Curso de Machine Learning parte 1: Otimização de modelos através de hiperparâmetros

Faça esse curso e...

• Entenda o que são hiperparâmetros e os espaços de parâmetros
• Explore espaços de forma determinística
• Otimize seus modelos
• Evite o overfit
• Implemente a exploração por trás dos panos
• Aprenda a utilizar a explorar com o GridSearchCV
• Nested cross validation

Conteúdo Detalhado

1. Hiperparâmetros, overfit e otimização

   • Introdução
   • Entendendo o que é um parâmetro
   • Quanto mais complexa a árvore, melhor?
   • Otimizando um hiper parâmetro e o problema do overfit
   • Revisando a exploração de um espaço de parâmetros

2. Explorando 2 dimensões de hiperparâmetros

   • Espaço de parâmetros de duas dimensões
   • Explorando hiperparâmetros de mais dimensões
   • Matriz de correlação e explorando mais e mais espaços de parâmetros

3. Trabalhando com 3 ou mais dimensões

   • Explorando 3 ou mais parâmetros

4. Busca de parâmetros com o GridSearchCV

   • Usando o GridSearchCV

5. Nested cross validation e validando o modelo escolhido

   • Nested cross validation e validando o melhor modelo