ml_ia_codes
🚀 Códigos de Statistical Machine Learning & Inteligência Artificial
Útima Atualização: 16.08.2025
Bem-vindo ao meu repositório de projetos práticos em Statistical Machine Learning e Inteligência Artificial! Aqui você encontrará implementações, tutoriais e experimentos desenvolvidos no Google Colab.
📚 Conteúdo Destacado
🔗 Códigos de Statistical Machine Learning em python
📈 Regressão
| Tópico | Notebook | Data Atualização | Descrição |
|---|---|---|---|
| Árvore de Regressão no python |  |
11.02.2025 | Machine Learning com PyCaret |
| Floresta Aleatória para Regressão no python | |
11.02.2025 | Machine Learning com PyCaret |
📊 Classificação
| Tópico | Notebook | Data Atualização | Descrição |
|---|---|---|---|
| Árvore de Decisão no python | |
04.02.2025 | Machine Learning com PyCaret |
| Floresta Aleatória no python | |
11.02.2025 | Machine Learning com PyCaret |
| SVM Linear no python | |
11.02.2025 | Machine Learning com PyCaret |
| SVM Não Linear no python | |
11.02.2025 | Machine Learning com PyCaret |
| k-NN no python | |
11.02.2025 | Machine Learning com PyCaret |
🎯 Agrupamento
| Tópico | Notebook | Data Atualização | Descrição |
|---|---|---|---|
| k-means no python | |
25.02.2025 | Machine Learning com PyCaret |
🔗 Códigos de Statistical Machine Learning em R
📈 Regressão
| Tópico | Notebook | Data Atualização | Descrição |
|---|---|---|---|
| Regressão Linear no R | |
18.05.2025 | Machine Learning com TidyModels |
| Regressão Linear Lasso no R | |
18.05.2025 | Machine Learning com TidyModels |
| Regressão Linear Ridge no R | |
18.05.2025 | Machine Learning com TidyModels |
| k-NN para Regressão no R | |
25.05.2025 | Machine Learning com TidyModels |
| Árvore de Decisão para Regressão no R | |
25.05.2025 | Machine Learning com TidyModels |
| Bagging com Árvore de Decisão para Regressão no R | |
25.05.2025 | Machine Learning com TidyModels |
| Random Forest para Regressão no R | |
25.05.2025 | Machine Learning com TidyModels |
| Boosting com Àrvores de Decisão para Regressão no R | |
25.05.2025 | Machine Learning com TidyModels |
| SVM para Regressão (SVR) no R | |
25.05.2025 | Machine Learning com TidyModels |
📊 Classificação
| Tópico | Notebook | Data Atualização | Descrição |
|---|---|---|---|
| Árvore de Decisão no R | |
04.02.2025 | Machine Learning com TidyModels |
| Floresta Aleatória no R | |
11.02.2025 | Machine Learning com TidyModels |
| SVM Linear no R | |
11.02.2025 | Machine Learning com TidyModels |
| SVM Não Linear no R | |
11.02.2025 | Machine Learning com TidyModels |
| k-NN no R | |
11.02.2025 | Machine Learning com TidyModels |
🎯 Agrupamento
| Tópico | Notebook | Data Atualização | Descrição |
|---|---|---|---|
| k-means no R | |
25.02.2025 | Machine Learning com TidyModels |
🔗 Códigos de Deep Learning e IA Generativa
| Tópico | Notebook | Data Atualização | Descrição |
|---|---|---|---|
| Aplicação de RAG com modelo Local usando LangChain + DeepSeekR1 | |
03.02.2025 | LLM com adição de conhecimento via RAG |
🔗 Códigos para Trabalhar com Spark
| Tópico | Notebook | Data Atualização | Descrição |
|---|---|---|---|
| Usando Spark e Python - PySpark | |
11.02.2025 | SPARK |
| Usando Spark e R - Sparklyr | |
11.02.2025 | SPARK |
⚙️ Utilizando .zip para instalar as bibliotecas do tidymodels no Colab
Esse código exemplifica como utilizar um arquivo .zip hospedado no Google Drive para instalar pacotes R mais especificamente do tidymodels no ambiente do Google Colab. Isso é útil, porque o Colab demora muito para instalar esses pacotes diretamente da CRAN.
| Tópico | Notebook | Data Atualização | Descrição |
|---|---|---|---|
| Utilizando .zip pelo drive para instalação dos Pacotes R no Colab Python - Exemplo com Floresta Aleatória | |
16.08.2025 |
🛠️ Como Utilizar
- Clique em qualquer badge “Open in Colab” acima
- Faça uma cópia no seu Google Drive (File → Save a copy in Drive)
- Execute as células sequencialmente
- Experimente modificar parâmetros e datasets!
Nota: Todos os notebooks são executáveis diretamente no navegador sem instalação local.
💡 Tecnologias Utilizadas
🤝 Contribuição
Contribuições são bem-vindas! Siga estes passos:
- Fork este repositório
- Crie um branch (
git checkout -b feature/nova-feature) - Commit suas mudanças (
git commit -m 'Adiciona nova feature') - Push para o branch (
git push origin feature/nova-feature) - Abra um Pull Request
📄 Licença
Este projeto está licenciado sob a Licença MIT - veja o arquivo LICENSE para detalhes.
- 👨💻 Desenvolvido por Jodavid Ferreira
- ✨ README criado com assistência do DeepSeek
- 📫 Conecte-se comigo:
