LabEx
Junte-se

Laboratórios Práticos de Machine Learning

Este curso contém diversos laboratórios para Machine Learning. Cada laboratório é um pequeno projeto de Machine Learning com orientação e soluções detalhadas. Você pode praticar suas habilidades em Machine Learning completando estes laboratórios, aprimorar suas habilidades de codificação e aprender a escrever código limpo e eficiente.

PythonCiência de Dados

💡 Este tutorial foi traduzido do inglês com assistência de IA. Para ver o original, você pode mudar para a versão em inglês

Programa

Ajustando para o Acaso na Avaliação de Desempenho de Agrupamento

Calibração de Probabilidades de Classificadores

Gráfico de Interpretação Causal

Conjunto de Cadeias de Classificadores

Segmentação de Moedas Gregas com Agrupamento Espectral

Transformador de Colunas Scikit-Learn

Comparação de Aprendizagem de Variedades

Técnicas de Validação Cruzada com Scikit-Learn

Comparando Estratégias de Redução de Dimensionalidade

Modelo de Mistura Gaussiana

Estimativa de Densidade com Modelos de Mistura Gaussiana

Modelo de Mistura Gaussiana para Curva Senoidal Ruidosa

Intervalos de Previsão para Regressão Boosting Gradiente

Regressão por Gradient Boosting

Desruído de Imagens Usando Aprendizado de Dicionário

Agrupamento Indutivo com Scikit-Learn

Classificação Binária de Flores Iris Usando SVM

Agrupamento K-Means++ com Scikit-Learn

Aprendizado Semi-Supervisionado com Propagação de Rótulos

Caminho Lasso com Scikit-Learn

Vetores de Suporte LinearSVC

Compreendendo a Complexidade do Modelo

Completamento de Rostos com Estimadores de Saída Múltipla

Redução de Dimensionalidade com Análise de Componentes de Vizinhança

Exemplo de Regressão Linear com Esparsidade

Variância entre Regressão Linear Ordinária e Regressão Ridge

SVM de Uma Classe para Detecção de Novidades

Plotagem Avançada com Dependência Parcial

Análise de Componentes Principais no Conjunto de Dados Iris

Gráfico de Importância por Permutação

Importância por Permutação em Dados de Câncer de Mama

Interpolação Polinomial e por Splines

Latência de Previsão com Estimadores Scikit-Learn

Estimação Robusta de Modelos Lineares

Ajuste de Parâmetros de SVM com Kernel RBF

Regressão de Vizinhos Mais Próximos

Exemplo de Regressão Ridge com Scikit-Learn

Comparação de Funções de Perda Convexas

Plotagem da Função de Decisão de Conjuntos de Dados Ponderados

Combinar Preditores Usando Stacking

Visualizando a Estrutura do Mercado de Ações

Classificação de Dados com Kernel SVM

Explorando Parâmetros de SVM Linear

Classificação SVM Não-Linear

Visualize Dados de Alta Dimensionalidade com t-SNE

Comparando Diferentes Codificadores Categóricos

Máquinas de Vetores de Suporte com Amostras Ponderadas

Detecção de Novidades e Valores Discrepantes com Scikit-Learn

Redução de Dimensionalidade por Projeção Aleatória

Ajuste de Curvas com Regressão de Ridge Bayesiana

Classificação de Vizinhos Mais Próximos

Explorando o Algoritmo K-Means Clustering com Python

Comparar Métodos de Decomposição Cruzada

Plotar Prior de Concentração

Classificação SVM com Kernel Personalizado

Validação Cruzada em Conjunto de Dados de Dígitos

Aglomeração de Características para Dados de Alta Dimensionalidade

Agrupamento Hierárquico em Conjunto de Dados de Dígitos

Comparação de Teste F e Informação Mútua

Quantização Vetorial com KBinsDiscretizer

Decomposição de Dados de Rostos Olivetti

Classificação de Processo Gaussiano no Conjunto de Dados Iris

Classificação por Processo Gaussiano

Classificação de Processo Gaussiano em Conjunto de Dados XOR

Modelagem Preditiva Não Linear Usando Processo Gaussiano

Ajustar Modelo de Regressão por Processo Gaussiano

Regressão por Processo Gaussiano: Kernels

Parada Antecipada em Boosting de Gradiente

Separação de Fontes Cegas

Análise de Componentes Independentes com FastICA e PCA

Classificação de Flores Iris com Scikit-learn

Classificador SVM no Conjunto de Dados Iris

Estimação de Densidade por Núcleo 1D Simples

Aprendizado Ativo com Propagação de Rótulos

Lasso e Rede Elástica

Algoritmos de Classificação por Análise Discriminante

Agrupamento Hierárquico com Scikit-Learn

Fator Local de Desvio para Detecção de Novidades

Detecção de Outliers com LOF

Modelo de Regressão Logística

Caminho de Regularização da Regressão Logística L1

Comparação de Estimadores de Covariância

Estimação Robusta de Covariância e Distâncias de Mahalanobis: Relevância

Aprendizado de Variedades em Dados Esféricos

Seleção Conjunta de Características com Lasso Multitarefa

Exemplo de Regressão Linear

Algoritmo de Agrupamento OPTICS

Análise de Componentes Principais

Plotagem de Conjuntos de Dados de Classificação Aleatórios

Geração de Conjuntos de Dados Multirótulo com Scikit-Learn

Estimação Robusta de Covariância em Python

Aplicando Técnicas de Regularização com SGD

Codificação Esparsa com Dicionário Pré-Computado

Regressão Vetorial de Suporte

Redução de Dimensionalidade em Dados Swiss Roll e Swiss-Hole

Regressão Theil-Sen com Python Scikit-Learn

Reconstrução de Imagem por Sensoriamento Compressivo

Regressão por Árvore de Decisão

Regressão Multi-Saída com Árvores de Decisão

GUI Libsvm do Scikit-Learn

Classificação de Páginas da Wikipédia com SVD Aleatorizado

Regressão Isotônica para Dados Não Lineares

Modelos de Redes Neurais

Modelos de Mistura Gaussiana

Aprendizado de Variedades com Scikit-Learn

Biclustering em Scikit-Learn

Decomposição de Sinais em Componentes

Estimação da Matriz de Covariância com Scikit-Learn

Estimação de Densidade Usando Densidade Kernel

Validação Cruzada em Machine Learning com Python

Extração de Características com Scikit-Learn

Imputação de Valores Ausentes

Técnicas de Aproximação de Kernel no Scikit-Learn

Métricas e Núcleos de Pares no Scikit-Learn

Transformando o Alvo de Predição

Regressão de Árvore de Decisão Boostada

Agrupamento por Propagação de Afinidade

Plotar Agrupamento Hierárquico

Métricas de Agrupamento Hierárquico Agglomerativo

Dendrograma de Agrupamento Hierárquico

Escalonamento e Transformação de Dados

Decomposição Viés-Variância com Bagging

Comparando BIRCH e MiniBatchKMeans

Comparação de Desempenho entre K-Means Bisecting e K-Means Regular

Comparando Algoritmos de Clusterização

Segmentação de Imagem com Agrupamento Hierárquico

Matriz de Confusão com Scikit-Learn

Estimação de Covariância por Encolhimento

Validação Cruzada com Modelos Lineares

Plotar Patches de Rostos no Dicionário

Reconhecimento de Dígitos Manuscritos

Demonstrando Estratégias de KBinsDiscretizer

Pré-calcular Matriz Gram para ElasticNet

Estimação de Erro OOB de Floresta Aleatória

Importâncias de Pixels com Floresta Paralela de Árvores

Modelos de Mistura Gaussiana: Tipos de Covariância

Seleção de Modelo de Mistura Gaussiana

Previsões Probabilísticas com Classificação de Processos Gaussianos

Gráfico de Regressão por Processo Gaussiano (GPR) de CO2

Processos Gaussianos em Estruturas de Dados Discretas

Regularização de Gradient Boosting

Comparação entre FeatureHasher e DictVectorizer

Demonstração do Algoritmo de Agrupamento HDBSCAN

Gráfico Huber vs Ridge

Análise de Componentes Principais Incremental no Conjunto de Dados Iris

Classificador de Regressão Logística no Conjunto de Dados Iris

Aproximação Explícita do Mapa de Características para Kernels RBF

Avaliação Empírica da Inicialização do K-Means

Aprendizagem por Propagação de Rótulos

Regressão Lasso com Scikit-Learn

Regressão Logística Passo a Passo

Mapear Dados para uma Distribuição Normal

Visualização de Dados de Alta Dimensionalidade com MDS

Algoritmo de Agrupamento Mean-Shift

Restrições Monótonas em Gradient Boosting

Análise de Componentes de Vizinhança

Classificação por Centro Mais Próximo

Recuperação de Sinal Esparso com Perseguição Ortogonal de Correspondência

Gráfico PCA vs LDA

Agrupamento Espectral para Segmentação de Imagens

Classificadores Semi-Supervisionados no Conjunto de Dados Iris

SVM: Hiperplano de Separação de Margem Máxima

SVM para Classes Desequilibradas

Classificador SGD Multi-Classe Scikit-Learn

Plotar o Hiperplano Separador SGD

Estimação de Covariância Inversa Esparsa

Modelagem da Distribuição de Espécies

Estimação de Densidade Kernel de Distribuições de Espécies

Quebra de Empate em SVM

Modelo de Regressão Elastic-Net com Scikit-Learn

Algoritmos de Aprendizagem Semi-Supervisionada

Agrupamento Não Supervisionado com K-Means

Técnicas de Pré-processamento em Scikit-Learn

Quantização de Cores Usando K-Means

Gráfico Comparativo de Regressão por Processo Gaussiano e Regressão Kernel Ridge

Poda de Árvores de Decisão

Classificação de Dígitos usando Scikit-Learn

Análise do Conjunto de Dados de Dígitos

Discretização de Características Contínuas com KBinsDiscretizer

Comparação de Floresta Aleatória e Reforço de Gradiente Histograma

Traçar Floresta Iris

Métodos de Inicialização de Modelos de Mistura Gaussiana

Gráfico de Busca em Grade para Dígitos

Árvores de Decisão no Conjunto de Dados Iris

Detecção de Anomalias com Isolation Forest

Regressão Isotónica Não Paramétrica com Scikit-Learn

Explorando o Lema de Johnson-Lindenstrauss com Projeções Aleatórias

Análise de Componentes Principais com Kernel PCA

Gráfico de Regressão de Ridge com Kernel

Explorando as Suposições do Agrupamento K-Means

Análise de Agrupamento com o Método Silhouette

Regressão de Sinal Esparso com Modelos Baseados em L1

Análise Discriminante Linear para Classificação

Plotar Regressão Logística Multinomial e um-contra-todos

Comparando K-Means e MiniBatchKMeans

Scikit-Learn MLPClassifier: Estratégias de Aprendizagem Estocástica

Validação Cruzada Aninhada para Seleção de Modelo

Regressão de Mínimos Quadrados Não Negativos

Detecção de Valores Discrepantes em Dados de Vinho

Gráfico de Seleção de Modelo PCA vs. FA

Pontuação de Teste de Permutação para Classificação

Regressão de Quantis com Scikit-Learn

Plotar Regressão Multi-Output com Floresta Aleatória

Otimização de Hiperparâmetros: Busca Aleatória vs. Busca em Grade

Eliminação Recursiva de Características

Regressão Ridge para Modelagem Linear

ROC com Validação Cruzada

Seleção de Características Baseada em Modelo e Sequencial

Comparando Solucionadores Online para Classificação de Dígitos Manuscritos

Algoritmo de Biclustering Espectral

Algoritmo de Co-Clustering Espectral

Comparação entre Busca em Grade e Halving Sucessivo

Escalonamento do Parâmetro de Regularização para Máquinas de Vetores de Suporte (SVM)

Extração de Tópicos com Fatoração de Matrizes Não-Negativas (NMF) e Alocação de Dirichlet Latente (LDA)

Análise de Árvore de Decisão

Plotando Curvas de Validação

Revelando a Estrutura do Conjunto de Dados Iris através da Análise Fatorial

Probabilidades de Classe com VotingClassifier

Previsão de Diabetes Usando Regressor de Votação

Agrupamento Hierárquico com Restrições de Conectividade

Ajustando Hiperparâmetros de um Estimator

Curvas de Validação: Plotando Pontuações para Avaliar Modelos

Gráficos de Dependência Parcial e Expectativa Condicional Individual

Importância de Permutação de Características

AdaBoost Discreto vs. Real: Comparação de Desempenho

Árvores de Decisão AdaBoostadas Multi-Classe

Classificação de Stump de Decisão com AdaBoost

Comparando Regressores Bayesianos Lineares

Biclustering de Documentos Usando o Algoritmo de Co-Clustering Espectral

Cache de Vizinhos Mais Próximos

Calibração de Probabilidade para Classificação de 3 Classes

Plotagem da Probabilidade de Classificação

Visualização de Previsões com Validação Cruzada

Algoritmo de Agrupamento DBSCAN

Desruído de Imagens com PCA de Kernel

Estimativa de Densidade Kernel

Importância de Características com Floresta Aleatória

Estimativas Fora da Amostra em Reforço Gradiente

Seleção de Modelo Lasso

Seleção de Modelo para Regressão Lasso

Plotagem de Curvas de Aprendizagem

Classificar Dígitos Manuscritos com o Classificador MLP

Otimização de Hiperparâmetros de Modelos com GridSearchCV

Classificação de Texto Usando Aprendizado Fora da Memória

Transformação de Recursos por Hashing

Eliminação Recursiva de Recursos com Validação Cruzada

Ajustamento Robusto de Estimadores Lineares

Parada Antecipada do Gradiente Descendente Estocástico

Plotar Sgdocsvm vs Ocsvm

Regressão Logística Esparsa Multi-classe

Iterações de Redução Sucessiva

Transformação de Dados Categóricos usando TargetEncoder

Subajuste e Sobreajuste

Exploração de Métodos de Conjunto com Scikit-Learn

Seleção de Características com Scikit-Learn

Avaliação da Qualidade de Modelos de Machine Learning

Plotar Digitos Pipeline

Estimadores e Pipelines Scikit-learn

Transformações de Recursos com Conjuntos de Árvores

Equilibrar a Complexidade do Modelo e a Pontuação Cruzada

Extração e Avaliação de Recursos Textuais

Agrupamento K-Means em Dígitos Manuscritos

Regularização de Perceptron Multicamadas

Classificação Multirótulo de Documentos

Plotar Classificação com NCA

Detecção de Valores Discrepantes com Algoritmos Scikit-Learn

Avaliação de ROC Multiclasses com Scikit-Learn

API de Visualização do Scikit-learn

Aproximação de Kernel Polinomial com Scikit-Learn

Efeito de Variação de Limiar no Auto-Treinamento

Regressão Logística Multinomial para MNIST

Classificação de Flores de Íris usando Classificador de Votação

Vizinhos Mais Próximos Aproximados em TSNE

Criando Visualizações com Objetos de Exibição

Reconhecimento Facial com Eigenfaces e SVMs

Seleção de Características Univariadas

Construindo Pipelines de Aprendizado de Máquina com Scikit-Learn

Concatenando Múltiplos Métodos de Extração de Características

Gradient Boosting com Recursos Categóricos

Razões de Verossimilhança de Classes para Medir o Desempenho de Classificação

Imputação de Dados Ausentes

Gráfico PCR vs PLS

Seleção de Características para SVC no Conjunto de Dados Iris

Transformando o Alvo para Regressão Linear

Algoritmos Multiclasse e Multisaída

Comparação de Algoritmos de Detecção de Anomalias

Curvas de Calibração de Probabilidades

Comparação da Calibração de Classificadores

Redução de Dimensionalidade com Pipeline e GridSearchCV

Curva de Comércio de Erros de Detecção

Métrica Precisão-Revocação para Classificação Desbalanceada

Transformador de Colunas com Tipos Mistos

Classificação de Dígitos Manuscritos com Recursos RBM

Classificação Semi-Supervisionada de Texto

Utilizando a API set_output

Discretização de Características para Classificação

Classificação de Documentos de Texto

Imputador Iterativo Scikit-Learn

Aprendizagem de Variedades em Dígitos Manuscritos

Construindo Pipelines no Scikit-Learn

Escalonamento de Recursos em Aprendizado de Máquina

Pipelines e Estimadores Compostos

Comparação de Classificadores no Scikit-Learn

Introdução

Este curso de Laboratórios Práticos de HTML foi projetado para ajudá-lo a aprimorar suas habilidades em HTML por meio de uma série de exercícios e projetos práticos. Seja você um iniciante ou um desenvolvedor web experiente, este curso oferece uma abordagem prática para dominar os fundamentos do HTML.

🎯 Tarefas

Neste curso, você aprenderá:

  • Como estruturar páginas web usando elementos HTML
  • Como criar marcação HTML semântica e acessível
  • Como formatar texto, adicionar imagens e construir menus de navegação
  • Como incorporar links, listas e tabelas em suas páginas web
  • Como aplicar as melhores práticas para escrever código HTML limpo e eficiente

🏆 Conquistas

Após concluir este curso, você será capaz de:

  • Criar e estruturar com confiança páginas web baseadas em HTML
  • Demonstrar uma forte compreensão da sintaxe e semântica do HTML
  • Implementar vários recursos e elementos HTML para aprimorar a estrutura e a aparência das páginas web
  • Desenvolver a capacidade de escrever código HTML limpo, bem organizado e de fácil manutenção
  • Ganhar experiência prática em HTML através da conclusão de laboratórios práticos

Professor

labby
Labby
Labby is the LabEx teacher.
Laboratórios Práticos de Machine Learning
303 laboratórios
Começar a Aprender

Junte-se ao Nosso Discord e Aprenda Juntos

Junte-se Agora
Experimente o terminal Linux online

Recomendado para Você

no data