:format(webp)/klickart-prod/uploads/media/file/10336700/logo_aa_quadrada.png){kind=logo}
:format(webp)/klickart-prod/uploads/media/file/10337087/modela_ia_horizontal_(1).png)
MODELAGEM COMPUTACIONAL E ALGORITMOS: O CORAÇÃO DA ÁREA DE DADOS, IA E MACHINE LEARNING
MODELAGEM COMPUTACIONAL E ALGORITMOS: O CORAÇÃO DA ÁREA DE DADOS, IA E MACHINE LEARNING
MODELAGEM COMPUTACIONAL E ALGORITMOS: O CORAÇÃO DA ÁREA DE DADOS, IA E MACHINE LEARNING
O MODELA IA é uma formação em modelagem computacional aplicada, onde você aprende a construir algoritmos, entender os modelos por dentro e aplicá-los em problemas reais de Dados, IA e Machine Learning.
O MODELA IA é uma formação em modelagem computacional aplicada, onde você aprende a construir algoritmos, entender os modelos por dentro e aplicá-los em problemas reais de Dados, IA e Machine Learning.
O MODELA IA é uma formação em modelagem computacional aplicada, onde você aprende a construir algoritmos, entender os modelos por dentro e aplicá-los em problemas reais de Dados, IA e Machine Learning.
ASSISTA A AULA DE INTRODUÇÃO GRATUITAMENTE E VOCÊ VAI APRENDER MAIS DE 07 COISAS:
ASSISTA A AULA DE INTRODUÇÃO GRATUITAMENTE E VOCÊ VAI APRENDER MAIS DE 07 COISAS:
ASSISTA A AULA DE INTRODUÇÃO GRATUITAMENTE E VOCÊ VAI APRENDER MAIS DE 07 COISAS:
- Algoritmos que geram valor mesmo com poucos dados e te coloca para dentro da área
- Entender que quem domina a base são profissionais "resolvedores de problemas" sempre bem remunerados
- A base comum por trás da IA moderna
- Evoluir em novos algoritmos sem recomeçar do zero
- O erro de começar acreditando que ferramentas vão sempre responder questões de negócio
- Independência de tutoriais e caixas-pretas
- Base elimina a síndrome do impostor
- Algoritmos que geram valor mesmo com poucos dados e te coloca para dentro da área
- Entender que quem domina a base são profissionais "resolvedores de problemas" sempre bem remunerados
- A base comum por trás da IA moderna
- Evoluir em novos algoritmos sem recomeçar do zero
- O erro de começar acreditando que ferramentas vão sempre responder questões de negócio
- Independência de tutoriais e caixas-pretas
- Base elimina a síndrome do impostor
- Algoritmos que geram valor mesmo com poucos dados e te coloca para dentro da área
- Entender que quem domina a base são profissionais "resolvedores de problemas" sempre bem remunerados
- A base comum por trás da IA moderna
- Evoluir em novos algoritmos sem recomeçar do zero
- O erro de começar acreditando que ferramentas vão sempre responder questões de negócio
- Independência de tutoriais e caixas-pretas
- Base elimina a síndrome do impostor
Se você quer segurança técnica, esse é o próximo passo.
Se você quer segurança técnica, esse é o próximo passo.
Se você quer segurança técnica, esse é o próximo passo.
SUPORTE
Suas dúvidas serão sanadas pelo próprio professor, inclusive por WhatsApp, quantas vezes quiser!
CARGA HORÁRIA
250 aulas
65 horas de puro conteúdo técnico! Tudo inteiramente disponível para você começar já!
ACESSO DOBRADO
São 02 anos de acesso para você poder estudar no seu tempo
SUPORTE
Suas dúvidas serão sanadas pelo próprio professor, inclusive por WhatsApp, quantas vezes quiser!
CARGA HORÁRIA
250 aulas
65 horas de puro conteúdo técnico! Tudo inteiramente disponível para você começar já!
ACESSO DOBRADO
São 02 anos de acesso para você poder estudar no seu tempo
SUPORTE
Suas dúvidas serão sanadas pelo próprio professor, inclusive por WhatsApp, quantas vezes quiser!
CARGA HORÁRIA
250 aulas
65 horas de puro conteúdo técnico! Tudo inteiramente disponível para você começar já!
ACESSO DOBRADO
São 02 anos de acesso para você poder estudar no seu tempo
Em menos de 2 minutos, você verá um algoritmo de GMM decidir o melhor ponto de venda em um shopping.
Em menos de 2 minutos, você verá um algoritmo de GMM decidir o melhor ponto de venda em um shopping.
Em menos de 2 minutos, você verá um algoritmo de GMM decidir o melhor ponto de venda em um shopping.
Isso é domínio técnico.
Isso é domínio técnico.
Isso é domínio técnico.
Incontestável método para quem quer trabalhar com IA com base técnica de verdade
Incontestável método para quem quer trabalhar com IA com base técnica de verdade
Incontestável método para quem quer trabalhar com IA com base técnica de verdade
MÉTODO IA PROFISSIONAL
MÉTODO IA PROFISSIONAL
MÉTODO IA PROFISSIONAL
/klickart-prod/uploads/media/file/10336914/math.jpeg)
MODELO
MODELO
MODELO
A BASEMATEMÁTICA NECESSÁRIA PARA QUE VOCÊ SEJA CAPAZ DE ENTENDER O PROBLEMA DE NEGÓCIO
A BASEMATEMÁTICA NECESSÁRIA PARA QUE VOCÊ SEJA CAPAZ DE ENTENDER O PROBLEMA DE NEGÓCIO
A BASEMATEMÁTICA NECESSÁRIA PARA QUE VOCÊ SEJA CAPAZ DE ENTENDER O PROBLEMA DE NEGÓCIO
/klickart-prod/uploads/media/file/10336999/algoritmo.jpeg)
ALGORITMO
ALGORITMO
ALGORITMO
TRANSFORMAMOS ESSA MATEMÁTICA EM CÓDIGO PYTHON PURO, PASSO A PASSO, PARA DESENVOLVER O ALGORITMO
TRANSFORMAMOS ESSA MATEMÁTICA EM CÓDIGO PYTHON PURO, PASSO A PASSO, PARA DESENVOLVER O ALGORITMO
TRANSFORMAMOS ESSA MATEMÁTICA EM CÓDIGO PYTHON PURO, PASSO A PASSO, PARA DESENVOLVER O ALGORITMO
/klickart-prod/uploads/media/file/10337001/mundo.jpeg)
MUNDO
MUNDO
MUNDO
APLICAMOS O ALGORITMO EM UM CASE REAL PARA QUE VOCÊ TREINE SEU APRENDIZADO E TENHA PORTIFÓLIO QUE SABE EXPLICAR EM ENTREVISTAS
APLICAMOS O ALGORITMO EM UM CASE REAL PARA QUE VOCÊ TREINE SEU APRENDIZADO E TENHA PORTIFÓLIO QUE SABE EXPLICAR EM ENTREVISTAS
APLICAMOS O ALGORITMO EM UM CASE REAL PARA QUE VOCÊ TREINE SEU APRENDIZADO E TENHA PORTIFÓLIO QUE SABE EXPLICAR EM ENTREVISTAS
Quem passou pelo Modela IA
tem segurança no método!
Quem passou pelo Modela IA
tem segurança no método!
Quem passou pelo Modela IA
tem segurança no método!
/klickart-prod/uploads/media/file/10340675/ps12.jpeg)
/klickart-prod/uploads/media/file/10340674/ps11.jpeg)
/klickart-prod/uploads/media/file/10340719/p213.jpeg)
/klickart-prod/uploads/media/file/10340673/ps10.jpeg)
/klickart-prod/uploads/media/file/10340622/ps02png.png)
/klickart-prod/uploads/media/file/10340618/ps09png.png)
/klickart-prod/uploads/media/file/10340617/ps07png.png)
/klickart-prod/uploads/media/file/10340624/ps01png.png)
/klickart-prod/uploads/media/file/10340623/ps08png.png)
/klickart-prod/uploads/media/file/10340620/ps04png.png)
VEJA TUDO QUE VOCÊ PODE FAZER COM ESSES ALGORITMOS
em minutos ...
VEJA TUDO QUE VOCÊ PODE FAZER COM ESSES ALGORITMOS
em minutos ...
VEJA TUDO QUE VOCÊ PODE FAZER COM ESSES ALGORITMOS
em minutos ...
ALGORITMO - MANIFOLD LEARNING
APLICAÇÃO - TRANSFORMANDO ÁUDIOS EM MAPA DE EMOÇÕES
ALGORITMO - MANIFOLD LEARNING
APLICAÇÃO - TRANSFORMANDO ÁUDIOS EM MAPA DE EMOÇÕES
ALGORITMO - MANIFOLD LEARNING
APLICAÇÃO - TRANSFORMANDO ÁUDIOS EM MAPA DE EMOÇÕES
ALGORITMO - CLUSTER HIERÁRQUICO
APLICAÇÃO - CONSTRUÇÃO DE PORTIFÓLIO DE AÇÕES
ALGORITMO - CLUSTER HIERÁRQUICO
APLICAÇÃO - CONSTRUÇÃO DE PORTIFÓLIO DE AÇÕES
ALGORITMO - CLUSTER HIERÁRQUICO
APLICAÇÃO - CONSTRUÇÃO DE PORTIFÓLIO DE AÇÕES
ALGORITMO - K- MEANS
APLICAÇÃO - CATEGORIZAÇÃO AUTOMÁTICA DE GASTOS FINANCEIRO
ALGORITMO - K- MEANS
APLICAÇÃO - CATEGORIZAÇÃO AUTOMÁTICA DE GASTOS FINANCEIRO
ALGORITMO - K- MEANS
APLICAÇÃO - CATEGORIZAÇÃO AUTOMÁTICA DE GASTOS FINANCEIRO
CONTEÚDO DETALHADO PARA VOCÊ COMEÇAR JÁ!
CONTEÚDO DETALHADO PARA VOCÊ COMEÇAR JÁ!
CONTEÚDO DETALHADO PARA VOCÊ COMEÇAR JÁ!
1. Modelagem & Algoritmo:
REGRESSÃO LINEAR
1. Modelagem & Algoritmo:
REGRESSÃO LINEAR
1. Modelagem & Algoritmo:
REGRESSÃO LINEAR
Aula 01: Regressão Linear – Introdução
Aula 02: Regressão Linear – História
Aula 03: Regressão Linear – Olhar Geométrico
Aula 04: Regressão Linear – Olhar Algébrico
Aula 05: Regressão Linear – Olhar Algébrico II
Aula 06: Regressão Linear – Estatística I
Aula 07: Regressão Linear – Estatística II
Aula 08: Regressão Linear – Multivariada I
Aula 09: Regressão Linear – Multivariada II
Aula 10: Regressão Linear – Stop Point (apanhado geral)
Aula 11: Regressão Linear – Estratégia de Implementação
Aula 12: Regressão Linear – Algoritmo de Regressão Linear
Aula 13: Regressão Linear – Algoritmo de Regressão Linear II
Aula 14: Regressão Linear – Algoritmo de Regressão Linear III
Aula 15: Regressão Linear – Algoritmo de Regressão Linear IV
Aula 16: Regressão Linear – Gradiente Descendente em Batch
Aula 17: Regressão Linear – Gradiente Descendente em Batch II
Aula 18: Regressão Linear – Refatorando o Código
Aula 19: Regressão Linear – Linear Regression com Scikit-Learn
Aula 20: Regressão Linear – Ridge Regression (Modelo)
Aula 21: Regressão Linear – Ridge Regression (Algoritmo)
Aula 22: Regressão Linear – Ridge Regression com Scikit-Learn
Aula 23: Regressão Linear – Exercício de Regressão
Aula 24: Regressão Linear – Projeto Aplicado I
Aula 25: Regressão Linear – Projeto Aplicado II
Aula 26: Regressão Linear – Considerações Finais
Aula 01: Regressão Linear – Introdução
Aula 02: Regressão Linear – História
Aula 03: Regressão Linear – Olhar Geométrico
Aula 04: Regressão Linear – Olhar Algébrico
Aula 05: Regressão Linear – Olhar Algébrico II
Aula 06: Regressão Linear – Estatística I
Aula 07: Regressão Linear – Estatística II
Aula 08: Regressão Linear – Multivariada I
Aula 09: Regressão Linear – Multivariada II
Aula 10: Regressão Linear – Stop Point (apanhado geral)
Aula 11: Regressão Linear – Estratégia de Implementação
Aula 12: Regressão Linear – Algoritmo de Regressão Linear
Aula 13: Regressão Linear – Algoritmo de Regressão Linear II
Aula 14: Regressão Linear – Algoritmo de Regressão Linear III
Aula 15: Regressão Linear – Algoritmo de Regressão Linear IV
Aula 16: Regressão Linear – Gradiente Descendente em Batch
Aula 17: Regressão Linear – Gradiente Descendente em Batch II
Aula 18: Regressão Linear – Refatorando o Código
Aula 19: Regressão Linear – Linear Regression com Scikit-Learn
Aula 20: Regressão Linear – Ridge Regression (Modelo)
Aula 21: Regressão Linear – Ridge Regression (Algoritmo)
Aula 22: Regressão Linear – Ridge Regression com Scikit-Learn
Aula 23: Regressão Linear – Exercício de Regressão
Aula 24: Regressão Linear – Projeto Aplicado I
Aula 25: Regressão Linear – Projeto Aplicado II
Aula 26: Regressão Linear – Considerações Finais
Aula 01: Regressão Linear – Introdução
Aula 02: Regressão Linear – História
Aula 03: Regressão Linear – Olhar Geométrico
Aula 04: Regressão Linear – Olhar Algébrico
Aula 05: Regressão Linear – Olhar Algébrico II
Aula 06: Regressão Linear – Estatística I
Aula 07: Regressão Linear – Estatística II
Aula 08: Regressão Linear – Multivariada I
Aula 09: Regressão Linear – Multivariada II
Aula 10: Regressão Linear – Stop Point (apanhado geral)
Aula 11: Regressão Linear – Estratégia de Implementação
Aula 12: Regressão Linear – Algoritmo de Regressão Linear
Aula 13: Regressão Linear – Algoritmo de Regressão Linear II
Aula 14: Regressão Linear – Algoritmo de Regressão Linear III
Aula 15: Regressão Linear – Algoritmo de Regressão Linear IV
Aula 16: Regressão Linear – Gradiente Descendente em Batch
Aula 17: Regressão Linear – Gradiente Descendente em Batch II
Aula 18: Regressão Linear – Refatorando o Código
Aula 19: Regressão Linear – Linear Regression com Scikit-Learn
Aula 20: Regressão Linear – Ridge Regression (Modelo)
Aula 21: Regressão Linear – Ridge Regression (Algoritmo)
Aula 22: Regressão Linear – Ridge Regression com Scikit-Learn
Aula 23: Regressão Linear – Exercício de Regressão
Aula 24: Regressão Linear – Projeto Aplicado I
Aula 25: Regressão Linear – Projeto Aplicado II
Aula 26: Regressão Linear – Considerações Finais
2. Modelagem & Algoritmo:
REGRESSÃO LOGÍSTICA
2. Modelagem & Algoritmo:
REGRESSÃO LOGÍSTICA
2. Modelagem & Algoritmo:
REGRESSÃO LOGÍSTICA
Aula 01: Regressão Logística – Introdução
Aula 02: Regressão Logística – O número e de Euler
Aula 03: Regressão Logística – Derivada da função e
Aula 04: Regressão Logística – Função Logística
Aula 05: Regressão Logística – Estratégia para entender Regressão Logística
Aula 06: Regressão Logística – Revisão de Probabilidade
Aula 07: Regressão Logística – Revisão de Verossimilhança
Aula 08: Regressão Logística – Modelo de Regressão Logística
Aula 09: Regressão Logística – Solução Computacional I
Aula 10: Regressão Logística – Solução Computacional II
Aula 11: Regressão Logística – Implementação da Regressão Logística
Aula 12: Regressão Logística – Scikit-Learn para Regressão Logística
Aula 13: Regressão Logística – Métricas de Performance em Classificação I
Aula 14: Regressão Logística – Precision, Recall e F1-Score
Aula 15: Regressão Logística – Gráfico de Threshold, Curva PR e Curva ROC
Aula 16: Regressão Logística – Métricas de Performance em Classificação com Python
Aula 17: Regressão Logística – Aplicação Prática
Aula 01: Regressão Logística – Introdução
Aula 02: Regressão Logística – O número e de Euler
Aula 03: Regressão Logística – Derivada da função e
Aula 04: Regressão Logística – Função Logística
Aula 05: Regressão Logística – Estratégia para entender Regressão Logística
Aula 06: Regressão Logística – Revisão de Probabilidade
Aula 07: Regressão Logística – Revisão de Verossimilhança
Aula 08: Regressão Logística – Modelo de Regressão Logística
Aula 09: Regressão Logística – Solução Computacional I
Aula 10: Regressão Logística – Solução Computacional II
Aula 11: Regressão Logística – Implementação da Regressão Logística
Aula 12: Regressão Logística – Scikit-Learn para Regressão Logística
Aula 13: Regressão Logística – Métricas de Performance em Classificação I
Aula 14: Regressão Logística – Precision, Recall e F1-Score
Aula 15: Regressão Logística – Gráfico de Threshold, Curva PR e Curva ROC
Aula 16: Regressão Logística – Métricas de Performance em Classificação com Python
Aula 17: Regressão Logística – Aplicação Prática
Aula 01: Regressão Logística – Introdução
Aula 02: Regressão Logística – O número e de Euler
Aula 03: Regressão Logística – Derivada da função e
Aula 04: Regressão Logística – Função Logística
Aula 05: Regressão Logística – Estratégia para entender Regressão Logística
Aula 06: Regressão Logística – Revisão de Probabilidade
Aula 07: Regressão Logística – Revisão de Verossimilhança
Aula 08: Regressão Logística – Modelo de Regressão Logística
Aula 09: Regressão Logística – Solução Computacional I
Aula 10: Regressão Logística – Solução Computacional II
Aula 11: Regressão Logística – Implementação da Regressão Logística
Aula 12: Regressão Logística – Scikit-Learn para Regressão Logística
Aula 13: Regressão Logística – Métricas de Performance em Classificação I
Aula 14: Regressão Logística – Precision, Recall e F1-Score
Aula 15: Regressão Logística – Gráfico de Threshold, Curva PR e Curva ROC
Aula 16: Regressão Logística – Métricas de Performance em Classificação com Python
Aula 17: Regressão Logística – Aplicação Prática
3. Modelagem & Algoritmo:
APRENDIZADO NÃO SUPERVISIONADO - FUNDAMENTOS
3. Modelagem & Algoritmo:
APRENDIZADO NÃO SUPERVISIONADO - FUNDAMENTOS
3. Modelagem & Algoritmo:
APRENDIZADO NÃO SUPERVISIONADO - FUNDAMENTOS
ANS: CONCEITOS – AULA 01 – Introdução
ANS: CONCEITOS – AULA 02 – Projeção Ortonormal
ANS: CONCEITOS – AULA 03 – Dados Centralizados na Média
ANS: CONCEITOS – AULA 04 – Cálculo de Variância
ANS: CONCEITOS – AULA 05 – Cálculo de Covariância
ANS: CONCEITOS – AULA 06 – Verossimilhança
ANS: CONCEITOS – AULA 01 – Introdução
ANS: CONCEITOS – AULA 02 – Projeção Ortonormal
ANS: CONCEITOS – AULA 03 – Dados Centralizados na Média
ANS: CONCEITOS – AULA 04 – Cálculo de Variância
ANS: CONCEITOS – AULA 05 – Cálculo de Covariância
ANS: CONCEITOS – AULA 06 – Verossimilhança
ANS: CONCEITOS – AULA 01 – Introdução
ANS: CONCEITOS – AULA 02 – Projeção Ortonormal
ANS: CONCEITOS – AULA 03 – Dados Centralizados na Média
ANS: CONCEITOS – AULA 04 – Cálculo de Variância
ANS: CONCEITOS – AULA 05 – Cálculo de Covariância
ANS: CONCEITOS – AULA 06 – Verossimilhança
4. Modelagem & Algoritmo:
APRENDIZADO NÃO SUPERVISIONADO - PCA
4. Modelagem & Algoritmo:
APRENDIZADO NÃO SUPERVISIONADO - PCA
4. Modelagem & Algoritmo:
APRENDIZADO NÃO SUPERVISIONADO - PCA
Aprendizado Não Supervisionado: PCA – Aula 01 – Introdução ao PCA
Aprendizado Não Supervisionado: PCA – Aula 02 – Derivação Matemática do PCA
Aprendizado Não Supervisionado: PCA – Aula 03 – Interpretação sobre a Variância
Aprendizado Não Supervisionado: PCA – Aula 04 – Análise do Número Ótimo de Componentes
Aprendizado Não Supervisionado: PCA – Aula 05 – Implementação em Python do PCA
Aprendizado Não Supervisionado: PCA – Aula 06 – Implementação de Scree Plot e Explained Variance Plot
Aprendizado Não Supervisionado: PCA – Aula 07 – Implementação de Profile Likelihood
Aprendizado Não Supervisionado: PCA – Aula 08 – Aplicação do PCA
Aprendizado Não Supervisionado: PCA – Aula 01 – Introdução ao PCA
Aprendizado Não Supervisionado: PCA – Aula 02 – Derivação Matemática do PCA
Aprendizado Não Supervisionado: PCA – Aula 03 – Interpretação sobre a Variância
Aprendizado Não Supervisionado: PCA – Aula 04 – Análise do Número Ótimo de Componentes
Aprendizado Não Supervisionado: PCA – Aula 05 – Implementação em Python do PCA
Aprendizado Não Supervisionado: PCA – Aula 06 – Implementação de Scree Plot e Explained Variance Plot
Aprendizado Não Supervisionado: PCA – Aula 07 – Implementação de Profile Likelihood
Aprendizado Não Supervisionado: PCA – Aula 08 – Aplicação do PCA
Aprendizado Não Supervisionado: PCA – Aula 01 – Introdução ao PCA
Aprendizado Não Supervisionado: PCA – Aula 02 – Derivação Matemática do PCA
Aprendizado Não Supervisionado: PCA – Aula 03 – Interpretação sobre a Variância
Aprendizado Não Supervisionado: PCA – Aula 04 – Análise do Número Ótimo de Componentes
Aprendizado Não Supervisionado: PCA – Aula 05 – Implementação em Python do PCA
Aprendizado Não Supervisionado: PCA – Aula 06 – Implementação de Scree Plot e Explained Variance Plot
Aprendizado Não Supervisionado: PCA – Aula 07 – Implementação de Profile Likelihood
Aprendizado Não Supervisionado: PCA – Aula 08 – Aplicação do PCA
5. Modelagem & Algoritmo:
APRENDIZADO NÃO SUPERVISIONADO - MANIFOLD
5. Modelagem & Algoritmo:
APRENDIZADO NÃO SUPERVISIONADO - MANIFOLD
5. Modelagem & Algoritmo:
APRENDIZADO NÃO SUPERVISIONADO - MANIFOLD
Aula de Introdução ao Tema: Manifold
Aula 01: Manifold – Intuição
Aula 02: Manifold – Isomap (intuição)
Aula 03: Manifold – Matriz de Gram
Aula 04: Manifold – Centralização da média matricial
Aula 05: Manifold – Algoritmo de Dijkstra
Aula 06: Manifold – Isomap
Aula 07: Manifold – Implementação em Python do Isomap
Aula 08: Manifold – Aplicação do Isomap para separar vozes
Aula de Introdução ao Tema: Manifold
Aula 01: Manifold – Intuição
Aula 02: Manifold – Isomap (intuição)
Aula 03: Manifold – Matriz de Gram
Aula 04: Manifold – Centralização da média matricial
Aula 05: Manifold – Algoritmo de Dijkstra
Aula 06: Manifold – Isomap
Aula 07: Manifold – Implementação em Python do Isomap
Aula 08: Manifold – Aplicação do Isomap para separar vozes
Aula de Introdução ao Tema: Manifold
Aula 01: Manifold – Intuição
Aula 02: Manifold – Isomap (intuição)
Aula 03: Manifold – Matriz de Gram
Aula 04: Manifold – Centralização da média matricial
Aula 05: Manifold – Algoritmo de Dijkstra
Aula 06: Manifold – Isomap
Aula 07: Manifold – Implementação em Python do Isomap
Aula 08: Manifold – Aplicação do Isomap para separar vozes
6. Modelagem & Algoritmo:
APRENDIZADO NÃO SUPERVISIONADO -
DBSCAN
6. Modelagem & Algoritmo:
APRENDIZADO NÃO SUPERVISIONADO -
DBSCAN
6. Modelagem & Algoritmo:
APRENDIZADO NÃO SUPERVISIONADO -
DBSCAN
Live Introdução ao Tema: DB Scan
Aula 01: DB Scan – Medidas de Distância
Aula 02: DB Scan – Definições
Aula 03: DB Scan – Intuição
Aula 04: DB Scan – Formalização
Aula 05: DB Scan – Algoritmo DB Scan
Aula 06: DB Scan – Detecção de Anomalia com DB Scan
Live Introdução ao Tema: DB Scan
Aula 01: DB Scan – Medidas de Distância
Aula 02: DB Scan – Definições
Aula 03: DB Scan – Intuição
Aula 04: DB Scan – Formalização
Aula 05: DB Scan – Algoritmo DB Scan
Aula 06: DB Scan – Detecção de Anomalia com DB Scan
Live Introdução ao Tema: DB Scan
Aula 01: DB Scan – Medidas de Distância
Aula 02: DB Scan – Definições
Aula 03: DB Scan – Intuição
Aula 04: DB Scan – Formalização
Aula 05: DB Scan – Algoritmo DB Scan
Aula 06: DB Scan – Detecção de Anomalia com DB Scan
7. Modelagem & Algoritmo:
APRENDIZADO NÃO SUPERVISIONADO -
CLUSTER HIERÁRQUICO
7. Modelagem & Algoritmo:
APRENDIZADO NÃO SUPERVISIONADO -
CLUSTER HIERÁRQUICO
7. Modelagem & Algoritmo:
APRENDIZADO NÃO SUPERVISIONADO -
CLUSTER HIERÁRQUICO
Live de Introdução ao Tema: Cluster Hierárquico
Aula 01: Cluster Hierárquico – Introdução
Aula 02: Cluster Hierárquico – Método de ligação (linkage)
Aula 03: Cluster Hierárquico – Método Aglomerativo (bottom-up)
Aula 04: Cluster Hierárquico – Algoritmo de Prim
Aula 05: Cluster Hierárquico – Método Divisivo
Aula 06: Cluster Hierárquico – Dendrograma
Aula 07: Cluster Hierárquico – Algoritmo Cluster Hierárquico – distance
Aula 08: Cluster Hierárquico – Algoritmo Cluster Hierárquico – linkage
Aula 09: Cluster Hierárquico – Algoritmo Cluster Hierárquico – aglomerativo
Aula 10: Cluster Hierárquico – Algoritmo Cluster Hierárquico – dendrograma
Aula 11: Cluster Hierárquico – Algoritmo Cluster Hierárquico – algoritmo de Prim
Aula 12: Cluster Hierárquico – Algoritmo Cluster Hierárquico – divisivo
Aula 13: Cluster Hierárquico – Cluster Hierárquico aplicado à finanças I
Aula 14: Cluster Hierárquico – Cluster Hierárquico aplicado à finanças II
Aula 15: Cluster Hierárquico – Cluster Hierárquico aplicado à finanças III
Aula 16: Cluster Hierárquico – Cluster Hierárquico aplicado à finanças IV
Aula 17: Cluster Hierárquico – Yahoo Finance & Retorno Percentual
Aula 18: Cluster Hierárquico – Otimização de Portfólios por Markowitz
Aula 19: Cluster Hierárquico – HRP – dendrograma & matriz quase diagonal
Aula 20: Cluster Hierárquico – HRP – geração de portfólio
Aula 21: Cluster Hierárquico – Aplicando HRP ao mundo real
Live de Introdução ao Tema: Cluster Hierárquico
Aula 01: Cluster Hierárquico – Introdução
Aula 02: Cluster Hierárquico – Método de ligação (linkage)
Aula 03: Cluster Hierárquico – Método Aglomerativo (bottom-up)
Aula 04: Cluster Hierárquico – Algoritmo de Prim
Aula 05: Cluster Hierárquico – Método Divisivo
Aula 06: Cluster Hierárquico – Dendrograma
Aula 07: Cluster Hierárquico – Algoritmo Cluster Hierárquico – distance
Aula 08: Cluster Hierárquico – Algoritmo Cluster Hierárquico – linkage
Aula 09: Cluster Hierárquico – Algoritmo Cluster Hierárquico – aglomerativo
Aula 10: Cluster Hierárquico – Algoritmo Cluster Hierárquico – dendrograma
Aula 11: Cluster Hierárquico – Algoritmo Cluster Hierárquico – algoritmo de Prim
Aula 12: Cluster Hierárquico – Algoritmo Cluster Hierárquico – divisivo
Aula 13: Cluster Hierárquico – Cluster Hierárquico aplicado à finanças I
Aula 14: Cluster Hierárquico – Cluster Hierárquico aplicado à finanças II
Aula 15: Cluster Hierárquico – Cluster Hierárquico aplicado à finanças III
Aula 16: Cluster Hierárquico – Cluster Hierárquico aplicado à finanças IV
Aula 17: Cluster Hierárquico – Yahoo Finance & Retorno Percentual
Aula 18: Cluster Hierárquico – Otimização de Portfólios por Markowitz
Aula 19: Cluster Hierárquico – HRP – dendrograma & matriz quase diagonal
Aula 20: Cluster Hierárquico – HRP – geração de portfólio
Aula 21: Cluster Hierárquico – Aplicando HRP ao mundo real
Live de Introdução ao Tema: Cluster Hierárquico
Aula 01: Cluster Hierárquico – Introdução
Aula 02: Cluster Hierárquico – Método de ligação (linkage)
Aula 03: Cluster Hierárquico – Método Aglomerativo (bottom-up)
Aula 04: Cluster Hierárquico – Algoritmo de Prim
Aula 05: Cluster Hierárquico – Método Divisivo
Aula 06: Cluster Hierárquico – Dendrograma
Aula 07: Cluster Hierárquico – Algoritmo Cluster Hierárquico – distance
Aula 08: Cluster Hierárquico – Algoritmo Cluster Hierárquico – linkage
Aula 09: Cluster Hierárquico – Algoritmo Cluster Hierárquico – aglomerativo
Aula 10: Cluster Hierárquico – Algoritmo Cluster Hierárquico – dendrograma
Aula 11: Cluster Hierárquico – Algoritmo Cluster Hierárquico – algoritmo de Prim
Aula 12: Cluster Hierárquico – Algoritmo Cluster Hierárquico – divisivo
Aula 13: Cluster Hierárquico – Cluster Hierárquico aplicado à finanças I
Aula 14: Cluster Hierárquico – Cluster Hierárquico aplicado à finanças II
Aula 15: Cluster Hierárquico – Cluster Hierárquico aplicado à finanças III
Aula 16: Cluster Hierárquico – Cluster Hierárquico aplicado à finanças IV
Aula 17: Cluster Hierárquico – Yahoo Finance & Retorno Percentual
Aula 18: Cluster Hierárquico – Otimização de Portfólios por Markowitz
Aula 19: Cluster Hierárquico – HRP – dendrograma & matriz quase diagonal
Aula 20: Cluster Hierárquico – HRP – geração de portfólio
Aula 21: Cluster Hierárquico – Aplicando HRP ao mundo real
8. Modelagem & Algoritmo:
APRENDIZADO NÃO SUPERVISIONADO -
K-MEANS
8. Modelagem & Algoritmo:
APRENDIZADO NÃO SUPERVISIONADO -
K-MEANS
8. Modelagem & Algoritmo:
APRENDIZADO NÃO SUPERVISIONADO -
K-MEANS
Live de Introdução ao Tema: K Means
Aula 01: K Means – Introdução
Aula 02: K Means – Formalização Matemática
Aula 03: K Means – Exemplo numérico
Aula 04: K Means – Métodos de Inicialização
Aula 05: K Means – Como escolher o número ideal de clusters
Aula 06: K Means – Algoritmo K-Means
Aula 07: APP de Organização de Finanças Pessoais
Aula 08: Conclusão
Live de Introdução ao Tema: K Means
Aula 01: K Means – Introdução
Aula 02: K Means – Formalização Matemática
Aula 03: K Means – Exemplo numérico
Aula 04: K Means – Métodos de Inicialização
Aula 05: K Means – Como escolher o número ideal de clusters
Aula 06: K Means – Algoritmo K-Means
Aula 07: APP de Organização de Finanças Pessoais
Aula 08: Conclusão
Live de Introdução ao Tema: K Means
Aula 01: K Means – Introdução
Aula 02: K Means – Formalização Matemática
Aula 03: K Means – Exemplo numérico
Aula 04: K Means – Métodos de Inicialização
Aula 05: K Means – Como escolher o número ideal de clusters
Aula 06: K Means – Algoritmo K-Means
Aula 07: APP de Organização de Finanças Pessoais
Aula 08: Conclusão
9.Modelagem & Algoritmo:APRENDIZADO NÃO SUPERVISIONADO -
GMM
9.Modelagem & Algoritmo:APRENDIZADO NÃO SUPERVISIONADO -
GMM
9.Modelagem & Algoritmo:APRENDIZADO NÃO SUPERVISIONADO -
GMM
Live de Introdução ao Tema: Algoritmo GMM
Aula 01: GMM – Revisão Redistribuição Gaussiana
Aula 02: GMM – Revisão Redistribuição Gaussiana Multidimensional
Aula 03: GMM – Revisão Teorema de Bayes
Aula 04: GMM – Expected Maximization
Aula 05: GMM – GMM Unidimensional
Aula 06: GMM – GMM Multidimensional
Aula 07: GMM – GMM Exemplo Numérico
Aula 08: GMM – Distribuição Gaussiana Multidimensional – Python
Aula 09: GMM – Algoritmo GMM
Aula 10: GMM – Aplicação: Como achar o local ideal para quiosque em Shopping!
Live de Introdução ao Tema: Algoritmo GMM
Aula 01: GMM – Revisão Redistribuição Gaussiana
Aula 02: GMM – Revisão Redistribuição Gaussiana Multidimensional
Aula 03: GMM – Revisão Teorema de Bayes
Aula 04: GMM – Expected Maximization
Aula 05: GMM – GMM Unidimensional
Aula 06: GMM – GMM Multidimensional
Aula 07: GMM – GMM Exemplo Numérico
Aula 08: GMM – Distribuição Gaussiana Multidimensional – Python
Aula 09: GMM – Algoritmo GMM
Aula 10: GMM – Aplicação: Como achar o local ideal para quiosque em Shopping!
Live de Introdução ao Tema: Algoritmo GMM
Aula 01: GMM – Revisão Redistribuição Gaussiana
Aula 02: GMM – Revisão Redistribuição Gaussiana Multidimensional
Aula 03: GMM – Revisão Teorema de Bayes
Aula 04: GMM – Expected Maximization
Aula 05: GMM – GMM Unidimensional
Aula 06: GMM – GMM Multidimensional
Aula 07: GMM – GMM Exemplo Numérico
Aula 08: GMM – Distribuição Gaussiana Multidimensional – Python
Aula 09: GMM – Algoritmo GMM
Aula 10: GMM – Aplicação: Como achar o local ideal para quiosque em Shopping!
Além de tudo isso, você ainda vai ganhar 04 BÔNUS
Além de tudo isso, você ainda vai ganhar 04 BÔNUS
Além de tudo isso, você ainda vai ganhar 04 BÔNUS
/klickart-prod/uploads/media/file/5513008/notebook.png)
CURSO OVERVIEW DE PYTHON PARA IA & DADOS
CURSO OVERVIEW DE PYTHON PARA IA & DADOS
CURSO OVERVIEW DE PYTHON PARA IA & DADOS
MÓDULOS:
MÓDULOS:
MÓDULOS:
- Python básico
- Pandas
- Numpy
- Scikit-Learn
- Python básico
- Pandas
- Numpy
- Scikit-Learn
- Python básico
- Pandas
- Numpy
- Scikit-Learn
- OOP
- Modelo servidor- cliente
- FastApi
- Docker
- Seaborn
- OOP
- Modelo servidor- cliente
- FastApi
- Docker
- Seaborn
- OOP
- Modelo servidor- cliente
- FastApi
- Docker
- Seaborn
CURSO OVERVIEW DE MATEMÁTICA PARA IA & DADOS
CURSO OVERVIEW DE MATEMÁTICA PARA IA & DADOS
CURSO OVERVIEW DE MATEMÁTICA PARA IA & DADOS
MÓDULOS:
MÓDULOS:
MÓDULOS:
- Matemática básica
- Cálculo
- Álgebra linear
- Probabilidade
- Matemática básica
- Cálculo
- Álgebra linear
- Probabilidade
- Matemática básica
- Cálculo
- Álgebra linear
- Probabilidade
- Estatística
- Otimização numérica
- Modelagem Matemática
- Grafos
- Heurísticas np Hard
- Estatística
- Otimização numérica
- Modelagem Matemática
- Grafos
- Heurísticas np Hard
- Estatística
- Otimização numérica
- Modelagem Matemática
- Grafos
- Heurísticas np Hard
/klickart-prod/uploads/media/file/5513011/docs.png)
E - books
E - books
E - books
ROADMAPS COMPLETOS SOBRE
- Python
- Matemática
- Algoritmos de IA Básica
- Algoritmos de IA Avançada
Os ebooks contam com as prinicpais bibliografias, canais no youtube e referências da área no Linkedin
ROADMAPS COMPLETOS SOBRE
- Python
- Matemática
- Algoritmos de IA Básica
- Algoritmos de IA Avançada
Os ebooks contam com as prinicpais bibliografias, canais no youtube e referências da área no Linkedin
ROADMAPS COMPLETOS SOBRE
- Python
- Matemática
- Algoritmos de IA Básica
- Algoritmos de IA Avançada
Os ebooks contam com as prinicpais bibliografias, canais no youtube e referências da área no Linkedin
/klickart-prod/uploads/media/file/5513013/calendrio.png)
Prazo Dobrado
Prazo Dobrado
Prazo Dobrado
02 ANOS DE ACESSO
Ganhará o dobro de acesso pelo mesmo valor, para estudar no seu ritmo!
02 ANOS DE ACESSO
Ganhará o dobro de acesso pelo mesmo valor, para estudar no seu ritmo!
02 ANOS DE ACESSO
Ganhará o dobro de acesso pelo mesmo valor, para estudar no seu ritmo!
SUPORTE como você nunca viu em nenhum curso
SUPORTE como você nunca viu em nenhum curso
SUPORTE como você nunca viu em nenhum curso
SUPORTE VIA WHATSAPP
SUPORTE VIA WHATSAPP
SUPORTE VIA WHATSAPP
Comodidade e proximidade para você!
Todas as dúvidas são tiradas pelo próprio professor Raphael, nossos atendentes cuidam para que cada dúvida seja respondida pelo prof o mais rápido possível!
Comodidade e proximidade para você!
Todas as dúvidas são tiradas pelo próprio professor Raphael, nossos atendentes cuidam para que cada dúvida seja respondida pelo prof o mais rápido possível!
Comodidade e proximidade para você!
Todas as dúvidas são tiradas pelo próprio professor Raphael, nossos atendentes cuidam para que cada dúvida seja respondida pelo prof o mais rápido possível!
CAMPO DE DÚVIDAS
CAMPO DE DÚVIDAS
CAMPO DE DÚVIDAS
A cada aula, em nossa plataforma, tem disponível um botão de "dúvidas" que é encaminhada diretamente para o professor caso prefira.
A cada aula, em nossa plataforma, tem disponível um botão de "dúvidas" que é encaminhada diretamente para o professor caso prefira.
A cada aula, em nossa plataforma, tem disponível um botão de "dúvidas" que é encaminhada diretamente para o professor caso prefira.
Você NUNCA viu um valor tão baixo para esse tipo de formação
Você NUNCA viu um valor tão baixo para esse tipo de formação
Você NUNCA viu um valor tão baixo para esse tipo de formação
55% DE DESCONTO PARA PAGAMENTO NO PIX
55% DE DESCONTO PARA PAGAMENTO NO PIX
55% DE DESCONTO PARA PAGAMENTO NO PIX
de R$ 1.099,00
de R$ 1.099,00
de R$ 1.099,00
por apenas R$ 487,00
por apenas R$ 487,00
por apenas R$ 487,00
EXCLUSIVO PARA PAGAMENTOS VIA PIX
EXCLUSIVO PARA PAGAMENTOS VIA PIX
EXCLUSIVO PARA PAGAMENTOS VIA PIX
45% DE DESCONTO PARA PAGAMENTO NO CARTÃO
45% DE DESCONTO PARA PAGAMENTO NO CARTÃO
45% DE DESCONTO PARA PAGAMENTO NO CARTÃO
de R$ 1.099,00
de R$ 1.099,00
de R$ 1.099,00
por apenas 12x de R$ 49,75
por apenas 12x de R$ 49,75
por apenas 12x de R$ 49,75
OU à vista, no cartão de crédito, por R$ 597,00
OU à vista, no cartão de crédito, por R$ 597,00
OU à vista, no cartão de crédito, por R$ 597,00
/klickart-prod/uploads/media/file/10370205/whatsapp_image_2025-02-04_at_18.25.46.webp)
Quem é o
Prof. Raphael Dutenkefer?
Quem é o
Prof. Raphael Dutenkefer?
Quem é o
Prof. Raphael Dutenkefer?
Doutor e Mestre pela Universidade Politécnica da USP, graduado em Economia pela Fundação Getúlio Vargas e formado em Engenharia de Software pela 42 São Paulo. Trabalha há 16 anos no mercado nacional e internacional e conta com um extenso currículo no setor acadêmico, hoje, Pós -Doc, na Universidade de São Paulo e AI Data Specialist nos EUA .
O prof Raphael é o criador da Metodologia IA Profissional, unindo matemática, programação em Python e aplicação real para ensinar Inteligência Artificial e Machine Learning de forma clara, prática e orientada ao mercado.
Doutor e Mestre pela Universidade Politécnica da USP, graduado em Economia pela Fundação Getúlio Vargas e formado em Engenharia de Software pela 42 São Paulo. Trabalha há 16 anos no mercado nacional e internacional e conta com um extenso currículo no setor acadêmico, hoje, Pós -Doc, na Universidade de São Paulo e AI Data Specialist nos EUA .
O prof Raphael é o criador da Metodologia IA Profissional, unindo matemática, programação em Python e aplicação real para ensinar Inteligência Artificial e Machine Learning de forma clara, prática e orientada ao mercado.
Doutor e Mestre pela Universidade Politécnica da USP, graduado em Economia pela Fundação Getúlio Vargas e formado em Engenharia de Software pela 42 São Paulo. Trabalha há 16 anos no mercado nacional e internacional e conta com um extenso currículo no setor acadêmico, hoje, Pós -Doc, na Universidade de São Paulo e AI Data Specialist nos EUA .
O prof Raphael é o criador da Metodologia IA Profissional, unindo matemática, programação em Python e aplicação real para ensinar Inteligência Artificial e Machine Learning de forma clara, prática e orientada ao mercado.
Se você chegou até aqui, provavelmente está pensando em uma dessas perguntas...
Se você chegou até aqui, provavelmente está pensando em uma dessas perguntas...
Se você chegou até aqui, provavelmente está pensando em uma dessas perguntas...
1. Preciso dominar Programação?
1. Preciso dominar Programação?
1. Preciso dominar Programação?
Não, e você vai adorar o nosso curso bônus "Overview de Python para IA e Dados" que o Prof Raphael preparou para que você compreenda bem a construção, passo a passo, dos algoritmos.
Não, e você vai adorar o nosso curso bônus "Overview de Python para IA e Dados" que o Prof Raphael preparou para que você compreenda bem a construção, passo a passo, dos algoritmos.
Não, e você vai adorar o nosso curso bônus "Overview de Python para IA e Dados" que o Prof Raphael preparou para que você compreenda bem a construção, passo a passo, dos algoritmos.
2. Preciso dominar Matemática?
2. Preciso dominar Matemática?
2. Preciso dominar Matemática?
Não. Há apenas alguns tópicos em matemática que você precisará revisar, para isso, pode contar com o curso "Overview de Matemática para IA e Dados", que vem como bônus no Modela IA.
Não. Há apenas alguns tópicos em matemática que você precisará revisar, para isso, pode contar com o curso "Overview de Matemática para IA e Dados", que vem como bônus no Modela IA.
Não. Há apenas alguns tópicos em matemática que você precisará revisar, para isso, pode contar com o curso "Overview de Matemática para IA e Dados", que vem como bônus no Modela IA.
3. Quais carreiras posso buscar com esse curso ?
3. Quais carreiras posso buscar com esse curso ?
3. Quais carreiras posso buscar com esse curso ?
O Modela IA prepara você para funções que exigem modelagem real, não apenas análise descritiva. Entre elas:
• Data Analyst
• AI Data Analyst
• Data Scientist (Júnior e Pleno)
• Machine Learning Engineer (Júnior e Pleno)
• Analytics Engineer
• Product Data Analyst
• AI Engineer
O Modela IA prepara você para funções que exigem modelagem real, não apenas análise descritiva. Entre elas:
• Data Analyst
• AI Data Analyst
• Data Scientist (Júnior e Pleno)
• Machine Learning Engineer (Júnior e Pleno)
• Analytics Engineer
• Product Data Analyst
• AI Engineer
O Modela IA prepara você para funções que exigem modelagem real, não apenas análise descritiva. Entre elas:
• Data Analyst
• AI Data Analyst
• Data Scientist (Júnior e Pleno)
• Machine Learning Engineer (Júnior e Pleno)
• Analytics Engineer
• Product Data Analyst
• AI Engineer
4. Esse curso é avançado ?
4. Esse curso é avançado ?
4. Esse curso é avançado ?
Não. Ele é estruturado exatamente para quem está:
- na faculdade
- buscando estágio
- em transição de carreira
Você começa pelos algoritmos que realmente fazem sentido no início da jornada.
Não. Ele é estruturado exatamente para quem está:
- na faculdade
- buscando estágio
- em transição de carreira
Você começa pelos algoritmos que realmente fazem sentido no início da jornada.
Não. Ele é estruturado exatamente para quem está:
- na faculdade
- buscando estágio
- em transição de carreira
Você começa pelos algoritmos que realmente fazem sentido no início da jornada.
5. E se eu já sou da área, vale a pena?
5. E se eu já sou da área, vale a pena?
5. E se eu já sou da área, vale a pena?
Sim. Muitos profissionais usam modelos sem entender profundamente como funcionam. Se você quer parar de depender de caixa-preta e ganhar segurança técnica, o método vai elevar seu nível.
Sim. Muitos profissionais usam modelos sem entender profundamente como funcionam. Se você quer parar de depender de caixa-preta e ganhar segurança técnica, o método vai elevar seu nível.
Sim. Muitos profissionais usam modelos sem entender profundamente como funcionam. Se você quer parar de depender de caixa-preta e ganhar segurança técnica, o método vai elevar seu nível.
6. O curso é teórico demais?
6. O curso é teórico demais?
6. O curso é teórico demais?
Não. O curso foi construído com base no método IA Profissional,todos os algoritmos passam pelas seguintes etapas:
- Modelo matemático
- Implementação do algoritmo
- Aplicação no mundo real
Teoria sem prática não gera autonomia.
Prática sem teoria gera insegurança.
Aqui você tem os dois.
Não. O curso foi construído com base no método IA Profissional,todos os algoritmos passam pelas seguintes etapas:
- Modelo matemático
- Implementação do algoritmo
- Aplicação no mundo real
Teoria sem prática não gera autonomia.
Prática sem teoria gera insegurança.
Aqui você tem os dois.
Não. O curso foi construído com base no método IA Profissional,todos os algoritmos passam pelas seguintes etapas:
- Modelo matemático
- Implementação do algoritmo
- Aplicação no mundo real
Teoria sem prática não gera autonomia.
Prática sem teoria gera insegurança.
Aqui você tem os dois.
7. Eu já fiz curso de Machine Learning. Esse é diferente em quê?
7. Eu já fiz curso de Machine Learning. Esse é diferente em quê?
7. Eu já fiz curso de Machine Learning. Esse é diferente em quê?
A maioria dos cursos ensina a usar bibliotecas.
O Modela IA ensina a entender o algoritmo antes da biblioteca, ou seja, você ganha habilidade de resolver problemas porque terá uma base sólida para entender algoritmos. Aqui você verá modelos sob a ótica computacional do modelo ao código.
A maioria dos cursos ensina a usar bibliotecas.
O Modela IA ensina a entender o algoritmo antes da biblioteca, ou seja, você ganha habilidade de resolver problemas porque terá uma base sólida para entender algoritmos. Aqui você verá modelos sob a ótica computacional do modelo ao código.
A maioria dos cursos ensina a usar bibliotecas.
O Modela IA ensina a entender o algoritmo antes da biblioteca, ou seja, você ganha habilidade de resolver problemas porque terá uma base sólida para entender algoritmos. Aqui você verá modelos sob a ótica computacional do modelo ao código.
Copyright © 2026 | Todos os direitos reservados.
Algoritmos Academy LTDA.
Copyright © 2026 | Todos os direitos reservados.
Algoritmos Academy LTDA.
Copyright © 2026 | Todos os direitos reservados.
Algoritmos Academy LTDA.
