Representação de Áudio e Sinais
A informação em áudio está na energia por frequência: STFT, escala mel, MFCC e deltas — e por que redes modernas preferem o mel cru ao MFCC.
Curso
Machine Learning
Machine learning aplicado em Python e R: avaliação e benchmarking, classificação, custo e anomalias, engenharia e seleção de características, representação de texto, áudio e sinais, otimização de hiperparâmetros, ensembles, interpretabilidade e deep learning.
22 aulas
Otimização de Hiperparâmetros
Grid, busca aleatória, bayesiana e Hyperband — e por que o best_score_ da busca nunca deve ser reportado como desempenho esperado.
Computação Evolutiva na Otimização
População, seleção, cruzamento e mutação onde não há gradiente: seleção de variáveis, fronteira de Pareto e a comparação obrigatória com busca aleatória.
Ensembles 1 — Bagging e Random Forest
Bagging reduz variância, boosting reduz viés. Random Forest, o sorteio de features que descorrelaciona as árvores, e o OOB como validação quase de graça.
Ensembles 2 — Boosting e Stacking
Modelos em sequência corrigindo os erros do anterior: AdaBoost, gradient boosting, XGBoost, LightGBM e CatBoost — e o stacking sobre predições out-of-fold.
Seleção Dinâmica de Classificadores
Escolher o modelo no momento da predição, conforme a região: DCS, DES, META-DES — e por que o DSEL precisa ser separado do treino.
Interpretabilidade e Explicabilidade
Interpretabilidade é do modelo, explicabilidade vem depois: permutation importance, PDP, ICE, ALE, LIME, SHAP e contrafactuais.
Deep Learning 1 — Fundamentos e Redes Densas
MLP do neurônio ao treino estável: ReLU, cross-entropy, Adam, normalização e dropout — e quando o boosting ainda vence em dados tabulares.
Deep Learning 2 — Arquiteturas Especializadas
CNNs, RNNs, Transformers e GANs: qual arquitetura a estrutura do dado pede, e por que transfer learning vence treinar do zero.
Aula Bônus — Projeto Final Integrado e MLOps
Do pipeline sem vazamento ao deploy em container: nested CV, calibração, limiar por custo, explicabilidade e o laço de MLOps que vem depois.