Módulo 1:
Regressão Linear, Regressão Logística, KNN, Naive Bayes e Decision Trees, com aplicações práticas, resolvendo problemas de machine learning do início ao fim.
Módulo 2:
Aprendizagem não supervisionada e algoritmos mais complexos, que utilizam métodos Ensemble, como Random Forest, ExtraTrees, AdaBoost,Gradient Boosting, Bagging e SVM. Também abordaremos Sistemas de Recomendação, outra área proeminente da Inteligência Artificial.
Módulo 3:
Redes Neurais, Deep Learning, CNNs, Processamento Paralelo, Frameworks, Processamento de Imagens e Visão Computacional.
Módulo 4:
O quarto módulo expande ainda mais o assunto de Deep Learning, abordando Redes Neurais Recorrentes (RNNs), LSTMs, Séries Temporais, Processamento de Linguagem Natural, GANs, Aprendizado por Reforço, Algoritmos Genéticos, entre outros.