Tutoriais de ciência de dados

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.

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.

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.

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.

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.

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.

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

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

Entenda como o bootstrapping melhora a estimação de intervalos de confiança e erros-padrão. Saiba diferenciar as técnicas de bootstrapping paramétrico e não paramétrico e veja como aplicá-lo em previsão de séries temporais.

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.

Domine o Codex CLI da OpenAI para automatizar fluxos de trabalho em dados. Aprenda a fazer EDA, criar pipelines ETL em Python e gerar testes direto do seu terminal local.

Aprenda o que é um teste de normalidade, por que ele é importante e como usar testes comuns como Shapiro-Wilk, Kolmogorov-Smirnov e métodos visuais para verificar seus dados + exemplos em Python e R.