Material utilizado nos vídeos sobre RandomForest usando modelo Titanic do Kaggle

Conteúdo:

• Objetivo
• Conteúdo do material
• Foco do material
• Exemplo de práticos ou uso comercial

Objetivo:

• Auxiliar no desenvolvimento de suas as habilidades na construção de modelos preditivos basedos em machine learning com a ferramenta de análise de dados R

Neste material você vai ver:

• Importação de dados
• Criação de novas variáveis
• Tratamento de dados faltantes
• Unidão de datasets usando a função rbind nativa do R
• Split de datasets em treino e teste.
• Criação de modelo de classificação usando RandomForest
• Gravação dos dados para submissão no Kaggle

Foco:

• No entendimento da mecanica por traz dos modelos preditivos cada vez mais utilizados por diversos tipos de negócio.
  1. Os modelos de previsão analisam padrões nos dados históricos e associam estes aos resultados futuros.
  2. Com base nos dados do passado, os modelos de previsão aprendem esses padrões e os resultados que eles geraram.
  3. Ao se deparar com novos dados, ele procura por padrões que aprenderam e fazem as previsões.
• Permitir as pessoas tenham acesso a tecnologia podendo assim buscar soluções para melhoria de produtividade em seus negócios.
• Embora o evento apresentado no modelo seja de impossivel previsão futura(novos titanics afundando). A mecanica pode ser aplicada nos mais diversos tipos de situações e áreas que envolvam "classificação", pois embora eu não acredite que o conceito seja atemporal, a velocidade da mudança é extremamente mais lenta.

Exemplos práticos ou de uso comercial

1. Será que vai haver recessão?
2. Será que o cliente vai gostar do produto?
3. Será que o tratamento será eficaz?
4. Será que este tomador de crédito vai me dar calote?
5. Será que essa transação é fraudulenta?