Este repositório contém o conteúdo do curso de Machine Learning oferecido pela plataforma Alura, ministrado pelo instrutor João Vitor de Miranda. O curso aborda o processo completo de construção de modelos de classificação, incluindo análise exploratória, transformação de dados, treinamento de modelos e exportação de resultados.

• Leitura e inspeção inicial dos dados.
• Exploração de variáveis categóricas e numéricas.
• Identificação e tratamento de dados inconsistentes.

• Separação entre variáveis explicativas e variável alvo.
• Transformação de variáveis categóricas com One Hot Encoding.
• Normalização e transformação dos dados para preparar os modelos.

• Divisão do dataset em treino e teste.
• Construção de um modelo de base.
• Implementação e ajuste de uma Árvore de Decisão.
• Discussão sobre Overfitting e Underfitting.

• Implementação de K-Nearest Neighbors (KNN).
• Comparação de diferentes algoritmos e métricas de avaliação.
• Exportação do modelo treinado utilizando a biblioteca Pickle.

• Análise exploratória: Técnicas para investigar e entender os dados.
• Transformação de variáveis: Pré-processamento de variáveis categóricas e numéricas.
• Treinamento de modelos: Construção e ajuste de modelos de classificação.
• Validação: Divisão de dados em treino e teste para avaliar o desempenho dos modelos.
• Exportação de modelos: Armazenamento de modelos utilizando a biblioteca Pickle para uso futuro.

• Python: Linguagem principal utilizada para a implementação dos algoritmos.
• Pandas: Biblioteca para manipulação e análise de dados.
• Scikit-Learn: Biblioteca para a construção e avaliação dos modelos de machine learning.
• Pickle: Biblioteca para salvar e carregar modelos treinados.

O curso oferece uma abordagem prática e teórica sobre machine learning, com foco em modelos de classificação. É uma excelente introdução ao uso de bibliotecas como Scikit-Learn e Pickle para a construção de pipelines de machine learning.

Instrutor: João Vitor de Miranda
Plataforma: Alura