Agrupamento de Dados com K-Means

Apresentando o problema de clustering e a importância de técnicas de agrupamento em cenários reais. Introduzir o algoritmo K-Means como uma das abordagens mais utilizadas para esse tipo de tarefa.Explicaremos o funcionamento do algoritmo passo a passo: Escolha do número de clusters (K), Inicialização dos centróides, Associação de cada ponto ao centróide mais próximo, Atualização dos centróides e Repetição do processo até convergência. Na sequência, realizaremos a implementação do algoritmo K-Means, demonstrando na prática como ele funciona. link dos códigos utilizados em aula: github.com/praticas-codes/codigos-aulasML/blob/main/clustering-2.py (Estão todos juntos em um único arquivo mas separem - os em células no collab)