v1.1.7 - Docs: link do deploy Streamlit no README

Documentacao

• Adicionado badge e link para o deploy no Streamlit Cloud no README.
• Homepage do repositorio atualizada para https://machinelearning-cfn.streamlit.app/.

v1.1.6 - gitignore: LEIA_ANTES_DE_COMECAR.txt ignorado

Manutencao

• Adicionado LEIA_ANTES_DE_COMECAR.txt ao .gitignore. Arquivo de instrucao interna do projeto, nao faz parte do conteudo do curso.

v1.1.5 - Renomeacao: Caderno de Exercicios

Refatoracao

• Pagina 'Area do Aluno' renomeada para 'Caderno de Exercicios' em toda a interface.
• Nome mais descritivo: descreve o conteudo (exercicios), nao o publico (aluno).
• Arquivo pages/Aluno.py mantido com o mesmo nome para evitar quebra de referencias.

v1.1.4 - gitignore: mais scripts ignorados

Manutencao

• .gitignore atualizado para cobrir mais scripts de manutencao e arquivos de instrucao internos.

v1.1.3 - Fix: mantem linha Disciplina: Machine Learning

Correcao

• Mantida a linha ## **Disciplina**: Machine Learning nos cabecalhos de todos os notebooks.
• Removida apenas a referencia ao uniSENAI, conforme convencao atualizada do projeto.

v1.1.2 - Fix cabecalho notebooks (reverter parcial)

Correcao

• Correcao parcial no cabecalho dos notebooks. Revertida e corrigida em v1.1.3.

v1.1.1 - gitignore: scripts internos ignorados

Manutencao

• Adicionados scripts de manutencao ao .gitignore (nao fazem parte do conteudo do curso).

v1.1.0 - Caderno de Exercicios: Aulas 01-04

Novidade

Adicionados notebooks do aluno para as primeiras 4 aulas.

Notebooks disponiveis

Aula	Arquivo	Exercicios
01	Aula_01_Introducao_ao_ML_(aluno).ipynb	7
02	Aula_02_Analise_Exploratoria_(aluno).ipynb	6
03	Aula_03_Regressao_Linear_Polinomial_(aluno).ipynb	7
04	Aula_04_Regressao_Logistica_KNN_(aluno).ipynb	6

Celulas marcadas com ✍ para preencher, com dicas no codigo. Download disponivel no Caderno de Exercicios do portal.

v1.0.1 - Fix cabecalho dos templates

Correcao

• Corrigido template de cabecalho dos notebooks para seguir a convencao padrao do projeto.

v1.0.0 — Lançamento Inicial

Lançamento Inicial

Curso completo de Machine Learning com 8 aulas interativas em Streamlit.

Conteúdo

• 8 aulas cobrindo Introdução ao ML, EDA, Regressão Linear e Polinomial, Regressão Logística e KNN, Naive Bayes e SVM, Decision Tree e Random Forest, K-Means e PCA, e Comparação de Modelos
• Portal de navegação com cards para cada aula
• Notebooks do professor (versão resolvida) para todas as aulas
• Deploy pronto para Streamlit Cloud

Stack

Python 3.10+ · Streamlit ≥ 1.36 · scikit-learn ≥ 1.4 · pandas · numpy · matplotlib · seaborn · XGBoost · joblib