Este documento apresenta uma introdução ao machine learning através de uma série de perguntas e respostas sobre o tema. Aborda conceitos como regressão linear, classificação, treinamento e validação de modelos preditivos para estimar valores, classificar dados e prever resultados.
regressão linear f(x) = ax + b
polinômios f(x) = a + bx + cx^2 + ... + dx^n
44.
regressão linear f(x) = ax + b
polinômios f(x) = a + bx + cx^2 + ... + dx^n
45.
regressão linear f(x) = ax + b
polinômios f(x) = a + bx + cx^2 + ... + dx^n
preço = a + ... + dx^n
46.
p: como estimaro valor de algo?
possível resposta: regressão
47.
p: como estimaro valor de algo?
possível resposta: regressão
p: qual a nota que o aluno vai
tirar na prova final?
48.
p: como estimaro valor de algo?
possível resposta: regressão
p: qual a nota que o aluno vai
tirar na prova final?
p: qual será a nota do hipólito na
próxima olimpíada?
49.
p: como estimaro valor de algo?
possível resposta: regressão
p: qual a nota que o aluno vai
tirar na prova final?
p: qual será a nota do hipólito na
próxima olimpíada?
p: quanto tempo os alunos
precisarão para essa prova?
p: o emailé spam?
p: o aluno está com dificuldade?
p: o aluno domina o conteúdo?
96.
p: o emailé spam?
p: o aluno está com dificuldade?
p: o aluno domina o conteúdo?
p: qual a chance do aluno acertar
esse exercício?
97.
p: o emailé spam?
p: o aluno está com dificuldade?
p: o aluno domina o conteúdo?
p: qual a chance do aluno acertar
esse exercício?
p: qual a chance de essa imagem
ser o número 3? ou 8?
98.
p: o emailé spam?
p: o aluno está com dificuldade?
p: o aluno domina o conteúdo?
p: qual a chance do aluno acertar
esse exercício?
p: qual a chance de essa imagem
ser o número 3? ou 8?
p: qual a chance de essa imagem
ser um cancêr?