Guia Prático de Machine Learning em Português

Este repositório foi criado com o objetivo de ajudar entusiastas de Machine Learning a interagir com técnicas de ML de uma forma prática e acessível, utilizando a língua portuguesa. Aqui, encontrarás exemplos e explicações detalhadas sobre diferentes aspectos do Machine Learning, desde a preparação dos dados até as técnicas mais avançadas.

Estrutura do Repositório

O conteúdo deste repositório está organizado em três subtemas principais, com cada técnica abordada em Notebooks separados.

1. Pré-Processamento de Dados e Feature Engineering

Antes de aplicarmos qualquer modelo de Machine Learning, os dados precisam ser preparados. Esta secção cobre:

• Limpeza de Dados
• Transformação de Variáveis
• Normalização/Padronização
• Criação de Novas Features
• Tratamento de Dados Faltantes

Notebooks estão disponíveis na pasta 1-pre-processamento.

2. Aprendizagem Supervisionada

Nesta secção, abordaremos os algoritmos de Aprendizagem Supervisionada, onde os dados possuem rótulos para o treino do modelo. Algoritmos cobertos incluem:

• Linear Regression
• Logistic Regression
• Support Vector Machines (SVM)
• Decision Trees
• Random Forests

Notebooks estão disponíveis na pasta 2-aprendizagem-supervisionada.

3. Aprendizagem Não Supervisionada

A aprendizagem não supervisionada é utilizada quando os dados não possuem rótulos, e o objetivo é descobrir padrões escondidos. Algoritmos cobertos incluem:

• K-Means
• Principal Component Analysis (PCA)
• Hierarchical Clustering
• Autoencoder Neural Networks

Notebooks estão disponíveis na pasta 3-aprendizagem-nao-supervisionada.

Requisitos

1. Python 3.x
2. Jupyter Notebook ou Jupyter Lab

Os requisitos específicos para cada técnica (bibliotecas e pacotes necessários) estão indicados diretamente em cada Notebook.

Como Usar

1. Clone este repositório:

   git clone https://github.com/SluzzleDude/guia-pratico-machine-learning.git
   

Guia de Contribuições

Este repositório foi construído com o apoio da nossa comunidade — entusiastas e especialistas em Machine Learning que colaboram para compartilhar conhecimento e promover o aprendizado prático. Contribuições são sempre bem-vindas!

Por favor, consulte o Guia de Contribuições para mais detalhes sobre como contribuir para o projeto e garantir que suas submissões sigam os padrões de qualidade e consistência.