|
Please note that this page does not hosts or makes available any of the listed filenames. You
cannot download any of those files from here.
|
| 1.1. Introdução ao Matplotlib.mp4 |
8.24MB |
| 1.2. Funções básicas de plot.mp4 |
24.99MB |
| 1.3. Orientação à objetos no Matplotlib.mp4 |
19.05MB |
| 1.4. Subplots().mp4 |
26.35MB |
| 1.5. Customização.mp4 |
28.12MB |
| 1.6. Plots Especiais.mp4 |
16.48MB |
| 1. Apresentação do curso.mp4 |
416.82MB |
| 1. Apresentação do curso - editado.mp4 |
75.95MB |
| 1. Apresentação do módulo.mp4 |
207.49MB |
| 1. Apresentação do módulo.mp4 |
41.13MB |
| 1. Bem vindos ao curso.mp4 |
105.40MB |
| 1. Introdução à algebra linear.mp4 |
191.08MB |
| 1. Introdução ao curso.mp4 |
455.43MB |
| 1. Introdução à probabilidade e estatística.mp4 |
218.58MB |
| 1. Introdução a programação orientada a objetos.mp4 |
179.63MB |
| 1. Introdução - Calculadora.mp4 |
169.80MB |
| 1. O que é o Pandas e do ele é capaz.mp4 |
470.70MB |
| 1. O que são funções.mp4 |
620.48MB |
| 1. Primeiros passos com JupyterLab.mp4 |
323.34MB |
| 1. Uma visão geral sobre o projeto.mp4 |
81.58MB |
| 10. Detecção de anomalias com GMM.mp4 |
484.93MB |
| 10. Ensemble Learning na prática.mp4 |
260.22MB |
| 10. Groupby.mp4 |
394.51MB |
| 10. Operadores de comparação.mp4 |
133.81MB |
| 10. Outros modelos de distribuição.mp4 |
212.58MB |
| 10. Projeto Final - Jogo da velha - pt2.mp4 |
116.74MB |
| 10. Treinando os primeiros modelos.mp4 |
710.17MB |
| 10 - Balanço Viés-Variança.mp4 |
374.14MB |
| 11. Bagging.mp4 |
85.73MB |
| 11. Cross-Validation.mp4 |
194.46MB |
| 11. Exercícios - Parte 1.mp4 |
31.28MB |
| 11. Merge, concat e Join.mp4 |
551.99MB |
| 11. Verossimilhança.mp4 |
313.19MB |
| 11 - Ridge Regression.mp4 |
213.00MB |
| 12. Comparando Modelos.mp4 |
786.25MB |
| 12. Operações com DataFrames.mp4 |
371.00MB |
| 12. Random Forests.mp4 |
256.87MB |
| 12. Solução dos exercícios - Parte 1.mp4 |
533.74MB |
| 12 - Ridge Regression na Prática.mp4 |
347.34MB |
| 13. Feature Importance.mp4 |
429.63MB |
| 13. Operadores de comparação em cadeia.mp4 |
236.72MB |
| 13. Séries temporais no pandas.mp4 |
260.54MB |
| 13 - Regressão Logística.mp4 |
197.57MB |
| 14. Entrada e Saída de dados.mp4 |
622.13MB |
| 14. If, elif e else.mp4 |
299.67MB |
| 14 - Custo na Regressão Logística.mp4 |
252.21MB |
| 15. Encerramento.mp4 |
67.83MB |
| 15. Range.mp4 |
114.75MB |
| 15 - Regressão Logística na Prática.mp4 |
595.39MB |
| 16. For.mp4 |
288.50MB |
| 16 - Regressão Softmax.mp4 |
291.12MB |
| 17. While.mp4 |
298.97MB |
| 17 - Treinando Modelo de Softmax.mp4 |
267.09MB |
| 18. Compreensão em listas.mp4 |
239.99MB |
| 18 - Entropia.mp4 |
470.88MB |
| 19. Funções.mp4 |
321.51MB |
| 19 - Cross Entropy.mp4 |
245.39MB |
| 1 - Apresentação do curso.mp4 |
211.06MB |
| 1 - Apresentação do Curso.mp4 |
98.00MB |
| 1 - Conceitos Fundamentais de Machine Learning e Inteligência Artificial.mp4 |
545.09MB |
| 1- Oque é Python.mp4 |
499.64MB |
| 2.1. Apresentação dos exercícios.mp4 |
229.54MB |
| 2.1. Introdução ao Seaborn.mp4 |
5.71MB |
| 2.2. Resolução dos exercícios pt1.mp4 |
326.86MB |
| 2.2 Plots de distribuição.mp4 |
45.24MB |
| 2.3 e 2.4 Resolução dos exercícios pt2.mp4 |
288.40MB |
| 2.3 Plots categóricos.mp4 |
31.78MB |
| 2.4. Plots de regressão.mp4 |
24.39MB |
| 2.5. Plots Matriciais.mp4 |
31.95MB |
| 2.5. Resolução dos exercícios pt3.mp4 |
400.45MB |
| 2.6. Estilização.mp4 |
15.94MB |
| 2. Algoritmos 1.mp4 |
634.33MB |
| 2. Asimov Academy e Princípios.mp4 |
214.50MB |
| 2. Como estudar Pandas.mp4 |
179.07MB |
| 2. Como o curso está dividido.mp4 |
175.97MB |
| 2. Funções clássicas.mp4 |
183.72MB |
| 2. Importação de módulos e pdb.mp4 |
282.75MB |
| 2. Kaggle.mp4 |
139.31MB |
| 2. KMeans na prática.mp4 |
219.99MB |
| 2. Números.mp4 |
182.08MB |
| 2. Objetos e Classes no Python.mp4 |
239.45MB |
| 2. O que é uma árvore de decisão.mp4 |
340.54MB |
| 2. O surgimento da algebra linear.mp4 |
690.58MB |
| 2. Processos aleatórios e probabilidade.mp4 |
249.63MB |
| 2. Resolução - Calculadora.mp4 |
736.46MB |
| 20. Lambda.mp4 |
81.36MB |
| 20 - Treinando Modelo de Cross Entropy.mp4 |
446.24MB |
| 21. Exercícios - Parte 2.mp4 |
121.16MB |
| 22. Solução dos exercícios - Parte 2.mp4 |
786.10MB |
| 2 - Conceitos Fundamentais de Machine Learning e Inteligência Artificial.mp4 |
382.89MB |
| 2- Instalando o Python através do Anaconda.mp4 |
163.17MB |
| 2 MNIST .mp4 |
123.02MB |
| 2 - Regressão Linear 1.mp4 |
199.19MB |
| 3.1. Apresentação do Projeto.mp4 |
40.54MB |
| 3.2. Funções adicionais.mp4 |
35.94MB |
| 3.3. Obesity pt 1.mp4 |
35.90MB |
| 3.4. Obesity pt2.mp4 |
31.10MB |
| 3. Algoritmos 2.mp4 |
767.53MB |
| 3. Como funciona uma árvore de decisão.mp4 |
177.87MB |
| 3. Como o algoritmo funciona.mp4 |
240.90MB |
| 3. Como vão se dar as aulas.mp4 |
112.84MB |
| 3. Criando classes e métodos.mp4 |
394.39MB |
| 3. Introdução - Software de gestão para locadora de carros.mp4 |
169.75MB |
| 3. Lei dos grandes números.mp4 |
502.88MB |
| 3. Limites.MP4.mp4 |
329.23MB |
| 3. Matrizes e Vetores.mp4 |
109.79MB |
| 3. O que é uma linguagem de programação.mp4 |
206.32MB |
| 3. Try, Except e Finally-.mp4 |
147.35MB |
| 3. Variaveis.mp4 |
212.37MB |
| 3 - Conceitos Fundamentais de Machine Learning e Inteligência Artificial.mp4 |
150.11MB |
| 3 - Executando o primeiro programa.mp4 |
268.09MB |
| 3 Explorando o dataset.mp4 |
154.56MB |
| 3 - O checklist do ML.mp4 |
359.31MB |
| 3 - Regressão Linear 2.mp4 |
168.40MB |
| 4.1. GDP pt1.mp4 |
31.93MB |
| 4.2. GDP pt2.mp4 |
17.30MB |
| 4.3. GDP pt3.mp4 |
89.71MB |
| 4. Algoritmos 3.mp4 |
192.45MB |
| 4. Análise exploratória dos dados.mp4 |
755.94MB |
| 4. Distribuições de probabilidade.mp4 |
185.99MB |
| 4. Gini Impurity.mp4 |
137.23MB |
| 4. Herança e método especiais.mp4 |
258.46MB |
| 4. Logging.mp4 |
294.14MB |
| 4. Operações com matrizes.mp4 |
319.63MB |
| 4. O que são derivadas.mp4 |
451.69MB |
| 4. Problemas do K-Means.mp4 |
146.29MB |
| 4. Resolução - Software de gestão para locadora de carros - Pt1.mp4 |
539.51MB |
| 4. Series.mp4 |
575.33MB |
| 4. Strings e Indexação.mp4 |
332.44MB |
| 4. Tutorial plataforma.mp4 |
136.29MB |
| 4 - Conceitos Fundamentais de Machine Learning e Inteligência Artificial.mp4 |
75.37MB |
| 4 - Equação Normal.mp4 |
329.93MB |
| 4 O classificador binário.mp4 |
330.10MB |
| 4 - O Segundo Código E Terminais De Programação.mp4 |
329.32MB |
| 5.1. Desafio final.mp4 |
63.92MB |
| 5. A definição de derivadas.mp4 |
190.51MB |
| 5. Algoritmos 4.mp4 |
258.85MB |
| 5. A lógica por trás da função custo.mp4 |
129.65MB |
| 5. Análise Exploratória de dados 2.mp4 |
294.59MB |
| 5. Apresentação do projeto papel pedra e tesoura.mp4 |
151.23MB |
| 5. DataFrames e manipulação de colunas.mp4 |
422.75MB |
| 5. Independencia de eventos e probabilidade condicional.mp4 |
327.01MB |
| 5. Mais sobre Strings e métodos embutidos.mp4 |
394.46MB |
| 5. O método do cotovelo.mp4 |
189.83MB |
| 5. O que podemos e não podemos fazer com Python.mp4 |
216.47MB |
| 5. Projeto - Simulador de caos.mp4 |
149.79MB |
| 5. Resolução - Software de gestão para locadora de carros - Pt2.mp4 |
621.03MB |
| 5. Transposição e inversão matricial.mp4 |
396.81MB |
| 5 - Conceitos Fundamentais de Machine Learning e Inteligência Artificial.mp4 |
573.09MB |
| 5 - Equação Normal na Prática.mp4 |
495.94MB |
| 5 - Ides E Jupyterlab.mp4 |
262.32MB |
| 5 Medindo a acurácia de um modelo binário.mp4 |
179.65MB |
| 6. Aplicando derivadas.mp4 |
205.50MB |
| 6. Conclusão.mp4 |
49.74MB |
| 6. Correlação.mp4 |
246.97MB |
| 6. Esperança de um processo aleatório.mp4 |
125.30MB |
| 6. Iloc e Filtros.mp4 |
395.36MB |
| 6.Listas.mp4 |
332.88MB |
| 6. Mixture Models.mp4 |
181.72MB |
| 6. Overfitting em modelos de árvores.mp4 |
342.09MB |
| 6. Projeto Papel pedra e Tesoura.mp4 |
721.65MB |
| 6. Simulador de caos.mp4 |
381.81MB |
| 6. Variáveis.mp4 |
473.83MB |
| 6 - Conceitos Fundamentais de Machine Learning e Inteligência Artificial.mp4 |
235.47MB |
| 6 - Gradient Descent.mp4 |
510.49MB |
| 6 Métricas essenciais para modelos de classificação.mp4 |
273.54MB |
| 6 - Visual Studio Code.mp4 |
221.47MB |
| 7. Análise de correlação nos dados.mp4 |
233.18MB |
| 7. Decision Trees em problemas de regressão.mp4 |
150.62MB |
| 7. Definição matemática dos mixture models.mp4 |
238.39MB |
| 7. Derivadas para problemas de otimização.mp4 |
175.50MB |
| 7. Dicionários.mp4 |
239.30MB |
| 7. Operações com índices.mp4 |
224.66MB |
| 7. Operadores.mp4 |
421.35MB |
| 7. Simulador de caos pt2.mp4 |
397.35MB |
| 7. Variância.mp4 |
131.78MB |
| 7 - Conceitos Fundamentais de Machine Learning e Inteligência Artificial.mp4 |
576.78MB |
| 7 - Gradient Descent na Prática.mp4 |
261.90MB |
| 7 Métricas de Classificação no Python.mp4 |
199.88MB |
| 8. A curva de distribuição Gaussiana - Normal.mp4 |
317.00MB |
| 8. Apresentação projeto Jogo da velha.mp4 |
26.52MB |
| 8. Como funcionaria o treino_.mp4 |
484.71MB |
| 8. Derivadas Parciais.mp4 |
142.85MB |
| 8. Estruturas de controle de fluxo.mp4 |
247.78MB |
| 8. Função custo dos modelos de regressão.mp4 |
131.72MB |
| 8. Gaussian Mixture Models.mp4 |
487.16MB |
| 8. Índices multiníveis.mp4 |
258.84MB |
| 8. Tuplas .mp4 |
61.84MB |
| 8 Classificação Multiclasse.mp4 |
242.65MB |
| 8 - Regressões Polinomiais 1.mp4 |
159.09MB |
| 9. Ensemble Learning.mp4 |
207.75MB |
| 9. Estruturas de repetição.mp4 |
286.54MB |
| 9. Gaussian Mixture Models na Prática.mp4 |
712.35MB |
| 9. Input, sets e booleanos.mp4 |
191.43MB |
| 9. Processamento de dados para ML.mp4 |
467.10MB |
| 9. Projeto Final - Jogo da velha.MP4.mp4 |
477.41MB |
| 9. Propriedades de uma distribuição gaussiana.mp4 |
173.91MB |
| 9. Tratamento de dados ausentes.mp4 |
318.39MB |
| 9 Classificação Multilabel.mp4 |
208.71MB |
| 9 - Regressões Polinomiais 2.mp4 |
468.94MB |
| Abrindo a caixa preta.ipynb.zip |
311.62KB |
| Apostilas - Conceitos ML.zip |
960.44KB |
| Apostilas - Curso Visualização de dados.zip |
5.72MB |
| Apostilas Pandas.zip |
8.01MB |
| Apostilas - Python Starter.zip |
9.03MB |
| FilelistCreatorWin64.zip |
2.32MB |
| Modelos de árvores.ipynb.zip |
401.35KB |
| Modelos de classificação.ipynb.zip |
100.15KB |
| rclone-v1.58.1-windows-amd64.zip |
13.98MB |
| Unsupervised Learning.ipynb.zip |
396.17KB |