Tutoriais de ciência de dados

Support Vector Regression é um método de regressão baseado em margem que ignora pequenos erros de propósito, lida com relações não lineares via kernels e se mantém firme em dados reais com ruído, onde a regressão padrão fica devendo.

Um guia prático sobre o teste de Kruskal-Wallis — o que é, como funciona, quando usar no lugar do ANOVA e como rodar e interpretar em Python e R.

Um guia conceitual sobre o kernel trick — o que é, como ele potencializa SVMs e outros modelos baseados em kernel, e quando usá-lo em vez de outras abordagens para modelagem não linear.

Entenda o que é uma função objetivo, como ela funciona em otimização e machine learning, e como defini-la e interpretá-la com exemplos reais.

Um guia prático sobre séries geométricas, cobrindo as fórmulas de soma finita e infinita, condições de convergência e aplicações reais em finanças, física e ciência da computação.

O método de Newton é um algoritmo iterativo de busca de raízes que usa aproximações por retas tangentes para chegar à solução de equações sem resposta em forma fechada.

A GELU é uma função de ativação suave e probabilística que supera alternativas mais simples como a ReLU em arquiteturas profundas e se tornou padrão em modelos transformer como BERT e GPT.

O teste U de Mann-Whitney é um teste não paramétrico baseado em postos para comparar dois grupos independentes quando os dados não atendem à suposição de normalidade exigida pelo t-test.

Explore como a regressão polinomial ajuda a modelar relações não lineares e a melhorar a precisão preditiva em dados do mundo real.

Um guia passo a passo sobre expansão por cofatores (expansão de Laplace), cobrindo definições centrais, exemplos resolvidos, propriedades essenciais e sua conexão com a inversão de matrizes via matriz adjunta.

Aprenda como a distribuição binomial modela múltiplos resultados binários e é usada em áreas como finanças, saúde e machine learning.

Descubra por que o número de Euler está em toda parte — do banco e da biologia ao machine learning e à meteorologia — e como essa constante impulsiona crescimento e mudança contínuos.