Python Machine Learning: Classificação e Aprendizagem Supervisionada — PickAClass
3.8 (5) ⏱ 2 h 30 min 📚 25 aulas 🎧 Versão em áudio

Python Machine Learning: Classificação e Aprendizagem Supervisionada

Aprenda a construir, ajustar e avaliar modelos de classificação em Python, desde regressão logística até métodos de conjunto, usando fluxos de trabalho de ciência de dados do mundo real.

  • 💬 Instrutor de IA
    Pergunte sobre qualquer aula e receba uma resposta clara na hora, quando quiser.
  • 🕐 Comece quando quiser
    Sem horários nem prazos: aprenda no seu ritmo, quando quiser.
  • 🌐 Em português
    Aulas, tarefas e certificado: tudo totalmente no seu idioma.

Sobre este curso

O aprendizado de máquina supervisionado, especificamente a classificação, é uma das habilidades mais importantes para os profissionais de dados modernos. Você aprenderá a limpar dados brutos, projetar recursos de alta qualidade e treinar modelos de classificação poderosos para prever categorias e resolver desafios de negócios do mundo real. Ao longo do caminho, você descobrirá como lidar com desafios de dados complexos, como desequilíbrio de classes, e garantir que seus pipelines de machine learning sejam limpos, reprodutíveis e estruturados de acordo com os padrões modernos do setor. O que você vai aprender: - Entenda os conceitos fundamentais de aprendizado de máquina supervisionado e fluxos de trabalho de classificação. - Realize análises exploratórias de dados e engenharia de recursos usando convenções modernas da biblioteca Python. - Construa e avalie modelos de classificação, incluindo Regressão Logística, K-Nearest Neighbors e Árvores de Decisão. - Aplique métodos avançados de conjunto, como Random Forests e Gradient Boosting, para melhorar a precisão preditiva. - Desbalanceamento de classe de endereço usando técnicas como ajuste de limite, SMOTE e ponderação de classe. - Implemente fluxos de trabalho de pipeline limpos no Python para garantir experimentos reproduzíveis de ciência de dados. O curso começa com conceitos fundamentais e terminologia básica antes de passar sistematicamente pela preparação de dados, treinamento de modelos e avaliação de desempenho.Você lerá explicações claras por escrito, analisará trechos de código estruturado e trabalhará em um cenário de negócios prático envolvendo risco de crédito para solidificar seu aprendizado. Este curso é projetado para iniciantes que querem fazer a transição para a ciência de dados ou aprendizado de máquina.Uma familiaridade básica com a sintaxe do Python é útil, mas nenhuma experiência prévia de aprendizado da máquina é necessária. Comece a ler hoje mesmo para criar seus primeiros modelos de machine learning supervisionado com confiança.

O que você vai receber

  • 📜 Certificado de conclusão
    Adicione ao seu perfil do LinkedIn
  • 💬 Tutor AI pessoal
    Travou em uma aula? Pergunte ao seu tutor integrado qualquer coisa, a qualquer hora.
  • 🎧 Versão em áudio incluída
    Estude em qualquer lugar, sem tela
  • ♾️ Acesso vitalício
    Volte quando quiser, sem expirar
  • 📱 Celular ou computador
    Funciona em qualquer dispositivo
  • 💸 Reembolso em 14 dias
    Sem perguntas
  • Curto e focado
    2 h 30 min de conteúdo prático

Certificado de conclusão

Cada curso que você conclui na PickAClass emite uma credencial como esta — original, com seu próprio código, verificável por URL e detalhada sobre o que foi de fato demonstrado.

P
PickAClass
Perfil de habilidades · verificável
Documento
Certificado de Maestria
Isto certifica que
Nome Sobrenome
demonstrou com sucesso o domínio de
Python Machine Learning: Classificação e Aprendizagem Supervisionada
Habilidades demonstradas
Análise de padrões comportamentais
Fundamental
1.2 h
Estruturas de arquitetura de decisão
Proficiente
1.4 h
Design de testes A/B
Proficiente
1.7 h
Redação comportamental
Avançado
1.9 h
P
PickAClass — Nome Sobrenome
Python Machine Learning: Classificação e Aprendizagem Supervisionada
Página 2 de 2
Detalhe de desempenho
Resumo do curso
Aulas concluídas 14 / 14
Questões de prática 26 / 28
Tarefas enviadas 4 (méd. 4.5 / 5)
Projeto final Avaliado — 4.6 / 5
Prática total 6.2 h
Benchmark de desempenho
Posição na coorte Top 12% de 1,625
Tempo até concluir 11 dias (mediana: 22)
Pontuação de domínio 91 / 100
Pontuação das questões de prática 94%
Verificação de habilidade Trilha de habilidade verificada
Verifique esta credencial
pickaclass.com/certificates/PCC-2026-X4F7-AP19
Emitido sob os padrões acadêmicos da PickAClass. Os níveis de habilidade refletem o desempenho avaliado frente à rubrica de competências do curso. É uma credencial original desta plataforma.

Avaliações (5)

Hannah Hoffmann CH
★ 4 · 3 agosto 2026

Superou minhas expectativas! A estrutura era lógica e os cenários do mundo real realmente ajudaram a cimentar o aprendizado.

حسن الشابي TN
★ 4 · 27 julho 2026

É uma introdução decente, mas poderia se beneficiar de exemplos mais diversos e um fluxo ligeiramente melhor entre os módulos.

Isabelle Clark AU
★ 3 · 15 julho 2026

É um curso sólido. A estrutura é lógica e a maioria dos exemplos foram úteis.Poderia usar alguns cenários mais reais.

Camila Herrera AR Aluno verificado
★ 4 · 15 julho 2026

Machine Translated Eu apreciei os passos claros, embora alguns dos módulos posteriores pudessem ter usado mais exemplos.

Александр Кузнецов RU
★ 4 · 3 julho 2026

Uma boa introdução. A estrutura era principalmente clara, mas eu gostaria que houvesse mais alguns exemplos do mundo real.

Escrever uma avaliação

Pediremos para fazer login após enviar — o rascunho fica salvo.

Outros também fizeram

Perguntas frequentes

O que preciso para fazer este curso? +

Só um celular ou computador com internet. Sem instalações nem hardware especial.

Como faço para pagar? +

Com cartão via Stripe. Não guardamos dados do cartão — o Stripe processa com segurança.

Posso pedir reembolso? +

Sim — reembolso integral em 14 dias, sem perguntas.

Por quanto tempo terei acesso? +

Para sempre. Uma vez comprado, o curso é seu para revisar quando quiser.

Vou receber um certificado? +

Sim. Ao concluir, você recebe um certificado que pode adicionar ao seu perfil do LinkedIn.

Feito para profissionais em
Tecnologia Design Finanças Marketing Saúde Educação Hotelaria Indústria