O tutorial proposto será divido em três etapas: Visão geral do pipeline de machine learning, aplicação em dados reais e automatização. Não adianta apresentar linhas e mais linhas de código se o aluno não compreende a visão geral do pipeline de machine learning. Por esse motivo, na primeira etapa será explicado os conceitos de: split de treino e teste, pre processamento, escolha de modelo, tuning dos parâmetros e validação do modelo. Na segunda etapa será mostrado aos alunos aplicações, em dados reais, de um modelo de regressão, um de classificação e um de clusterização. Por fim, será mostrado como realizar comparação entre vários modelos ao mesmo tempo e automatizar todo este processo. Dessa forma, é possível reaproveitar esse código quando a base de dados inicial for apenas atualizada, ou seja, muito útil em processos que necessitem de modelagem quando estão em produção.

• Nível: intermediário
• Objetivo: O conhecimento na área de machine learning vem cada vez mais sendo um diferencial no mercado de trabalho para o estatístico e cientista de dados. O pacote tidymodels, desenvolvido pelo Rstudio, ajuda bastante em todo o pipeline de machine learning, pois encapsula todas as etapas: pre-processamento, escolha do modelo, tuning de parametros e previsão. O objetivo desse tutorial será explicar, passo a passo, como utilizar o tidymodels em todas as etapas do pipeline de machine learning. De posse deste conhecimento, o aluno terá autonomia para realizar suas próprias modelagem e automatizar o processo que possa ser reaproveitado para novas entradas.
• Pré-requisitos: R básico