Neste módulo, vamos mostrar como melhorar a qualidade dos dados e como fazer uma análise exploratória deles. Vamos analisar a importância da organização dos dados no machine learning e mostrar como isso afeta a qualidade dos dados. Por exemplo, a falta de valores pode distorcer os resultados. Você também vai aprender a importância da exploração dos dados. Assim que os dados estiverem organizados, você vai fazer a análise exploratória no conjunto de dados.

Neste módulo, vamos apresentar alguns dos principais tipos de machine learning para que você acelere seu crescimento como profissional de ML.

Neste módulo, vamos apresentar o treinamento de modelos do AutoML usando a Vertex AI.

Neste módulo, vamos apresentar o BigQuery ML e os recursos dessa ferramenta.

Neste módulo, vamos mostrar como otimizar os modelos de ML.

Agora é hora de responder a uma pergunta bem peculiar: em que momento o modelo de ML mais preciso pode não ser a escolha certa? Como sugerimos no último módulo sobre otimização, o fato de um modelo ter uma métrica de perda igual a 0 no seu conjunto de dados de treinamento não significa que ele vai ter um bom desempenho em dados novos no mundo real. Você vai aprender a criar conjuntos de dados repetíveis de treinamento, avaliação e teste e a estabelecer comparativos de mercado de desempenho.

Este módulo é um resumo do curso Launching into Machine Learning