Blog

Todos os artigos

Pandas — Series e DataFrames
AI Programming with Python

Pandas — Series e DataFrames

Em todo projeto de ML, antes de qualquer modelo, você precisa lidar com dados. E dados reais vêm em formatos tabulares: CSVs, planilhas Excel, bancos de dados relacionais, resultados de APIs em JSON. O Pandas é a ferramenta que transforma esses dados brutos em algo que você pode analisar, limpar e usar para treinar modelos.

Pandas — Limpeza, Agrupamento e Merge
AI Programming with Python

Pandas — Limpeza, Agrupamento e Merge

Existe um ditado clássico em ciência de dados: "garbage in, garbage out". Um modelo treinado com dados sujos produz predições ruins, independente de quão sofisticado seja o algoritmo.

Matplotlib e Seaborn — Visualização de Dados
AI Programming with Python

Matplotlib e Seaborn — Visualização de Dados

Antes de treinar qualquer modelo, você precisa entender seus dados. Visualizações revelam padrões, outliers, distribuições e relações que números brutos escondem.

Introdução ao Machine Learning
AI Programming with Python

Introdução ao Machine Learning

Machine Learning é um subcampo da Inteligência Artificial onde sistemas aprendem padrões a partir de dados, sem serem explicitamente programados para cada situação.

Árvores de Decisão e Random Forest
AI Programming with Python

Árvores de Decisão e Random Forest

Árvores de decisão são um dos algoritmos mais usados em produção por três razões principais:

Avaliação de Modelos e Validação Cruzada
AI Programming with Python

Avaliação de Modelos e Validação Cruzada

Um modelo mal avaliado é pior do que nenhum modelo — você toma decisões baseadas em uma performance que não existe na prática.

Fundamentos de Redes Neurais
AI Programming with Python

Fundamentos de Redes Neurais

O neurônio biológico recebe sinais elétricos de outros neurônios através dos dendritos, processa esses sinais no corpo celular e, se o estímulo for suficientemente forte, dispara um sinal pelo axônio para os próximos neurônios.

Gradiente Descendente e Backpropagation
AI Programming with Python

Gradiente Descendente e Backpropagation

Na aula anterior construímos o forward pass. O modelo faz uma predição, calculamos a perda — mas como saber em qual direção ajustar cada um dos milhares de pesos para reduzir a perda?