados crescem. A forma delas diz se vale juntar dados ou trocar o modelo.12 min · Interativa
4. 3.4Regularização: ridge e lassoPenalizar pesos grandes acalma o modelo. O ridge encolhe todos os pesos, o lasso os zera um a um: com 3 de 10 atributos o R² de teste cai de 0,470 para 0,386.12 min · Interativa
5. 3.5Ajustar hiperparâmetros sem trapacearA melhor de 9 configurações da árvore tem 93,7% na validação cruzada e 88,3% em biópsias novas. Escolher a vencedora infla o resultado dela.14 min · Interativa
6. 3.6Parada antecipadaUma rede treinada por tempo demais decora rótulos errados. Com 20% de rótulos aleatórios, 100 épocas sem parar baixam a acurácia de teste de 86,1% para 76,3%.12 min · Interativa

Módulo 4 · Dados na prática

O que estraga os modelos antes mesmo de começar?

1. 4.1Exploração: olhe antes de modelarQuatro conjuntos com a mesma média, correlação 0,82 e reta não se parecem em nada. Desenhe os dados antes de confiar nos números e de construir um modelo.12 min · Interativa
2. 4.2Dados faltantesRemova as linhas com lacunas e ficam 333 de 344 pinguins. Se o IMC falta nos mais pesados, a média nas lacunas enfraquece a relação com a doença.12 min · Interativa
3. 4.3Categorias e escalonamentoO kNN em vinhos acerta 0,695 sem escalonamento e 0,963 após padronizar. Ilhas escritas como 0, 1, 2 fingem uma ordem: o one-hot sobe o R² de 0,469 para 0,546.12 min · Interativa
4. 4.4Engenharia de atributosA variedade 2 fica no meio do eixo e nenhum limiar a recorta. Uma coluna x² dá 77,4% em vez de 60,4%; 200 colunas de ruído derrubam o kNN de 98,1% para 77,4%.12 min · Interativa
5. 4.5Vazamento de dadosVazamento é informação do teste ou do futuro que chega ao treino do modelo. Com ruído puro, ele finge 82% na validação. Conheça 8 tipos e encontre-os.14 min · Interativa
6. 4.6Pipeline: da tabela à previsãoO scaler é parte do modelo e aprende só no treino. Um scaler ajustado no próprio teste dá 44,1% em vez de 99,0% quando os pinguins chegam um de cada vez.14 min · Interativa
7. BProjeto B: uma tabela limpaSegundo projeto de portfólio: de uma tabela bruta de pinguins (lacunas, categorias), monte um pipeline sem vazamento e ache o vazamento em três alheios.Projeto · 45 min

Módulo 5 · Modelos que vencem em tabelas

Qual modelo, quando e por quê?

1. 5.1Árvores de decisão: vinte perguntas com dadosUma árvore de decisão classifica com perguntas de sim ou não que separam os dados da forma mais limpa possível. O exemplo: quem sobreviveu ao Titanic.10 min · Interativa
2. 5.2Ensembles: por que muitas árvores vencem uma sóUm ensemble combina vários modelos imperfeitos cujos erros se anulam em parte. Por isso uma random forest ganha acurácia e estabilidade ao receber mais árvores.10 min · Interativa
3. 5.3Gradient boosting: árvores que corrigem errosCada árvore corrige os erros das anteriores. Depois de 200 árvores com passo 1, o treino cai para 2287 e o teste sobe para 5944, pior que uma reta (4095).12 min · Interativa
4. 5.4Naive Bayes: suposição falsa, boas decisõesO naive Bayes supõe atributos independentes. Nas pétalas de íris (r = 0,80) acerta 93,3%, mas em 171 tumores de validação declara 98,3% com 88,3% de acurácia.12 min · Interativa
5. 5.5Máquinas de vetores de suporte e kernelsUma SVM procura a faixa mais larga entre as classes. Quando C sobe de 0,01 para 100, ela encolhe de 3,9 para 0,15 cm e o teste quase não se mexe.12 min · Interativa
6. 5.6Qual modelo, quando?Cinco modelos, cinco conjuntos, 20 divisões. Nenhum modelo lidera em todos, e 0,3 ponto de diferença pode ser um empate: 10 contra 7.12 min · Interativa
7. CProjeto C: uma minicompetição no navegadorProjeto · Em breve

Módulo 6 · Sem professor, interpretação, o modelo no mundo

O que um modelo faz sem rótulos, para onde ele olha e o que acontece depois da implantação?

1. ·k-médias: grupos sem rótulosEm breve
2. ·PCA: menos dimensões, o mesmo conteúdoEm breve
3. ·Detecção de anomaliasEm breve
4. ·Para onde o modelo olha? Importância dos atributosEm breve
5. ·Depois da implantação: deriva e justiçaEm breve
6. DProjeto D: explique um modeloProjeto · Em breve

Ponte (opcional): Redes neurais e modelos de linguagem

O que vem depois: um passo rumo às redes e aos grandes modelos de linguagem.

O curso completo: Redes neurais por dentro (PL) · 12 aulas

1. 7.1Redes neurais: muitas unidades simples juntasUma rede neural empilha unidades simples que traçam uma reta e a dobram. Com mais unidades ocultas, as regiões de decisão se curvam em volta das íris.12 min · Interativa
2. 7.2De redes neurais a grandes modelos de linguagemUm grande modelo de linguagem é treinado para adivinhar o próximo token. A aula parte de um modelo que conta palavras e mostra o efeito da temperatura.12 min · Interativa