Organizado por módulos, ele cobre desde os fundamentos de Python para Data Science até modelos avançados como Redes Neurais e Random Forest.
Cada pasta representa um módulo do curso e contém:
- Anotações teóricas
- Códigos práticos (Jupyter Notebooks ou scripts
.py) - Exercícios
- Projetos (se houver)
- Um
README.mdexplicando o conteúdo daquele módulo
| Módulo | Tópico |
|---|---|
| 01 | Python aplicado à Data Science |
| 02 | Introdução ao Machine Learning |
| 03 | Pré-processamento de Dados |
| 04 | Regressão |
| 05 | Classificação |
| 06 | Clusterização |
| 07 | Overfitting e Viés/Variância |
| 08 | Redes Neurais e TensorFlow |
| 09 | Processamento de Linguagem Natural |
| 10 | Modelos Avançados (SVM, Random Forest, etc.) |
- Python 3.10+
- Jupyter Notebooks
- Pandas, NumPy, Matplotlib, Seaborn
- Scikit-learn
- TensorFlow (Introdução)
- VSCode / Jupyter Lab
Este projeto está licenciado sob a Licença MIT. Consulte o arquivo LICENSE para mais detalhes.
Mantenha o aprendizado vivo! 🚀
Desenvolvido com 💙 por [Daniel Duarte]