supervised-learning

Este repositório fornece um guia abrangente sobre aprendizado de máquina supervisionado, começando com a matemática fundamental, como derivadas, probabilidade e logaritmos. Ele utiliza uma abordagem passo a passo para derivar conceitos matemáticos antes de transitar para ferramentas modernas. Os principais componentes educacionais incluem: - Logistic Regression: Teoria e implementação do zero usando o conjunto de dados Wisconsin Breast Cancer, juntamente com uma implementação de nível de produção em PyTorch. - Decision Trees: Mergulhos teóricos profundos com implementações do zero e aplicações práticas para prever preços de casas em Londres usando Scikit-learn, Random Forests e XGBoost. - ATLAS (Automated Tree Learning Analysis System): Um sistema para engenharia de atributos e comparação de modelos. - Datasets: Integração dos conjuntos de dados Wisconsin Breast Cancer e London Housing Prices para tarefas de classificação e regressão. O material é entregue via notebooks Jupyter compatíveis com Google Colab para execução baseada em navegador.