Os conhecimentos necessários para se tornar um Cientista de Dados incluem: - Aprendizado por Reforço - Métodos de Montecarlo - Métodos de diferenças temporais - Q-Learning - Sistemas de Recomendação - Filtro Colaborativo - Filtro baseado em conteúdo - Sistemas híbridos - Técnicas de Validação e Ajuste de Hiperparâmetros - Estratégias de Validação - Ajuste de hiperparâmetros - Engenharia de atributos - Ensemble Learning (Stacking e Blending) - Redes Neurais - Redes neurais multicamadas - Aprendizado Profundo - Redes Neurais Recorrentes (Sequencia a sequencia, LSTM (long short-term memory), GRU (Gated Recurrent Unit), Redes Recorrentes Bi-Direcionais, Redes Hopfield, Tempo Contínuo) - Rede Neural Convolucional (Convolutional Neural Network) - Rede Adversarial Generativa (Generative Adversarial Network) - Redes de crenças profundas (Deep Belief Networks) - Processamento de linguagem natural - Reconhecimento óptico de caracteres (OCR) - Tradução de máquina - Análise sintática (Parsing) - Reconhecimento de entidade nomeada (NER – Named entity recognition) - Reconhecimento de fala (Speech Recognition) - Geração de língua natural - Compreensão da língua natural - Maquina de tradução - Sumarização automática - Resolução de correferência - Segmentação morfológica - Marcação de classe gramatical (tagging) - Respostas a perguntas - Análise de subjetividade (sentiment analysis ou opinion mining) - Robótica - Aprendizado auto-supervisionado - Inteligência Visual - Tomada de Decisão - Dinâmica e Controle
Para escrever sua resposta aqui, entre ou crie uma conta
Compartilhar