Tutoriais de ciência de dados

Um passo a passo detalhado sobre overfitting e underfitting em machine learning: como identificar cada falha, por que acontecem e como corrigi-las via trade-off viés-variância.

Um guia prático de GLMs — o que são, como seus três componentes funcionam juntos e como ajustá-los e interpretá-los em Python e R.

Gradient clipping é um ajuste de uma linha no treino que impede gradientes explosivos de arruinarem o treinamento de redes neurais profundas. Este guia explica como funciona, os dois principais métodos, como escolher o limiar e como implementar no PyTorch e no TensorFlow.

Um guia sobre Markov Chain Monte Carlo — como funciona, por que é usado, os algoritmos mais comuns e como aplicar em Python para inferência bayesiana.

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.