Antes de qualquer algoritmo de Machine Learning, é preciso entender o comportamento estatístico das variáveis que você vai alimentar nos modelos. Este módulo revisa os fundamentos da estatística descritiva — variabilidade, assimetria e curtose.

Assim como na análise estatística tradicional, a análise exploratória (EDA) é a etapa que antecede qualquer modelo de Machine Learning. Este módulo apresenta três pacotes de R que aceleram drasticamente essa exploração — SummaryTools, SmartEDA e DataExplorer — permitindo identificar rapidamente outliers, dados faltantes e relações entre variáveis antes de treinar qualquer algoritmo.

Muitos algoritmos de Machine Learning — de PCA a KMeans, de SVM a Regressão Logística — são sensíveis à escala e à distribuição das variáveis. Este módulo ensina as principais técnicas de transformação: logaritmo, raiz quadrada, Z-score e normalização, preparando as variáveis para os algoritmos das próximas etapas.

No dia a dia, bases de dados costumam ter dezenas ou centenas de variáveis correlacionadas entre si. O PCA (Análise de Componentes Principais) resolve esse problema, reduzindo a dimensionalidade dos dados sem perder informação relevante — uma técnica fundamental tanto para visualização quanto para alimentar outros algoritmos com menos ruído e menos multicolinearidade.

Este módulo ensina as duas grandes famílias de algoritmos de clusterização — o método hierárquico e o KMeans/KModes — aplicadas à segmentação de comportamento de consumo, um dos casos de uso mais valiosos de Machine Learning em marketing e negócios.

Este módulo marca a entrada da formação nos algoritmos preditivos supervisionados voltados a variáveis numéricas, aplicados a um problema clássico de operações: prever e reduzir custos.

Nem toda relação entre variáveis é linear. Este módulo apresenta o Random Forest, um algoritmo de ensemble baseado em árvores de decisão, aplicado à estimativa de um score de crédito contínuo — capaz de capturar relações não lineares e interações complexas entre variáveis financeiras e comportamentais do cliente.

Este módulo aplica o XGBoosting, um dos algoritmos de ensemble mais usados no mercado, a um problema de saúde: prever o tempo de internação hospitalar de um paciente a partir de variáveis clínicas e administrativas — uma informação crítica para o planejamento de leitos e recursos de um hospital.

Este módulo fecha o bloco de algoritmos de regressão com o SVR (Support Vector Regression), aplicado a um problema clássico de manutenção preditiva: estimar o tempo restante até a falha de um equipamento a partir de dados de sensores, uso e histórico de manutenção.

A tarefa mais comum em Machine Learning aplicado a negócios. Árvore de Decisão, aplicada a um problema clássico de negócio: prever se um cliente vai ou não cancelar (churn) o serviço.

Este módulo apresenta o KNN (K-Nearest Neighbors) aplicado a um problema de saúde: classificar o diagnóstico de um paciente com base em pacientes semelhantes já diagnosticados. Por depender diretamente da distância entre pontos, o KNN é um dos algoritmos mais sensíveis à escala das variáveis clínicas.

Random Forest algoritmo aplicado à predição de risco de doença cardiovascular a partir de variáveis clínicas como pressão arterial, colesterol e histórico familiar.

SVM (Support Vector Machine), aplicado a um dos problemas mais estudados em Machine Learning : classificar células como benignas ou malignas a partir de características extraídas de exames — uma tarefa em que a margem de separação entre classes é crítica.

Este módulo introduz uma família diferente de algoritmos de Machine Learning: sistemas de recomendação, usados por praticamente todo grande varejista e plataforma digital para sugerir produtos com base em padrões de compra. Você vai aprender o Algoritmo Apriori, técnica clássica por trás da "cesta inteligente" de recomendação, que identifica regras de associação entre produtos.