Skip to content

Home

Esta documentação reúne roteiros de estudo e projetos práticos em Machine Learning, com o objetivo de registrar cada etapa do processo de aprendizado e desenvolvimento.

Estrutura dos Roteiros

Cada roteiro segue um fluxo de trabalho padronizado, abrangendo:

  1. Exploração dos Dados – análise inicial do conjunto de dados, incluindo estatísticas descritivas e visualizações para identificar padrões, tendências e possíveis problemas;
  2. Pré-processamento – limpeza e preparação dos dados, com tratamento de valores ausentes, normalização, codificação de variáveis e ajuste de inconsistências;
  3. Divisão dos Dados – separação do conjunto em treino, validação e teste, garantindo avaliação justa do modelo;
  4. Treinamento do Modelo – implementação do algoritmo escolhido, ajuste de parâmetros e execução do processo de aprendizado;
  5. Avaliação do Modelo – medição do desempenho utilizando métricas adequadas, comparação de resultados e identificação de pontos de melhoria;
  6. Relatório Final – documentação do processo, apresentação dos resultados e registro de conclusões e possíveis aprimoramentos.

Entregas

  • 1. Árvore de Decisão – 29/08/2025
  • 2. KNN – 16/09/2025
  • 3. K-Means – 21/09/2025
  • 4. Metrics and Evaluation – 28/09/2025
  • Projeto Final – pendente

Esta documentação é dinâmica e será atualizada conforme avanços, novos experimentos e entregas forem concluídos.