FIAP MBA em Machine Learning e Inteligência Artificial

Programando Inteligência Artificial com Python

Nas aulas utilizaremos a distribuição Ananconda, com uso intensivo do Jupyter Notebook, que há vem instalado nesta distribuição.

Para instalar, acesse a sessão de Downloads do Anaconda.

Pacotes que necessitarão de instalações adicionais serão indicadas em cada notebook das aulas.

Aula 1

Introdução da disciplina, histórico e principais aplicações da linguagem de programação Python.

1. Introdução
2. Listas
3. Dicionários
4. Instalação de pacotes
5. Números
6. Strings
7. Condicionais
8. Laços
9. List Comprehensions

Aula 2 - Introdução

Conjunto de ferramentas focadas em trabalhar com transformações em coleções, controle de erros, manipulação de datas e expressões regulares.

1. Funções Built-In
2. Map, Reduce, Filter, Zip, Enumerate, All/Any
3. Iteradores
4. Coleções
5. Lambda
6. Exceções (Try/Catch)
7. Operações com Datas
8. Expressões Regulares

Aula 2 - Funções, Colleções, Exceptions, Datas e Regex

Conjunto de ferramentas focadas em trabalhar com transformações em coleções, controle de erros, manipulação de datas e expressões regulares.

1. Funções Built-In
2. Map, Reduce, Filter, Zip, Enumerate, All/Any
3. Iteradores
4. Coleções
5. Lambda
6. Exceções (Try/Catch)
7. Operações com Datas
8. Expressões Regulares

Aula 3 - Paradigma orientada a objetos

Conceitos do paradigma de orientação a objetos e como é utilizado dentro dos padrões do Python.

1. Orientação a objetos

• Objetos
• Classes
• Métodos Especiais (init/len/str)
• Metódos
• Herança

Aula 4 - Numpy e Pandas

Introdução aos componentes de matrizes (Numpy) e frame de dados (Pandas).

1. NumPy

• Escalares
• Matrix
• Reshape
• Internals
• Sort

2. Pandas

• Series
• Dataframes
• Reindexação

Aula 5 - Pandas 2

Operações gerais, ranqueamento, informações ausentes e sumário de conjunto de dados.

1. Data Operations
2. Ranking and Sorting
3. Missing Data
4. Summary Stats

Aula 6 - Pandas 3

Trabalhando com fontes de dados externos e transformação de frames de dados.

1. IO de dados (csv, txt, json e excel)
2. Obtendo dados do MySQL
3. Combinação
4. Concatenação
5. Reshaping
6. Pivoting
7. Data Cleaning
8. Grouping
9. Agregation
10. Cross Tabulation

Aula 7 - Visualização de dados

Descrevendo e explorando dados por meio de visualização gráfica.

1. Visualização de dados

• Histogramas
• Plot Styles

2. Variações de plots e suas utilizações

• Heatmaps
• Regression Plots
• Density Estimation Plots

Aula 8 - Machine Learning e API

Desenvolvendo um modelo baseado em regressão linear e fazendo o deployment em uma API para posterior consumo de algum serviço.

1. Machine Learning Workflow
2. Regressão Linear
3. Desenvolvimento de API com Flask
4. Testando API com Requests e Postman