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