Estou fazendo um curso de ciência de dados pela Ebac e o professor não tem 1% da didática que você possui, muito boa a aula, melhor professor de análise de dados
Daniel, excelente vídeo! Mas como tomar uma decisão prática com os dados obtidos? Na prática, como obter uma resposta do modelo de ML diante de um paciente com determinados parâmetros?
Nesse caso uma aplicação poderia consumir o modelo treinado enviando dados não vistos para o modelo "prever". Na pratica eu teria que persistir o modelo em uma espécie de arquivo (por exemplo pickle) scikit-learn.org/stable/model_persistence.html e esse artefato gerado seria carregado em uma API e minha app web ou mobile poderia consumir essa api para enviar os dados de input para o modelo prever.
Professor, muito obrigado pela sua aula. Eu só gostaria de perguntar uma coisa. Qual é o limite que normalmente se usa para se dizer que duas váriaveis possuem um valor de correlação linear "forte? Obrigado desde já pela atenção.
Para regressão linear, a força da relação entre as variáveis independentes e a variável dependente, varia entre 0 e 1. Ou seja, quanto mais perto de 1, melhor o modelo consegue prever ou explicar o que está acontecendo com a variável que estamos tentando prever. Na prática (mercado de trabalho) a galera costuma entender que acima de 0.6 a relação é "considerada" forte e acima de 0.8 o modelo é "considerado" adequado.
Pica Mano...Pica Memo..melhor tour/aula que achei do scikit Learning, na internet.
Mais um inscrito! Parabéns!
Estou fazendo um curso de ciência de dados pela Ebac e o professor não tem 1% da didática que você possui, muito boa a aula, melhor professor de análise de dados
Muito obrigado pelo feedback! Fico feliz que tenha gostado =)
Esperando mais vídeos, kkk
Excelente vídeo! Um dos melhores tutoriais que vi. Aprendi muito nesses 40 minutos. Obrigado!!!
Obrigado por compartilhar seus conhecimentos, isto é muito útil; e parabéns, você se expressa muito bem, na maior parte das vezes isto não é comum.
Fico feliz que tenha curtido! Obrigado por esse feedback! 😉
Parabéns pelo seu trabalho. Aprendi mais em 40 minutos do que em 4 horas explorando o guide.
Sensacional! =D
Excelente aula! Muito importante para quem esta começando!
Aula fantástica, parabéns!
Impecavel grande experiencia para transmitir conhecimentos muito obrigado!!!
Parabéns pelos vídeos. Excelentes explicações.
Ótima aula, didática excelente!
Obrigado pelo feedback!
Show, muito bom. Parabéns Daniel.
Valeu! =)
Daniel, excelente vídeo! Mas como tomar uma decisão prática com os dados obtidos? Na prática, como obter uma resposta do modelo de ML diante de um paciente com determinados parâmetros?
Nesse caso uma aplicação poderia consumir o modelo treinado enviando dados não vistos para o modelo "prever". Na pratica eu teria que persistir o modelo em uma espécie de arquivo (por exemplo pickle) scikit-learn.org/stable/model_persistence.html e esse artefato gerado seria carregado em uma API e minha app web ou mobile poderia consumir essa api para enviar os dados de input para o modelo prever.
Excelente aula, parabéns!
Valeu!
Professor, muito obrigado pela sua aula.
Eu só gostaria de perguntar uma coisa. Qual é o limite que normalmente se usa para se dizer que duas váriaveis possuem um valor de correlação linear "forte?
Obrigado desde já pela atenção.
Para regressão linear, a força da relação entre as variáveis independentes e a variável dependente, varia entre 0 e 1. Ou seja, quanto mais perto de 1, melhor o modelo consegue prever ou explicar o que está acontecendo com a variável que estamos tentando prever. Na prática (mercado de trabalho) a galera costuma entender que acima de 0.6 a relação é "considerada" forte e acima de 0.8 o modelo é "considerado" adequado.
Muito bem explicado , obrigado
Excelente explicação. So faltou pegar na mãozinha para ensinar!Parabens
Parabéns!! Excelente material!
excelente aula
Conclusão?
?