Menu
CoddyTech
COMEÇAR A APRENDER
flag Pt iconPortuguêsdown icon
machine Learning iconParte do Journey de Machine LearningNovoJornada

Aprendizado supervisionado com scikit-learn

Treine modelos que aprendem com exemplos rotulados. Divida, ajuste, preveja e avalie com scikit-learn, veja cada modelo em um gráfico e termine entregando um classificador de espécies de pinguins.

COMEÇAR A APRENDER(é grátis)
Ver programaPlayground de Aprendizado supervisionado

1,000+ codders inscritos

58 lições58 desafios240 perguntas de quiz

  • Ideal para iniciantes
  • sparkles iconAjuda de codificação com IA
  • hint iconLições interativas e práticas
  • quiz iconQuestionários para testar seu conhecimento
  • certificate iconCertificado grátis de conclusão

Programa

1 seções58 lições58 desafios240 perguntas de quiz

Esta seção faz parte do Journey de Machine Learning. O programa completo tem mais seções - clique em qualquer prévia abaixo para vê-la na página do Journey.

  1. Seção 1Dados e gráficos60 lições
  2. Seção 2Estatística para ML64 lições
  3. Seção 3

    Aprendizado supervisionado

    Começar seçãoIniciarExpandirRecolher    Treine modelos reais com scikit-learn: divida os dados, ajuste, faça previsões e avalie o desempenho. k-NN, regressão linear e logística, árvores, florestas e boosting; avaliação rigorosa com validação cruzada e pipelines, culminando em um projeto completo com pinguins.58 lições58 desafios240 perguntas

    Seu primeiro modelo

    5 lições520

    Vizinhos Mais Próximos

    5 lições520

    Regressão Linear

    5 lições520

    Regressão logística

    5 lições520

    Avaliando Classificadores

    6 lições625

    Árvores de Decisão

    5 lições520

    Sobreajuste

    5 lições520

    Validação Cruzada

    4 lições415

    Métodos ensemble

    4 lições415

    Pipelines

    5 lições520

    Projeto: Espécies de Pinguins

    5 lições525

    Desafios Finais

    4 lições420
  4. Seção 4Aprendizado não supervisionado51 lições
Ver o programa completo do Journey de Machine Learning
O que você recebe
Tudo o que você vai usar para aprender a programar

Aprenda Fazendo

Escreva código real, consulte bancos de dados, crie sites e domine prompts de IA. Nossas lições interativas cobrem todas as habilidades que desenvolvedores modernos precisam.

playground.js
Editor de Código
1const greeting = "Hello, Coddy!"
2function sayHi(name) {
3    return greeting + " " + name
4}
5
bottombar Collapse icon
Teste #1test Case Success icon
Teste #2test Case Success icon
Teste #3test Case Failure icon
Entrada
"Alex"
Saída
"Hello, Coddy! Alex"

Construa Sua Sequência

Mantenha a consistência e veja seu progresso crescer! Acompanhe seu hábito diário de programação, proteja sua sequência com dias de congelamento e ganhe recompensas por aparecer todos os dias.

12 dias de sequência

Volte amanhã para manter sua sequência!

fire Filled icon
left icon

January 2026

right icon

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

21

22

23

24

25

26

27

28

29

30

product Double Or Nothing icon

Tudo ou Nada

Dia 5 de 7

fire Freeze icon

Congelar Sequência

2 left

Onde Quiser

Leve sua jornada de programação com você! Sem configuração, sem downloads - apenas abra e comece a programar. Disponível no iOS, Android e Web com avaliações de 4.9 estrelas.

Python
7Sequência
250Pontuação
5Energia
Variáveis
journey Hex Done Base iconjourney Hex Done Shadow iconjourney Hex Done Top iconjourney Lesson Done icon
journey Path Right Done icon
journey Hex Done Base iconjourney Hex Done Shadow iconjourney Hex Done Top iconjourney Lesson Done icon
journey Path Left Done icon
journey Hex Active Base iconjourney Hex Active Shadow iconjourney Hex Active Top iconjourney Lesson Theory Challenge icon
CONTINUAR
journey Path Right icon
journey Hex Locked Base iconjourney Hex Locked Shadow iconjourney Hex Locked Top iconjourney Lesson Theory Challenge icon
journey Path Left icon
journey Hex Locked Base iconjourney Hex Locked Shadow iconjourney Hex Locked Top iconjourney Lesson All icon
Jornada
Metas
Tabela de Líderes
Perfil
4.9
EstrelaEstrelaEstrelaEstrelaEstrela
Avaliação

Você Não Está Sozinho

Compita em placares globais, convide amigos para ganhar recompensas e celebre as conquistas uns dos outros. Programar é melhor com amigos!

Liga Challenger
Liga ChallengerTop 7 avançam
leaderboard First icon1
avatar 1 icon
fire Filled icon
Alex7+ Days
2840
leaderboard Second icon2
avatar 2 icon
fire Filled icon
Jordan7+ Days
2650
leaderboard Third icon3
avatar 3 icon
fire Filled icon
Sam7+ Days
2420
4
avatar 4 icon
Casey
2180
5
avatar placeholder icon
fire Filled icon
Morgan7+ Days
1950
leaderboard Arrow Up iconZona de promoçãoleaderboard Arrow Up icon

Aprenda de todas as formas

Leia, ouça, teste-se, pergunte à IA ou consulte qualquer coisa que já tenha estudado. Cada lição se adapta a você.

Introdução a variáveis
Áudio

Uma variável é um contêiner nomeado que armazena um valor que você pode referenciar depois.

Em Python, você cria uma escrevendo o nome, um sinal de igual e o valor que quer armazenar.

O valor pode mudar com o tempo - reatribuir o nome simplesmente o aponta para um novo valor.

1xSarah

Seja Certificado

Ganhe certificados para cada curso que você completar. Adicione-os ao seu perfil do LinkedIn e currículo para mostrar sua experiência em programação aos empregadores.

CoddyCertificado de Conclusão
Este certifica queJoão Silvacompletou com sucesso
python iconFundamentos de Python
Verificado
Datajan 2026
LinkedInAdicionar ao LinkedIn

Por que aprender aprendizado supervisionado com a Coddy

  • Todo o fluxo do scikit-learn em quatro linhas que você vai usar em todo projeto: train_test_split, fit, predict e score. Depois disso, cada modelo novo é uma linha a mais, não um jeito novo de trabalhar.
  • Veja o que um modelo decide. Fronteiras de decisão colorem o plano, gráficos de resíduos mostram o que uma reta deixa escapar, curvas ROC mostram o que um limiar sacrifica. Toda aula tem um gráfico, e o seu aparece na aba Gráficos quando você executa.
  • Os modelos que fazem a maior parte do trabalho real: k vizinhos mais próximos, regressão linear e logística, árvores de decisão, random forests e gradient boosting, além de pipelines que padronizam, codificam e preenchem lacunas sem vazar o conjunto de teste.
  • Notas honestas. Matrizes de confusão, precisão e recall, classes desbalanceadas, overfitting, conjuntos de validação e validação cruzada, para separar um modelo que funciona de um que decorou a lição de casa.

Perguntas frequentes sobre aprendizado supervisionado

O que é aprendizado supervisionado?

O aprendizado supervisionado treina um modelo com exemplos que vêm com a resposta certa, chamada rótulo. Cada linha tem features (o comprimento do bico de um pinguim, o da nadadeira, a ilha) e um rótulo (a espécie). O modelo aprende a relação entre eles e depois prevê o rótulo de linhas novas. É supervisionado porque os rótulos fazem o papel de professor: o modelo é corrigido por eles enquanto aprende.

Qual a diferença entre aprendizado supervisionado e não supervisionado?

O aprendizado supervisionado tem rótulos e os prevê: spam ou não, o preço de um apartamento, a espécie de uma flor. O não supervisionado não tem rótulos e procura estrutura nos próprios dados: grupos de clientes parecidos, as poucas direções que explicam quase toda a variação, as leituras que parecem erradas. Em geral o supervisionado vem primeiro; a seção de aprendizado não supervisionado vem logo depois.

O que são classificação e regressão?

São os dois tipos de aprendizado supervisionado. A classificação prevê uma categoria, como spam ou não spam, ou um de três tipos de vinho. A regressão prevê um número, como os aluguéis de bicicletas de amanhã ou a evolução da doença de um paciente. Muitos modelos fazem as duas coisas: existe um k-NN, uma árvore de decisão e uma random forest para cada uma, e o curso usa as duas versões.

Quais algoritmos de aprendizado supervisionado o curso cobre?

k vizinhos mais próximos, regressão linear e Ridge, regressão logística, árvores de decisão, random forests e gradient boosting, tudo com scikit-learn. Em volta deles você aprende as ferramentas que os tornam úteis: StandardScaler, OneHotEncoder, SimpleImputer, pipelines, cross_val_score e GridSearchCV.

O que devo saber antes de começar?

O básico de Python mais NumPy, pandas e matplotlib, e estatística suficiente para ler uma média, uma dispersão e uma correlação. As duas primeiras seções do curso de machine learning ensinam exatamente isso. Se você já sabe, pode começar por aqui.

Como sei se o meu modelo é bom?

Você o testa com linhas que ele nunca viu no treino e o compara com uma referência simples, como chutar sempre a classe mais comum. A acurácia sozinha pode enganar quando uma classe é rara, então o curso também ensina matriz de confusão, precisão, recall, F1 e curvas ROC, e validação cruzada para conferir que a nota não foi sorte.

Quanto tempo leva a seção de aprendizado supervisionado?

58 aulas, cerca de 10 horas no seu ritmo: algumas semanas a meia hora por dia. Cada aula é uma ideia e uma tarefa, e a seção termina com o projeto dos pinguins e quatro desafios finais.

É grátis?

Sim. As aulas, os gráficos, as dicas de IA e o certificado da seção são grátis. Uma conta gratuita avança algumas aulas por dia, e o Pro remove o limite diário.

Trilhas de aprendizado que incluem este curso

Este curso é uma etapa de uma trilha mais longa: vários cursos na ordem em que um mentor os ensinaria, cada um com seu próprio certificado grátis.

Ilustração das linguagens de programação do Coddy

Aprenda Aprendizado supervisionado com Coddy

COMEÇAR