Customer Relationship Management
Objetivos
Caracterização geral
Código
2487
Créditos
7
Professor responsável
Qiwei Han
Horas
Semanais - A disponibilizar brevemente
Totais - A disponibilizar brevemente
Idioma de ensino
Inglês
Pré-requisitos
A disponibilizar brevemente
Bibliografia
Este curso não requer nenhum livro, porque a ciência dos dados é um campo em rápida mudança e nenhum livro pode cobrir todos os materiais que vamos ensinar no curso. No entanto, recomenda-se o seguinte livro para a sua referência:
Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking Machine Learning: The Art and Science of Algorithms that Make Sense of Data
Python para análise de dados: Data Wrangling com Pandas, Numpy e IPython 2ª Edição Python Data Science Handbook Ferramentas Essenciais para Trabalhar com Dados
Aprendizagem prática de máquinas com scikit-learn, Keras e Tensorflow
Método de ensino
Os alunos são obrigados a trazer portáteis próprios para exercícios e quizzes nas aulas. Este curso adota uma cultura de aprendizagem por fazer que permite aos alunos implementar o pipeline de aprendizagem automática através da programação em Python. A maioria do material de classe estará nos cadernos jupyter para facilitar práticas reprodutíveis.
Método de avaliação
A avaliação global do desempenho consiste em 4 partes
Participação de turma através de 6 quizzes (10%)
4 atribuição tri-semanal (20%)
Projeto de curso (30%)
Exame final (40%)
Conteúdo
Visão geral do processo de aprendizagem automática
Compreender problema
Mapa para formulação de aprendizagem automática
Conceitos de aprendizagem automática
Desenvolvimento de gasodutos de aprendizagem automática de ponta a ponta
Configurar o problema
Desenvolvimento de Recursos
Modelação
Avaliação
Implantação
Métodos de Aprendizagem automática
Supervisionado
Regressão Logística
KNN
Árvores
Florestas Aleatórias
Métodos conjuntos
Sem supervisão
Agrupamento
Redução da dimensionalidade
Aprendizagem Profunda
Redes neuronais
Redes neuronais convolucional
Redes neuronais recorrentes
Outros avanços no campo
Aplicações empresariais
Sistemas de recomendação
Modelo de elevação
Criação de recursos, engenharia de recursos e seleção de recursos
Interpretação e transparência
Ética, Justiça e Preconceito
Cursos
Cursos onde a unidade curricular é leccionada: