Considerações finais

Projetando Workflows de Machine Learning em Python

Dr. Chris Anagnostopoulos

Honorary Associate Professor

Considerações finais

  • Revisão de pipelines de aprendizado supervisionado:
    • engenharia de atributos
    • ajuste do modelo
    • seleção de modelo
  • Riscos de overfitting
  • Fusão de dados
  • Rótulos ruidosos e heurísticas
  • Funções de loss
    • custos de falsos positivos vs. custos de falsos negativos
Projetando Workflows de Machine Learning em Python

Considerações finais

  • Aprendizado não supervisionado:
    • detecção de anomalias
    • detecção de novidade
    • métricas de distância
    • dados não estruturados
  • Casos de uso reais:
    • cibersegurança
    • saúde
    • banco de varejo
Projetando Workflows de Machine Learning em Python

Parabéns!

Projetando Workflows de Machine Learning em Python

Preparing Video For Download...