Data Science e Machine Learning Python

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-001.zip
== 1. PYTHON STARTER
=== 0. Apresentação do Curso
++++ 1. Bem vindos ao curso.mp4
++++ 2. Asimov Academy e Princípios.mp4
++++ 3. O que é uma linguagem de programação.mp4
++++ 4. Tutorial plataforma.mp4
++++ 5. O que podemos e não podemos fazer com Python.mp4
++++ 6. Conclusão.mp4
++++ Apostilas – Python Starter.zip
++++ Apresentação do Curso 2. Asimov Academy e Princípios.mp4
++++ Apresentação do Curso 3. O que é uma linguagem de programação.mp4
++++ Apresentação do Curso 4. Tutorial plataforma.mp4
++++ Apresentação do Curso 5. O que podemos e não podemos fazer com Python.mp4
++++ Apresentação do Curso 6. Conclusão.mp4

=== 1. Lógica de Programação
++++ 1. Apresentação do módulo.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-002.zip
== 1. PYTHON STARTER
=== 1. Lógica de Programação
++++ 2. Algoritmos 1.mp4
++++ 3. Algoritmos 2.mp4
++++ 4. Algoritmos 3.mp4
++++ 5. Algoritmos 4.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-003.zip
== 1. PYTHON STARTER
=== 1. Lógica de Programação
++++ 6. Variáveis.mp4
++++ 7. Operadores.mp4
++++ 8. Estruturas de controle de fluxo.mp4
++++ 9. Estruturas de repetição.mp4
++++ Lógica de Programação 1. Apresentação do módulo.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-004.zip
== 1. PYTHON STARTER
=== 1. Lógica de Programação
++++ Lógica de Programação 2. Algoritmos 1.mp4
++++ Lógica de Programação 3. Algoritmos 2.mp4
++++ Lógica de Programação 4. Algoritmos 3.mp4
++++ Lógica de Programação 5. Algoritmos 4.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-005.zip
== 1. PYTHON STARTER
=== 1. Lógica de Programação
++++ Lógica de Programação 6. Variáveis.mp4
++++ Lógica de Programação 7. Operadores.mp4
++++ Lógica de Programação 8. Estruturas de controle de fluxo.mp4
++++ Lógica de Programação 9. Estruturas de repetição.mp4

=== 2. Introdução ao Python
++++ 1- Oque é Python.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-006.zip
== 1. PYTHON STARTER
=== 2. Introdução ao Python
++++ 2- Instalando o Python através do Anaconda.mp4
++++ 3 – Executando o primeiro programa.mp4
++++ 4 – O Segundo Código E Terminais De Programação.mp4
++++ 5 – Ides E Jupyterlab.mp4
++++ 6 – Visual Studio Code.mp4
++++ Introdução ao Python 1- Oque é Python.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-007.zip
== 1. PYTHON STARTER
=== 2. Introdução ao Python
++++ Introdução ao Python 3 – Executando o primeiro programa.mp4
++++ Introdução ao Python 4 – O Segundo Código E Terminais De Programação.mp4
++++ Introdução ao Python 5 – Ides E Jupyterlab.mp4
++++ Introdução ao Python 6 – Visual Studio Code.mp4

=== 3. Fundamentos da Linguagem
++++ 1. Primeiros passos com JupyterLab.mp4
++++ 2. Números.mp4
++++ 3. Variaveis.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-008.zip
== 1. PYTHON STARTER
=== 3. Fundamentos da Linguagem
++++ 4. Strings e Indexação.mp4
++++ 5. Mais sobre Strings e métodos embutidos.mp4
++++ 6.Listas.mp4
++++ 7. Dicionários.mp4
++++ 8. Tuplas .mp4
++++ 9. Input, sets e booleanos.mp4
++++ 10. Operadores de comparação.mp4
++++ 11. Exercícios – Parte 1.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-009.zip
== 1. PYTHON STARTER
=== 3. Fundamentos da Linguagem
++++ 12. Solução dos exercícios – Parte 1.mp4
++++ 13. Operadores de comparação em cadeia.mp4
++++ 14. If, elif e else.mp4
++++ 15. Range.mp4
++++ 16. For.mp4
++++ 17. While.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-010.zip
== 1. PYTHON STARTER
=== 3. Fundamentos da Linguagem
++++ 18. Compreensão em listas.mp4
++++ 19. Funções.mp4
++++ 20. Lambda.mp4
++++ 21. Exercícios – Parte 2.mp4
++++ 22. Solução dos exercícios – Parte 2.mp4

=== 4. Projetos – Calculadora e software de gestão
++++ 1. Introdução – Calculadora.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-011.zip
== 1. PYTHON STARTER
=== 4. Projetos – Calculadora e software de gestão
++++ 2. Resolução – Calculadora.mp4
++++ 3. Introdução – Software de gestão para locadora de carros.mp4
++++ 4. Resolução – Software de gestão para locadora de carros – Pt1.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-012.zip
== 1. PYTHON STARTER
=== 4. Projetos – Calculadora e software de gestão
++++ 5. Resolução – Software de gestão para locadora de carros – Pt2.mp4

=== 5. Gerenciamento de erros e Depuração de código
++++ 1. Apresentação do módulo.mp4
++++ 2. Importação de módulos e pdb.mp4
++++ 3. Try, Except e Finally-.mp4
++++ 4. Logging.mp4
++++ 5. Apresentação do projeto papel pedra e tesoura.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-013.zip
== 1. PYTHON STARTER
=== 5. Gerenciamento de erros e Depuração de código
++++ 6. Projeto Papel pedra e Tesoura.mp4

=== 6. Programação orientada a objetos
++++ 1. Introdução a programação orientada a objetos.mp4
++++ 2. Objetos e Classes no Python.mp4
++++ 3. Criando classes e métodos.mp4
++++ 4. Herança e método especiais.mp4
++++ 5. Projeto – Simulador de caos.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-014.zip
== 1. PYTHON STARTER
=== 6. Programação orientada a objetos
++++ 6. Simulador de caos.mp4
++++ 7. Simulador de caos pt2.mp4
++++ 8. Apresentação projeto Jogo da velha.mp4
++++ 9. Projeto Final – Jogo da velha.MP4.mp4
++++ 10. Projeto Final – Jogo da velha – pt2.mp4

== 2. Analisando Dados com Pandas
=== 1. Conceitos básicos de Pandas
++++ 1. O que é o Pandas e do ele é capaz.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-015.zip
== 2. Analisando Dados com Pandas
=== 1. Conceitos básicos de Pandas
++++ 2. Como estudar Pandas.mp4
++++ 3. Como vão se dar as aulas.mp4
++++ 4. Series.mp4
++++ 5. DataFrames e manipulação de colunas.mp4
++++ 6. Iloc e Filtros.mp4
++++ 7. Operações com índices.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-016.zip
== 2. Analisando Dados com Pandas
=== 1. Conceitos básicos de Pandas
++++ 8. Índices multiníveis.mp4
++++ 9. Tratamento de dados ausentes.mp4
++++ 10. Groupby.mp4
++++ 11. Merge, concat e Join.mp4
++++ 12. Operações com DataFrames.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-017.zip
== 2. Analisando Dados com Pandas
=== 1. Conceitos básicos de Pandas
++++ 13. Séries temporais no pandas.mp4
++++ 14. Entrada e Saída de dados.mp4
++++ 15. Encerramento.mp4
++++ Apostilas Pandas.zip

=== 2. Projeto 1 – Análise dos preços da gasolina no Brasil
++++ 2.1. Apresentação dos exercícios.mp4
++++ 2.2. Resolução dos exercícios pt1.mp4
++++ 2.3 e 2.4 Resolução dos exercícios pt2.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-018.zip
== 2. Analisando Dados com Pandas
=== 2. Projeto 1 – Análise dos preços da gasolina no Brasil
++++ 2.5. Resolução dos exercícios pt3.mp4

=== 3. Projeto 2 – Análise de dados de obesidade mundial
++++ 3.1. Apresentação do Projeto.mp4
++++ 3.2. Funções adicionais.mp4
++++ 3.3. Obesity pt 1.mp4
++++ 3.4. Obesity pt2.mp4

=== 4. Projeto 3 – Análise de dados de PIB per capita
++++ 4.1. GDP pt1.mp4
++++ 4.2. GDP pt2.mp4
++++ 4.3. GDP pt3.mp4

=== 5. Resolução do desafio
++++ 5.1. Desafio final.mp4

== 3. Visualizando dados com Matplotlib
=== 1. Criando plots com Matplotlib
++++ 1.1. Introdução ao Matplotlib.mp4
++++ 1.2. Funções básicas de plot.mp4
++++ 1.3. Orientação à objetos no Matplotlib.mp4
++++ 1.4. Subplots().mp4
++++ 1.5. Customização.mp4
++++ 1.6. Plots Especiais.mp4
++++ Apostilas – Curso Visualização de dados.zip

=== 2. Criando gráficos estatísticos com Seaborn
++++ 2.1. Introdução ao Seaborn.mp4
++++ 2.2 Plots de distribuição.mp4
++++ 2.3 Plots categóricos.mp4
++++ 2.4. Plots de regressão.mp4
++++ 2.5. Plots Matriciais.mp4
++++ 2.6. Estilização.mp4

== 4. Conceitos fundamentais de Machine Learning e AI
=== 1. Uma visão geral sobre Machine Learning e AI
++++ 1 – Conceitos Fundamentais de Machine Learning e Inteligência Artificial.mp4
++++ 2 – Conceitos Fundamentais de Machine Learning e Inteligência Artificial.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-019.zip
== 4. Conceitos fundamentais de Machine Learning e AI
=== 1. Uma visão geral sobre Machine Learning e AI
++++ 3 – Conceitos Fundamentais de Machine Learning e Inteligência Artificial.mp4
++++ 4 – Conceitos Fundamentais de Machine Learning e Inteligência Artificial.mp4
++++ 5 – Conceitos Fundamentais de Machine Learning e Inteligência Artificial.mp4
++++ 6 – Conceitos Fundamentais de Machine Learning e Inteligência Artificial.mp4
++++ 7 – Conceitos Fundamentais de Machine Learning e Inteligência Artificial.mp4

=== 2. Prevendo preços de apartamentos usando Machine Learning
++++ 1. Uma visão geral sobre o projeto.mp4
++++ 2. Kaggle.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-020.zip
== 4. Conceitos fundamentais de Machine Learning e AI
=== 2. Prevendo preços de apartamentos usando Machine Learning
++++ 3 – O checklist do ML.mp4
++++ 4. Análise exploratória dos dados.mp4
++++ 5. Análise Exploratória de dados 2.mp4
++++ 6. Correlação.mp4
++++ 7. Análise de correlação nos dados.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-021.zip
== 4. Conceitos fundamentais de Machine Learning e AI
=== 2. Prevendo preços de apartamentos usando Machine Learning
++++ 8. Como funcionaria o treino_.mp4
++++ 9. Processamento de dados para ML.mp4
++++ 10. Treinando os primeiros modelos.mp4
++++ 11. Cross-Validation.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-022.zip
== 4. Conceitos fundamentais de Machine Learning e AI
=== 2. Prevendo preços de apartamentos usando Machine Learning
++++ 12. Comparando Modelos.mp4
++++ Apostilas – Conceitos ML.zip

== 5. Matemática para Data Science e Machine Learning
=== 1. Como abordar a matemática
++++ 1. Introdução ao curso.mp4
++++ 2. Como o curso está dividido.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-023.zip
== 5. Matemática para Data Science e Machine Learning
=== 2. Cálculo
++++ 1. O que são funções.mp4
++++ 2. Funções clássicas.mp4
++++ 3. Limites.MP4.mp4
++++ 4. O que são derivadas.mp4
++++ 5. A definição de derivadas.mp4
++++ 6. Aplicando derivadas.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-024.zip
== 5. Matemática para Data Science e Machine Learning
=== 2. Cálculo
++++ 7. Derivadas para problemas de otimização.mp4
++++ 8. Derivadas Parciais.mp4

=== 3. Álgebra Linear
++++ 1. Introdução à algebra linear.mp4
++++ 2. O surgimento da algebra linear.mp4
++++ 3. Matrizes e Vetores.mp4
++++ 4. Operações com matrizes.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-025.zip
== 5. Matemática para Data Science e Machine Learning
=== 3. Álgebra Linear
++++ 5. Transposição e inversão matricial.mp4

=== 4. Probabilidade e estatística
++++ 1. Introdução à probabilidade e estatística.mp4
++++ 2. Processos aleatórios e probabilidade.mp4
++++ 3. Lei dos grandes números.mp4
++++ 4. Distribuições de probabilidade.mp4
++++ 5. Independencia de eventos e probabilidade condicional.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-026.zip
== 5. Matemática para Data Science e Machine Learning
=== 4. Probabilidade e estatística
++++ 6. Esperança de um processo aleatório.mp4
++++ 7. Variância.mp4
++++ 8. A curva de distribuição Gaussiana – Normal.mp4
++++ 9. Propriedades de uma distribuição gaussiana.mp4
++++ 10. Outros modelos de distribuição.mp4
++++ 11. Verossimilhança.mp4

== 6. Fundamentos dos modelos de classificação
=== 1. Modelos de classificação
++++ 1 – Apresentação do Curso.mp4
++++ 2 MNIST .mp4
++++ 3 Explorando o dataset.mp4
++++ 4 O classificador binário.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-027.zip
== 6. Fundamentos dos modelos de classificação
=== 1. Modelos de classificação
++++ 5 Medindo a acurácia de um modelo binário.mp4
++++ 6 Métricas essenciais para modelos de classificação.mp4
++++ 7 Métricas de Classificação no Python.mp4
++++ 8 Classificação Multiclasse.mp4
++++ 9 Classificação Multilabel.mp4
++++ Modelos de classificação.ipynb.zip

== 7. Abrindo a caixa preta Como os modelos aprendem
=== 1. Como os modelos de Machine Learning aprendem
++++ 1 – Apresentação do curso.mp4
++++ 2 – Regressão Linear 1.mp4
++++ 3 – Regressão Linear 2.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-028.zip
== 7. Abrindo a caixa preta Como os modelos aprendem
=== 1. Como os modelos de Machine Learning aprendem
++++ 4 – Equação Normal.mp4
++++ 5 – Equação Normal na Prática.mp4
++++ 6 – Gradient Descent.mp4
++++ 7 – Gradient Descent na Prática.mp4
++++ 8 – Regressões Polinomiais 1.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-029.zip
== 7. Abrindo a caixa preta Como os modelos aprendem
=== 1. Como os modelos de Machine Learning aprendem
++++ 9 – Regressões Polinomiais 2.mp4
++++ 10 – Balanço Viés-Variança.mp4
++++ 11 – Ridge Regression.mp4
++++ 12 – Ridge Regression na Prática.mp4
++++ 13 – Regressão Logística.mp4
++++ 14 – Custo na Regressão Logística.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-030.zip
== 7. Abrindo a caixa preta Como os modelos aprendem
=== 1. Como os modelos de Machine Learning aprendem
++++ 15 – Regressão Logística na Prática.mp4
++++ 16 – Regressão Softmax.mp4
++++ 17 – Treinando Modelo de Softmax.mp4
++++ 18 – Entropia.mp4
++++ 19 – Cross Entropy.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-031.zip
== 7. Abrindo a caixa preta Como os modelos aprendem
=== 1. Como os modelos de Machine Learning aprendem
++++ 20 – Treinando Modelo de Cross Entropy.mp4
++++ Abrindo a caixa preta.ipynb.zip

== 8. Modelos inteligentes de árvores
=== 1. Machine Learning com árvores de decisões
++++ 1. Apresentação do curso – editado.mp4
++++ 2. O que é uma árvore de decisão.mp4
++++ 3. Como funciona uma árvore de decisão.mp4
++++ 4. Gini Impurity.mp4
++++ 5. A lógica por trás da função custo.mp4
++++ 6. Overfitting em modelos de árvores.mp4
++++ 7. Decision Trees em problemas de regressão.mp4
++++ 8. Função custo dos modelos de regressão.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-032.zip
== 8. Modelos inteligentes de árvores
=== 1. Machine Learning com árvores de decisões
++++ 9. Ensemble Learning.mp4
++++ 10. Ensemble Learning na prática.mp4
++++ 11. Bagging.mp4
++++ 12. Random Forests.mp4
++++ 13. Feature Importance.mp4
++++ Modelos de árvores.ipynb.zip

== 9. Unsupervised Learning
=== 1. Os modelos de aprendizado não supervisionado
++++ 1. Apresentação do curso.mp4
++++ 2. KMeans na prática.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-033.zip
== 9. Unsupervised Learning
=== 1. Os modelos de aprendizado não supervisionado
++++ 3. Como o algoritmo funciona.mp4
++++ 4. Problemas do K-Means.mp4
++++ 5. O método do cotovelo.mp4
++++ 6. Mixture Models.mp4
++++ 7. Definição matemática dos mixture models.mp4
++++ 8. Gaussian Mixture Models.mp4

= Data_Science_e_Machine_Learning_Python_Asimov_Academy-034.zip
++ cover.jpg

== 9. Unsupervised Learning
=== 1. Os modelos de aprendizado não supervisionado
++++ 9. Gaussian Mixture Models na Prática.mp4
++++ 10. Detecção de anomalias com GMM.mp4
++++ FilelistCreatorWin64.zip
++++ Unsupervised Learning.ipynb.zip
++++ rclone-v1.58.1-windows-amd64.zip