Launching into Machine Learning em Português Brasileiro

Google Cloud via Coursera

Go to Course: https://www.coursera.org/learn/launching-machine-learning-br

Introduction

**Course Review: Launching into Machine Learning em Português Brasileiro** If you're looking to dive into the world of Machine Learning (ML) and are fluent in Brazilian Portuguese, the course "Launching into Machine Learning em Português Brasileiro" on Coursera is an excellent choice. This course offers a structured approach to understanding and applying ML concepts, making it suitable for both beginners and those with some experience looking to solidify their foundational knowledge. ### **Course Overview** The course begins with an essential discussion on improving data quality and conducting exploratory analysis, which is crucial for successful ML projects. One of the highlights of this course is its incorporation of AutoML through Google Cloud's Vertex AI, teaching students to create, train, and deploy machine learning models without needing to write any code. Additionally, the course introduces BigQuery ML, which allows users to develop ML models directly in their data environment, streamlining the workflow dramatically. ### **Syllabus Breakdown** 1. **Introdução** - The course kicks off with an overview of what to expect and the objectives that will guide your learning journey. 2. **Conheça seus dados: use a análise exploratória para melhorar os dados** - This module emphasizes the importance of organizing data to enhance data quality. It teaches practical skills for exploratory data analysis (EDA), demonstrating how missing values and poor organization can skew results. Learners will gain hands-on experience assessing and analyzing datasets. 3. **Machine learning na prática** - This section introduces the main types of machine learning, empowering students to identify and apply different ML methods effectively. 4. **Como treinar modelos de AutoML usando a Vertex AI** - Here, students will learn to train models using AutoML on Vertex AI, a powerful feature that abstracts away much of the complexity of traditional ML workflows. 5. **Machine learning do BigQuery: desenvolva modelos de ML onde seus dados estão** - This module highlights the capabilities of BigQuery ML, guiding students on how to leverage this tool to develop ML models right where their data resides. 6. **Otimização** - Students will explore how to optimize ML models to improve performance and accuracy, a vital skill for any aspiring data scientist. 7. **Generalização e amostragem** - This section tackles the nuanced concept of model generalization, teaching students when a model’s high accuracy might not translate to real-world applications. Learners will develop skills in creating repeatable training, evaluation, and test datasets to ensure robust performance assessments. 8. **Resumo** - The course concludes with a summary, reinforcing key concepts and takeaways to help solidify your learning. ### **Recommendation** "Launching into Machine Learning em Português Brasileiro" is highly recommended for anyone looking to get a comprehensive introduction to machine learning without the complexities of coding. The course is well-structured, and its focus on practical tools like AutoML and BigQuery makes it particularly relevant for those aspiring to work in data science and analytics. Furthermore, the course is delivered in Brazilian Portuguese, making it accessible to a wider audience within Brazil and other Portuguese-speaking regions, ensuring that language barriers do not inhibit understanding complex concepts. Whether you are a complete novice or someone gearing up for more advanced studies in machine learning, this course provides a solid foundation that will assist in practical implementations of machine learning in various applications. Take the plunge into the exciting world of machine learning with this well-crafted online learning experience!

Syllabus

Introdução

Neste módulo, apresentamos uma visão geral do curso e dos objetivos.

Conheça seus dados: use a análise exploratória para melhorar os dados

Neste módulo, vamos mostrar como melhorar a qualidade dos dados e como fazer uma análise exploratória deles. Vamos analisar a importância da organização de dados no machine learning e mostrar como isso impacta a qualidade dos dados. Por exemplo, valores em falta podem distorcer os resultados. Você também vai aprender a importância da exploração de dados. Assim que os dados estiverem organizados, você vai fazer a análise exploratória no conjunto de dados.

Machine learning na prática

Neste módulo, vamos apresentar alguns dos principais tipos de machine learning para que você acelere seu crescimento como profissional de ML.

Como treinar modelos de AutoML usando a Vertex AI

Neste módulo, vamos apresentar o treinamento de modelos do AutoML usando a Vertex AI.

Machine learning do BigQuery: desenvolva modelos de ML onde seus dados estão

Neste módulo, vamos apresentar o BigQuery ML e os recursos dessa ferramenta.

Otimização

Neste módulo, vamos mostrar como otimizar os modelos de ML.

Generalização e amostragem

Agora é hora de responder a uma pergunta bem peculiar: em que momento o modelo de ML mais preciso pode não ser a escolha certa? Como sugerimos no último módulo sobre otimização, o fato de um modelo ter uma métrica de perda igual a 0 no seu conjunto de dados de treinamento não significa que ele vai ter um bom desempenho em dados novos no mundo real. Você vai aprender a criar conjuntos de dados repetíveis de treinamento, avaliação e teste e a estabelecer comparativos de mercado de desempenho.

Resumo

Este módulo é um resumo do curso Launching into Machine Learning