21/10/2025 –, Impacta - Sala 208
Neste tutorial, vamos construir do zero um projeto de aprendizado de máquina utilizando as bibliotecas scikit-learn, pandas, numpy e matplotlib para uma tarefa de regressão
O Aprendizado de Máquina (ML) está revolucionando diversas áreas, e dar os primeiros passos nessa jornada pode parecer desafiador. Neste tutorial, vamos desmistificar o processo e construir juntos um projeto simples de ML usando Python.
Exploraremos conceitos fundamentais, como preparação de dados, escolha do modelo e avaliação de desempenho, utilizando bibliotecas populares como Numpy, Pandas, Scikit-Learn e Matplotlib. Após implementar o projeto prático, o aluno sairá deste tutorial com o conhecimento necessário para criar seu próprio modelo e continuar explorando a área de Aprendizado de Máquina.
Se você tem curiosidade sobre IA e deseja aprender na prática, esta palestra é para você!
Tarefa:
Fazer predição da quantidade de gás carbônico emitido de acordo com as características do modelo do carro.
Modelos Utilizados:
- Regressão Linear
- Árvore de Decisão
Métricas:
- Erro médio quadrático
- R2
Bibliotecas utilizadas:
- Scikit-Learn
- Pandas
- Numpy
- Matplotlib
Roteiro:
1. Carregar conjunto de dados
2. Análise exploratória dos dados
3. Pré-processamento dos dados
3.1 Separar atributos e alvo
3.2 Dividir dados de treino e teste
4. Criar modelo de Regresssão Linear
5. Criar modelo de Árvore de Decisão
6. Comparar modelos
7. Visualizar dados
Conhecimentos básicos de Python (estrutura de dados, funções e bibliotecas).
Familiaridade com bibliotecas como Pandas e NumPy (desejável, mas não obrigatório).
Noções básicas de estatística (médias, desvio padrão, etc.).
Após implementar o projeto prático, o aluno sairá deste tutorial com o conhecimento necessário para criar seu próprio modelo e continuar explorando a área de Aprendizado de Máquina.
Escolha uma ou mais áreas em que essa proposta se encaixa –Machine Learning e Inteligência Artificial
Possuo graduação em Engenharia da Computação (2007), mestrado (2011) e doutorado (2021) em Engenharia Elétrica com ênfase em Computação aplicada. Atualmente, sou Coordenador de sistemas de informação