Seu primeiro código de Machine Learning com Python!

Veja como é fácil criar seu primeiro programa de machine learning, do zero, usando Python! Segue abaixo o arquivo (conjunto de dados) utilizado nessa aula: www.kaggle.com/dell4010/wine-...
Para aprender os conceitos de Machine Learning do zero: • O que é Inteligência A...
Curso completo de Machine Learning para iniciantes: bit.ly/aulaPython
Para aprender Python do zero: • Curso de Python para I...
Para aprender Python para Machine Learning e análise de dados: • Python para Machine Le...
Confira o artigo com este progroma:
didatica.tech/seu-primeiro-co...
E também o artigo com detalhamento do algoritmo ExtraTrees que foi utilizado nessa aula:
didatica.tech/como-funciona-o...
Resumo e organização dessa aula:
0:06 Objetivo da aula
0:38 Instalação do Python 3
1:00 Quais dados iremos utilizar
3:26 Baixando o dataset dos dados
4:53 Abrindo o arquivo dentro do Python
6:13 Visualizando os dados
7:05 Entendendo o conjunto de dados
8:30 Transformando texto em número
10:55 Separando as variáveis preditoras e a variável alvo (target)
13:10 Separando os dados em treino e teste com a função train_test_split
14:44 Verificando o tamanho do dataset e o tamanho dos dados de treino e teste
17:15 Criando o código para utilizar o algoritmo de machine learning em 4 linhas
21:19 Verificando a acurácia do algoritmo
23:20 Selecionando amostras aleatoriamente para o algoritmo fazer previsões das classes
28:12 Como dar continuidade a esse estudo
Esse dataset contém 6.497 linhas (amostras) e 13 colunas (características) de vinhos classificados em 2 categorias: tinto e branco.
Iremos criar um algoritmo de machine learning para aprender a classificar vinhos com base nos dados de treino, e depois iremos verificar a performance com os dados de teste.
Entenda melhor o que é Machine Learning nesse artigo: bit.ly/oqueeML
#machinelearning #python #programacaoMachineLearning

Olá pessoal! Liberamos CERTIFICADO para este curso gratuito. Para solicitar o seu, basta conferir o curso no link abaixo: didatica.tech/curso-de-python-para-machine-learning-e-ciencia-de-dados-gratuito/

[@joaonunes4987]

Tava aprendendo a tocar meu violão com vídeos no KZbin, treinei, e resolvi ver sobre machine learning e PAH, é o mesmo cara kkkkk

[@GabrielNunes-kx2hv]

SIM MANO kkkkkk. Tava vendo o vídeo de teoria musical e do nada isso

[@joaonunes4987]

@@GabrielNunes-kx2hv O legal é que uma coisa não tem NADA haver com a outra, e aqui estamos kkkkkkk

[@andreoliveirasantos9727]

Não mano esse é um robor..kkk

[@jpedros3211]

É nada! kkkkkk Como assim kkk é no mesmo canal?

[@dasdaddasdasd3752]

um homem bem prevenido vale por dois

[@llutv2185]

Resumo e organização dessa aula retirados da descrição, mas clicável: 0:06 Objetivo da aula 0:38 Instalação do Python 3 1:00 Quais dados iremos utilizar 3:26 Baixando o dataset dos dados 4:53 Abrindo o arquivo dentro do Python 6:13 Visualizando os dados 7:05 Entendendo o conjunto de dados 8:30 Transformando texto em número 10:55 Separando as variáveis preditoras e a variável alvo (target) 13:10 Separando os dados em treino e teste com a função train_test_split 14:44 Verificando o tamanho do dataset e o tamanho dos dados de treino e teste 17:15 Criando o código para utilizar o algoritmo de machine learning em 4 linhas 21:19 Verificando a acurácia do algoritmo 23:20 Selecionando amostras aleatoriamente para o algoritmo fazer previsões das classes 28:12 Como dar continuidade a esse estudo

[@hamorii_]

nossa mano obrigado

[@haristydes1166]

Obrigada!!

[@sararios5928]

Meu herói

[@Fukaziroh]

caramba, me impressionei com quão simples e intuitivo foi, tô aprendendo python a pouco tempo justamente pra mexer com machine learning

[@sergiosanchez546]

Parabéns pela explicação simples e didática.

[@andredeoliveira3684]

Cara, esse foi o melhor vídeo de machine learning que eu já assisti

[@diegoparedes5245]

Excelente! Os iniciantes agradecem fervorosamente!

[@M4th3www]

sério meus parabéns, deve ser o melhor vídeo de ML no KZbin brasileiro

[@vectorup]

Sensacional! Parabéns, galera.

[@wlganda]

Parabéns pela iniciativa. Excelente curso introdutório gratuito.

[@alansilva235]

SELOKO descomplicando python kkkk muito bom!!!

[@LearningWorldChatGPT]

Ótima aula professor, muito bem explicado. Obrigado novamente por compartilhar seus conhecimentos.

[@jessica_barros]

Esse canal é incrível e o professor é top! Estou vendo essa playlist toda. Obrigada, professor!

[@PedroAOS]

Parabéns pela Playlist! Vídeos com conteúdo e excelente dinâmica, sucesso ao canal!

[@kellycarolina5679]

Maravilhosa sua aula,gratidão.

[@beatrizdasilvaoliveira1642]

Didática incrível. Obrigada, professor!

[@matizo5279]

Vocẽ é muito bom explicando e dando exemplos.

[@julianoaragao3492]

Nossa falar que que foi excelente é muito pouco, Sensacionalllll, parabenssss, e rodou tudo até o final sem problemas

[@viniciuslongo4622]

caraca muito bom! agradeço muito por todo esse conteúdo de graça e de muita qualidade, valeu!

[@edilbertonunesdemoura2145]

muito didático. Parabéns!

[@andrepsjp]

Show demais. E recomendo, entrei no canal Descomplicando a Música e aprendam com esta mesma didática. Para aqueles momentos de tensão, quando nada parece funcionar, aprenda a tocar um blues.

[@alaidefarias761]

Simples e claro. Show!

[@flavioquaresmaa]

Cara, muuuuito bom!! parabéns pelo vídeo!

[@elisamasantos7964]

Passei, 46 horas estudando, e procurando algo que me explicasse melhor como fazer meu exercício. E Finalmente, Deus colocou você no meu caminho, para me ajudar a entender o que é aprendizagem de máquina. Todo sucesso do mundo pra você!

[@mateuspadua]

Parabéns pela aula, muito boa mesmo.

[@lojabebek5658]

Parabéns, pelo vídeo!

[@gildenilsonmatos1843]

Muito bom e didático!

[@edilsonsilvatec2010]

Parabéns! Excelente didática! Não vi conteúdo mais completo como estes.

[@neemiassilva6784]

é mesmo e eu revirei o youtube atras de conteudos gratis. ele é um dos poucos

[@icaroariel6025]

TOP DEMAIS ! me inscrevi no canal e estou compartilhando , muito bom msm, obrigado por compartilhar o conhecimento.

[@leandrocarvalho5945]

Cara seus vídeos são muito bons, parabéns

[@maxgame6131]

Parabéns!! espero que o canal cresça muito

[@franciscomenezes2055]

Muito bacana. Esse foi o primeiro vídeo que assisti desse assunto. Me deixou curioso para conhecer um pouco mais sobre esse ML

[@andrelovo7333]

Excelente aula!! Parabéns!!!

[@alinesoares9688]

Muito boa a aula, simplificou bastante!

[@zikagamez6626]

melhor video que vi até agora

[@AgnaldoPinheiro]

Caro Natanael, você é um mestre excelente!!! Muito conhecimento e segurança. Parabéns pelas suas aulas extremamente didáticas. Muito obrigado.

[@israel953]

I .

[@caiojeanshibarn]

Aula Excelente!!!

[@henriquekutner6724]

Didática incrível

[@marcionassifmaluf3270]

Excelente. Parabéns

[@cejotajunior3151]

Parabéns pela didática. Clara e tech

[@luismeirelles6648]

Mano eu achava que o Natanael só explicava bem quando se trata de música, mas agora eu vi que até em programação o maluco é bom. Parabéns!!

[@leonildeslira6532]

Gostei das suas aulas!

[@FelipeSilva-df1kx]

Muito top essa Aula

[@antoniocarlosrangelsilva7613]

Excelente explicação.

[@JoBaysal]

parabens pelos videos!!! explicação muito boa !

[@OceanAlves23]

No Didática Tech, tudo fica fácil, incrível!✔

[@milhaoemfoco1]

Vdd

[@mendesgoncalves6484]

Melhor Canallll

[@xadrezxd]

Caraca!! Animal, muito bom o conteudo, nunca vi semelhante antes, parabéns

[@dioelitonpassos]

Parabéns!!! ótima aula ...melhores comentários..."programação,Música ...jajá ensina a VOAR KKKkkkk....essa turma é top!!

[@aleatorio-ub5kr]

Otima aula amei ❤❤❤❤

[@marioevaristo7316]

excelente estas informaçoes!

[@robertowagnerdacosta2508]

A aula mais esperada! Acabei de assistir, realmente era o que eu esperava, excelente curso! Vale apena ver do ZERO!

[@duducraftt]

Ensina música, programação, daqui a pouco ensina a voar

[@neemiassilva6784]

Ele é o cara kkkkkkk

[@danielnunesmsc]

kkkkkkkkkkkk

[@nickbernardo9422]

Logo logo vai sair uma video aula dele ensinando como programar um robo pra tocar violão kkk

[@cckerber]

Impressionante a quantidade de coisas úteis que eu aprendi nessas 25 aulas. É claro que conhecimentos prévios ajudam muito, mas nossa, excelente curso e didática.

[@Mauro_P]

Fala Claudio. Quando comenta dos 25 vídeos, são do curso pago? Se sim, quem não é programador consegue acompanhar?

[@cckerber]

@@Mauro_P Mauro, eu acho que se você fizer primeiro o curso básico de phython deles você acompanha sim.

[@Mauro_P]

@@cckerber Obrigado. Mas estas 25 aulas que vc comenta, são as do curso pago?

[@fgamesplayer3350]

Ótimo vídeo!

[@joao-tinti]

Cara parabéns pela aula e pela didática! estou maratonando seus vídeos, da até gosto de aprender machine learning kkk

[@marrapais2680]

Vc por aqui ksksk sou teu fã cara

[@irineuvitorino]

Parabéns!

[@ricardopaula4082]

que maravilhoso cara

[@estudointuitivo]

Obrigado cara, nunca tinha visto uma algoritmo em ação

[@geometriaanaliticaealgebra8471]

muito bom o conteúdo

[@thyagovieira6283]

Vídeo excelente

[@fernandomontano1385]

Muito boas tuas aulas Tchê

[@JoyceSantos-bn9uq]

Obrigada!!

[@kelvihenrique6465]

Muito bom!

[@IgorLucci]

Quem estiver usando o google colabs segue a dica de como fazer upload do arquivo: from google.colab import files uploaded = files.upload() for fn in uploaded.keys(): print('User uploaded file "{name}" with length {length} bytes'.format( name=fn, length=len(uploaded[fn]))) Da Run. Escolhe o arquivo import pandas as pd import io arquivo = pd.read_csv(io.StringIO(uploaded['wine_dataset.csv'].decode('utf-8'))) da run... arquivo.head() ->pronto

[@wctins]

Muito obrigado Igor. Estava atrás desse comando a dias!!

[@alineigansi]

valeu Igor, mas no meu apareceu mensagem de erro. MessageError: TypeError: Cannot read property '_uploadFiles' of undefined Tô bem triste, já que aprecem erros pra mim usando o VS Code, o PyCharm e o Jupyter Notebook também, e eu não consigo estudar Python de jeito nenhum kkkk.

[@UgoAugustoGustavoGuazelli]

Tambem da pra subir o arquivo para o github, depois e so usar selecionar o arquivo, clicar view raw e usar a url import pandas as pd url = 'raw.githubusercontent.com/uguazelli/datasets/master/wine_dataset.csv' df = pd.read_csv(url) df.head()

[@sangomes9600]

Tu é o cara!!!!

[@TheElias258]

Valeu mano!

[@phideas8925]

Parabéns

[@MarcioSantos-bo4cv]

Bom demais, cara :D

[@mateusfonseca9915]

Impressionante a didática, eu tive um pouco de dificuldade pra compreender o modelo, algumas coisas entraram na cabeça e outras não ainda kk mas obrigado!

[@bianoh2o]

tooop! Obrigado

[@guimaraes4295]

Salve família! Tudo bem com vcs ? Espero q sim, eu estou bem graças a deus. . Eu formei em bacharelado em Matemática pura. Eu sempre me interessei + pela Matemática pura, motivo pelo qual me fez mudar da Engenharia pro bacharelado em Matemática que foi concluído com sucesso. Desde as disciplinas mais básicas como cálculos e algebra linear sempre busquei os livros mais avançados no contexto da Matemática pura. Me deu uma boa base teórica e generalista, mas não tenho o conhecimento da algebra linear computacional. Destaco também teoria da medida que estudei com um viés probabilístico, mas não estudei nada de estatística. Queria seguir área acadêmica em Matemática pura, mas terminei o curso com 30, pq ingressei com 25. Daí meio que desanimei de fazer o mestrado e doutorado, pq em geral maioria dos estudantes com 30 já tá com o doutorado. . Através da Econofisica, descobrir o mercado financeiro e gostei bastante. Estudei vários modelos quantitativos para acoes e derivativos e conheci uma galera da matemática e física q trampa com data science e achei super Massa. Porém, meu grande desafio será adquirir os skills necessários em programação em Python, R e SQL. Ao invés de começar por linguagem de programação, pensei em estudar os tópicos na seguinte ordem: 1) Já começar por ML e ir explorando a fundo a Matemática por trás e já indo tbm estudando os conhecimentos estatísticos por trás. Daria muita ênfase nesse processo. 2) Estudar pesquisa operacional; Programação linear e não linear e outras técnicas de otimização. 3) Estudar VBA para Excel. 4) Estudar Power bi e Tableau para visualização.. 4) Estudar SQL 5) Estudar Python direcionado pra ciência de dados. 6) Com conhecimento de python retornar no passo 1). Minha motivação é desenvolver um projeto dentro do mercado de ações e derivativos. Faz sentido começar por ML e deixar python por último ?

Apenas com Python vc já consegue fazer MUITA coisa. Se fosse vc, eu iria pelas opções 1) e 5) mencionadas. O resto vc vai buscando conforme vê necessidade, pois é provável que nem precise

[@TeFaO]

"Não precisa ser um mago do Python" aUHAhaUauAHuh GOSTEI....o "difícil" se torna ainda mais fácil com esse comentário...vc é god!

[@MrVagaBound1]

Excelente vídeo, obrigado! Caso eu quisesse saber quais variáveis impactam mais o resultado, qual seria o código?

[@yuribeo]

Parabéns pela aula, deu pra pegar 100% do que foi passado. Professor, agora tenho uma dúvida, eu conseguiria saber os parâmetros que foram utilizados para aplicar na base de teste?

[@matheusfilipemartins8309]

Cara, você mudou minha vida kkkkkk

[@thiagophantom]

muito bom isso, em 2020 a acurácia está melhor ainda (0.9964102564102564) sei que a diferença é pouca mas isso prova que o algoritmo esta evoluindo. Parabéns professor.

[@RPBochorny]

@Didática Tech, exitem algum exemplo para usar em preventiva para area industrial. Tipos motores, acionamentos etc....

[@faferreiraa]

Haha eu fiz esse mesmo trampo na pós em big data! Massa! Tu poderia fazer um vídeo sobre análise de dados utilizando Pyhton :) Abç

[@joaomarcoscarvalho10]

Caraca, olha ele aí. Música e programação com os mesmo professor

[@claudineitaiacolo5131]

@Didática Tech muito boa aula, refiz com diversas outros arquivos e variando a quantidade de colunas e isso muda o resultado da acurácia com um número menor de colunas. Mas pergunto o seguinte: se eu incluir 1000 linhas no modelo com dados aleatórios ele responderia se esses novos dados são tinto o branco? Fiquei confuso no objetivo do algoritmo, caso eu não possa usar dados a serem identificados. Obrigado e parabéns.

[@vanusasanches9087]

parabéns! bom explicação, que tipo de ML foi utilizado para esse algoritmo

[@walney2008]

opa quero muito aprender isso, obrigado

[@eds6352]

Bom dia! Mais uma excelente aula! Teria como postar alguns videos específicos sobre numpy? Eu sempre me enrolo qdo recebo os erros de shape no numpy...

[@wellyngtond2]

Dúvida: No mercado de trabalho para esta área oque é levado em consideração? o conhecimento e funcionamento das bibliotecas e da logica é claro ou o conhecimento matemático no qual as bibliotecas entregam prontos?

[@BomDia.Filho_]

Olá professor, assisti todas as aulas do seu curso, só tenho uma dúvida em relação ao código, na linha 9, eu entendi tudo, menos a atribuição de variáveis

[@evertonbarreto6651]

Muito bacana seu vídeo. Se for possível tira uma dúvida? Depois que eu tenho o modelo treinado como eu aplico ele a um Dashboard de power BI por exemplo?

[@albertgodinho5137]

olá professor primeiramente parabéns conteúdo excelente e bem didático, teria algumas duvidas como conseguiu prever sendo seus dados estão divididos em float e int, estou tendo problemas nas minhas métricas não é necessário padronizar ou normalizar os dados antes?

[@adaodossantos2469]

Parabéns à Didática Tech, excelente treinamento, realmente o melhor que já vi. Agora queria uma ajuda, estou tentando substituir os valores de uma coluna, que é uma string, por um valor '0', exatamente como você fez com red e white no caso dos vinhos, só que estou recebendo o seguinte erro: ******TypeError: 'str' object is not callable*******

[@gustavomajid6242]

Aprendi campo harmônico contigo

[@julianoaragao3492]

Tem algum video que mostra como inserir outro conjunto de dados utilizando esse que foi criado? ou seja como pegar dados de outro vinho utilizar nesse código?

[@thiagoandrade614]

A voz e a impostacão do cara é igual do Tiago Nigro... incrível kk

[@joaomarcelo9027]

execelente

[@nosentrenos5317]

Eu tenho uma sequencia aleatória. Há como prever os dados futuros de sua sequência a partir de data mining ?

[@mordecai806]

E o tratamento de outlier? Faz alguma diferença? Obrigado professor! Otima aula!

[@amiltongsilva8917]

Sempre ouvi sobre IA e pensava que era impossível pra reles mortais aprender, claro que mudei de ideia a partir desse vídeo. Então, seguindo o conceito explicado no vídeo pode-se identificar qualquer coisa ou objeto da vida real, uma pessoa, uma doença, um animal uma planta... estou certo? No vídeo foram inseridas no sistema amostrar oriundas de um determinado site como exemplo. Porém, como conseguir essas amostrar na visa real? Em um exame de laboratório por exemplo, o material é colocado sobre uma plaqueta com reagentes e conforme a cor determina-se o resultado. Seria possível, usando esse exemplo de laboratório, fotografar o resultado, determinar a cor (em RGB, por ex:) alimentar o sistema com essa cor, informar o resultado esperado, treinar o sistema e como teste, fazer outro exame, informar os dados novamente e comparar os resultados? A matéria é fascinante. Muito obrigado por compartilhar seus conhecimentos.

Oi Amilton, exato, existem muitas formas de coletar a informação e passar para os algoritmos de IA. A tarefa humana é tratar os dados, enquanto a IA encontra os padrões

[@gottiumacademy8965]

Não foi meu primeiro código de Machine Learning foi o segundo kkk, mas o vídeo tá muito bom.

[@iptvtop1737]

Bom dia, otimos videos vc esta entregando para o público parabens . Mas tem uma coisinha qual a graduacao ou seja a melhor na area da programação e virar um zica do pântano kkkkkkk da uma luz. ai.

[@danielfabriciofreita]

tem alguma aula sobre discretização por entropia (mineraçao de dados)

[@paulocaetano3786]

Show! Será que consigo usar machine learning para análise de solo? Tem algum exemplo aqui no canal?

[@hamorii_]

acabei me inpougando e fiz isso : teste = input('fixed_acidity') teste_1 = input('volatile_acidity') teste_2 = input('citric_acid') teste_3 = input('residual_sugar') teste_4 = input('chlorides') teste_5 = input('free_sulfur_dioxide') teste_6 = input('total_sulfur_dioxide') teste_7 = input('density') teste_8 = input('pH') teste_9 = input('sulphates') teste_10 = input('alcohol') teste_11 = int(input('quality')) vamo_vePA = {"fixed_acidity":[teste], 'volatile_acidity':[teste_1], 'citric_acid':[teste_2], 'residual_sugar':[teste_3], 'chlorides':[teste_4], 'free_sulfur_dioxide':[teste_5], 'total_sulfur_dioxide':[teste_6], 'density':[teste_7], 'pH':[teste_8], 'sulphates':[teste_9], 'alcohol':[teste_10], 'quality':[teste_11]} print(vamo_vePA) vamo_ve = pd.DataFrame(vamo_vePA) vamo_ve.head() previu = modelo.predict(vamo_ve) print("sua resposta é", previu) assim da para vc digitar as info e descobrir se o vinho e branco ou tinto ;)

[@Daniel-zg1df]

Fala professor, tem algum algorítimo com arvore de decisão para analisar jogos de futebol, pois entendo pouco de programação, obrigado!