Descrição
Exploração e visualização de dados tabulares (pandas, matplotlib), noções básicas de ajuste de dados (scikit-learn), k-vizinhos mais próximos, regressão linear, árvores de decisão, pré-processamento de dados, métricas de avaliação de modelos, overfitting vs underfitting, viés/variância, validação cruzada, introdução a redes neurais, ajuste de hiperparâmetros, seleção de características, importância das características.
Pré-requisitos
- Pré-requisito(s): matrícula no programa M.Eng. - Software Engineering Practice.
Condições e modalidades
- Pré-requisito(s): matrícula no programa M.Eng. - Software Engineering Practice.
Texto de referência na sua língua de origem
Tabular data exploration and visualization (pandas, matplotlib), data-fitting basics (scikit-learn), k-nearest neighbours, linear regression, decision trees, data pre-processing, model evaluation metrics, overfitting vs underfitting, bias/variance, cross-validation, introduction to neural networks, hyperparameter tuning, feature selection, feature importance.
- Prerequisite(s): enrolment in the M.Eng.- Software Engineering Practice program.
Fontes e referências
As datas e as fontes são mantidas para ajudá-lo a verificar os dados. As traduções são propostas para facilitar a leitura; a fonte oficial é a referência para condições e exigências.
Fonte de referência : https://calendar.carleton.ca/grad/courses/EGEN/