formação_

Formação Machine Learning para Negócios Digitais

Aprenda a resolver problemas reais com Machine Learning!

Esta formação faz parte dos nossos cursos de Data Science

85h

Para conclusão

Cursos

Vídeos extras

Podcasts

Assista o vídeo

veja nossa apresentação da Formação e uma Alura Live sobre a Carreira em Front-end

Machine Learning para Negócios Digitais

Caso você já tenha feito a formação de Machine Learning ou Machine Learning Avançada, já sabe que nós, como seres humanos somos capazes de aprender como detectar diversos tipos de padrões. E que machine learning é uma sub-área da inteligência artificial que estuda o reconhecimento de padrões através dos dados.

Essa sub-área da Inteligência Artificial está cada vez mais em evidência, devido à sua capacidade de resolver problemas complexos. A dúvida que fica é como podemos resolver esses problemas com Machine Learning.

Essa formação tem justamente o objetivo de mostrar como podemos resolver problemas de diversas áreas com Machine Learning. Alguns exemplos são, a detecção de fraude em transações financeiras, a recomendação de produtos em um e-commerce e a segmentação de clientes para campanhas de marketing, vamos estudar possíveis soluções para todos estes problemas.

Além de discutir como solucionar problemas reais com Machine Learning, construiremos uma API para modelos de machine learning, realizaremos o famoso deploy e discutiremos sobre integração contínua e entrega contínua (CI/CD), abrindo as portas para o novo mundo do MLOps.

Então prepare seus equipamentos de mergulho que está na hora de submergir mais fundo neste mar de conhecimento, vamos lá!

Por que estudar esta formação?

Guia de aprendizado
Conteúdos pensados para facilitar seu estudo
Do básico ao avançado
Formação completa para o mercado
Você dentro do mercado
Do zero ao sonhado emprego em sua área de interesse

Comece essa formação agora mesmo e capacite-se para seu próximo projeto!

Conheça os planos

Professores especializados Data Science

Com quem você vai aprender

Júlio Oliveira
Júlio é engenheiro especializado em Big Data Analytics. Atuou na indústria, marketing e mercado financeiro, aplicando tecnologia em combinação com soluções analíticas. Professor desde quando entendeu que aprende mais quem compartilha.
Júlio Oliveira
Júlio é engenheiro especializado em Big Data Analytics. Atuou na indústria, marketing e mercado financeiro, aplicando tecnologia em combinação com soluções analíticas. Professor desde quando entendeu que aprende mais quem compartilha.
Thiago G Santos
Um quase físico, apaixonado por dados e educação. Atuou durante alguns anos na área de Data Science na maior fabricante de eletrodomésticos do mundo e trabalhou em projetos de Processamento de Linguagem Natural para a Petrobrás. Atualmente dedica-se à aplicação de machine learning na área da educação e na democratização do acesso ao ensino de Data Science no Brasil.
Thiago G Santos
Um quase físico, apaixonado por dados e educação. Atuou durante alguns anos na área de Data Science na maior fabricante de eletrodomésticos do mundo e trabalhou em projetos de Processamento de Linguagem Natural para a Petrobrás. Atualmente dedica-se à aplicação de machine learning na área da educação e na democratização do acesso ao ensino de Data Science no Brasil.
Guilherme Silveira
Co-fundador da Alura, da Caelum e do GUJ. Com 18 anos de ensino nas áreas de programação e dados, criou mais de 100 cursos. Possui formação em engenharia de software, viés matemático e criativo, além de ser medalhista de ouro em competições nacionais de computação, tendo representado o Brasil nos mundiais. Participante de comunidades open source e de educação em tecnologia, tendo escrito 7 livros. Faz mágica e fala coreano no tempo livre.
Guilherme Silveira
Co-fundador da Alura, da Caelum e do GUJ. Com 18 anos de ensino nas áreas de programação e dados, criou mais de 100 cursos. Possui formação em engenharia de software, viés matemático e criativo, além de ser medalhista de ouro em competições nacionais de computação, tendo representado o Brasil nos mundiais. Participante de comunidades open source e de educação em tecnologia, tendo escrito 7 livros. Faz mágica e fala coreano no tempo livre.
Sara Malvar
Engenheira, Sara fez parte do seu PhD na Universidade de Tóquio e parte na Universidade da Pensilvânia. Apaixonada por educação e ciência, também realizou seu pós-doutorado na Universidade de São Paulo com apoio da Shell no Research Center for Gas Innovation. Se apaixonou por por dados e IA quando trabalhava na IBM e atualmente também atua na Udacity como mentora e na Alura, Awari e Data Science Dojo como instrutora. Hoje, trabalha como Research Software Engineer na Microsoft Research.
Sara Malvar
Engenheira, Sara fez parte do seu PhD na Universidade de Tóquio e parte na Universidade da Pensilvânia. Apaixonada por educação e ciência, também realizou seu pós-doutorado na Universidade de São Paulo com apoio da Shell no Research Center for Gas Innovation. Se apaixonou por por dados e IA quando trabalhava na IBM e atualmente também atua na Udacity como mentora e na Alura, Awari e Data Science Dojo como instrutora. Hoje, trabalha como Research Software Engineer na Microsoft Research.
Sthefanie Monica Premebida
Engenheira Eletricista, pesquisadora na área de Redes Neurais e Machine Learning, instrutora de Data Science, apaixonada por esportes radicais, viajar e fazer qualquer trilha que apareça, cheerleader nas horas vagas e uma jogadora de RPG de mesa.
Sthefanie Monica Premebida
Engenheira Eletricista, pesquisadora na área de Redes Neurais e Machine Learning, instrutora de Data Science, apaixonada por esportes radicais, viajar e fazer qualquer trilha que apareça, cheerleader nas horas vagas e uma jogadora de RPG de mesa.

Passo a passo

1 Machine Learning, finanças e e-commerce
Vamos iniciar nosso mergulho resolvendo diversos problemas comuns, por exemplo, em uma plataforma de e-commerce!
Sistemas de recomendações são uma das aplicações mais importantes de machine learning para um e-commerce, aqui vamos construir um do zero!
Um sistema de tag, também pode ajudar com que seus usuários façam buscas mais eficientes e uma das diversas maneiras de fazer isso com processamento de linguagem natural, realizando uma classificação "multi-label" das descrições de cada produto.
E depois que seu cliente encontrou tudo que precisava, está na hora de fechar o carrinho de compras! Neste momento tão importante em um processo de compras não dá para bobear com as possíveis fraudes, por isso vamos aprender como os modelos de Machine Learning podem ajudar na detecção de fraude.
E aí vamos lá!
- Curso Machine Learning: intro a sistemas de recomendação em Python
  08h
- Alura+ Recomendação baseada em filtro colaborativo
- Curso Classificação multilabel de textos: múltiplos contextos em NLP
  10h
- Podcast Data Science, Engenharia, Design e Produto no Grupo Zap - Hipsters On The Road #08 - Hipsters Ponto TechHipsters Ponto Tech
- Curso Modelos preditivos em dados: detecção de fraude
  08h
2 Machine Learning e Marketing
No nosso primeiro mergulho focamos em resolver possíveis problemas na jornada de compras de um usuário de e-commerce, mas o machine learning vai além dos desafios internos de uma plataforma, ela é uma grande aliada para impulsionar o marketing de uma empresa!
Nesta parte da formação vamos descobrir como Machine Learning alinhado com as tecnologias em nuvem do Google podem ajudar a melhorar o marketing do seu negócio, um exemplo seria tornar suas campanhas mais personalizadas ao segmentar os clientes por características comuns através da Clusterização.
- Vídeo O que é Marketing Digital? #HipstersPontoTube - YouTube
- Curso Data Analytics: Machine Learning no Marketing Digital
  16h
- Curso Data Analytics: Machine Learning com Google Cloud Platform
  12h
- Podcast Pesquisa e Inovação na Globo - Hipsters On The Road #32 - Hipsters Ponto TechHipsters Ponto Tech
- Curso Clusterização de dados: segmentação de clientes
  08h
3 Machine Learning e Deploy de Modelos
Em cada mergulho aprendemos como podemos resolver alguns problemas reais aplicando Machine Learning, mas nada disso vai adiantar se seus modelos e soluções estiverem apenas em sua máquina, precisamos de alguma maneira conseguir tornar esses modelos acessíveis para outras aplicações.
Neste último módulo, vamos iniciar nossa jornada pelo o tal do MLOps, vamos construir nossa API de Machine Learning, realizar o deploy e discutindo como as boas práticas do DevOps podem ser incorporadas em sistemas de Machine Learning.
Então bora pegar um fôlego para o último mergulho desta formação!
- Podcast Machine Learning e o MLOps - Hipsters #171 - Hipsters Ponto TechHipsters Ponto Tech
- Curso MLOps: Machine Learning e APIs
  10h
- Curso MLOps: deploy de modelos
  08h