🎓 Machine Learning - Curso Prático

Repositório didático e executável para aprendizado progressivo de Machine Learning com Python e UV.

👨‍🏫 Sobre o Projeto

Este repositório foi criado pelo Prof. Pablo De Chiaro para a unidade curricular FIA (Fundamentos de Inteligência Artificial). O objetivo principal é guiar os estudos fundamentais da unidade curricular, fornecendo uma base sólida e prática para o aprendizado de Machine Learning.

🌟 Propósito e Uso

• 🎯 Principal: Material de apoio para a unidade curricular FIA
• 🌍 Aberto: Disponível para qualquer aluno ou professor que deseje utilizá-lo
• 🆓 Livre: Uso completamente gratuito e sem restrições
• 🤝 Colaborativo: Contribuições de novos materiais são muito bem-vindas

Nota: Embora criado para FIA, este material serve como recurso universal para o ensino e aprendizado de Machine Learning.

Você precisa do UV instalado uv.sh

## mac/linux/Windows(GitBash terminal):
curl -LsSf https://astral.sh/uv/install.sh | sh
## Windows(Powershell):
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

## Encerre TODOS terminais abertos!
## para verificar a instalação, rode no terminal:
uv --version

🚀 Início Rápido para Alunos

# 1. Clone o repositório
git clone https://github.com/chiarorosa/machine-learning-aulas.git
cd machine-learning-aulas

# 2. Configure o ambiente
uv sync

# 3. Configure seus arquivos de exercícios
uv run scripts/setup-student.py

# 4. Abra o Jupyter Lab
uv run jupyter lab

✅ Pronto! Agora você pode trabalhar nos exercícios em arquivos *_aluno.ipynb

📚 Estrutura do Curso

Módulo	Tópico
01	🔧 Fundamentos e Pré-processamento
02	🎯 Classificação
03	✅ Validação e Otimização
04	⚙️ Feature Engineering
05	🔍 Aprendizado Não-Supervisionado
06	🧠 Redes Neurais
07	🤖 Deep Learning
08	🎯 Projetos Práticos

🎯 Como Estudar

Para Alunos:

1. 📖 Estude as lições: modules/*/lessons/*.ipynb
2. ✏️ Faça os exercícios: Edite apenas arquivos *_aluno.ipynb
3. 🧪 Teste seu código: uv run pytest
4. 📊 Avalie progresso: uv run scripts/grade_exercise.py <arquivo_aluno.ipynb> <arquivo_tests.py>
5. 🔄 Receba atualizações: ./update-course.sh

Comandos Essenciais:

# Configuração inicial
uv run scripts/setup-student.py      # Criar arquivos de trabalho
uv run scripts/check-structure.py    # Verificar configuração

# Trabalho diário
uv run jupyter lab                   # Abrir Jupyter
uv run pytest                       # Executar testes
./update-course.sh                  # Receber atualizações do professor

# Avaliação
uv run scripts/grade_exercise.py \
  modules/01-fundamentos/exercises/01_preprocess_aluno.ipynb \
  tests/exercises/01-fundamentos_01_preprocess_tests.py

⚠️ Regras Importantes

✅ PODE:

• ✏️ Editar arquivos *_aluno.ipynb
• 🔄 Fazer git commit dos seus arquivos *_aluno.ipynb
• 🧪 Executar testes e scripts de avaliação

❌ NÃO PODE:

• 🚫 Editar templates originais (sem _aluno)
• 🚫 Modificar arquivos em lessons/
• 🚫 Alterar arquivos de teste (em tests/exercises/)

🔄 Recebendo Atualizações

O professor pode adicionar novos conteúdos. Para receber:

./update-course.sh

Este script:

• 📡 Baixa novos conteúdos do professor
• 📦 Atualiza dependências
• 📚 Configura novos exercícios automaticamente
• ✅ Verifica que tudo está funcionando

🤝 Contribuições e Colaboração

Este projeto é aberto e colaborativo! Professores, alunos e entusiastas de Machine Learning são encorajados a:

• 📚 Adicionar novos módulos ou lições
• 🛠️ Melhorar exercícios existentes
• 🐛 Reportar bugs ou problemas
• 💡 Sugerir melhorias pedagógicas
• 📖 Contribuir com documentação

Consulte o Guia de Contribuição para mais detalhes.

📖 Documentação Completa

• 👨‍🎓 Guia Completo do Aluno - Tutorial detalhado
• 📝 Esquema de Conteúdo - Estrutura dos módulos
• 🔧 Guia de Extensão - Para professores/contribuidores
• 🤝 Como Contribuir - Contribuições são bem-vindas

🚧 Para Desenvolvedores/Professores

Comandos Avançados

# Desenvolvimento
uv run scripts/tasks.py setup          # Configurar ambiente de dev
uv run scripts/tasks.py lint           # Verificar código
uv run scripts/tasks.py test           # Executar todos os testes

# Gerenciar módulos
uv run scripts/manage_tests.py enable 05-redes-neurais
uv run scripts/manage_tests.py disable 02-classificacao
uv run scripts/manage_tests.py list

# Executar notebooks
uv run scripts/run_all_notebooks.py

# Gerar datasets
uv run scripts/make_dataset_synth.py

❓ Problemas Comuns

Problema	Solução
"Não tenho arquivo _aluno"	uv run scripts/setup-student.py
"Conflitos no git pull"	./update-course.sh
"Testes não passam"	Verifique implementação no *_aluno.ipynb
"Jupyter não abre"	uv sync && uv run jupyter lab

🏆 Por que UV?

• ⚡ Ultra-rápido: 10-100x mais rápido que pip
• 🔒 Reprodutível: Ambientes idênticos para todos
• 🌍 Multiplataforma: Windows, macOS, Linux
• 🎯 Moderno: Padrão atual da comunidade Python

---

🎯 Meta: Aprender ML de forma prática, progressiva e reprodutível!

🎓 Criado por: Prof. Pablo De Chiaro para FIA - Fundamentos de Inteligência Artificial

🌍 Uso Livre: Material aberto para toda a comunidade acadêmica

💡 Dúvidas? Abra uma issue ou consulte o Guia do Aluno