Tutoriais de Ciência de Dados

Neste tutorial, você aprenderá a classificar usando order(). Abordaremos como classificar vetores usando diferentes parâmetros, classificando quadros de dados e muito mais.

Descubra como dominar as subconsultas SQL para aprimorar suas consultas a bancos de dados. Saiba mais sobre subconsultas correlacionadas, não correlacionadas e recursivas. Saiba mais sobre a ordem de execução e como combinar subconsultas SQL com outros recursos SQL.

Descubra como acessar os dados do seu dataframe com subconjuntos. Saiba como fazer um subconjunto usando colchetes ou usando a função subset() do R.

Um guia introdutório para Pythonistas sobre herança múltipla, a função super() e como lidar com o problema do diamante.

Explore a entropia cruzada no aprendizado de máquina em nosso guia sobre como otimizar a precisão e a eficácia do modelo na classificação com exemplos do TensorFlow e do PyTorch.

Use os testes t ao lidar com amostras pequenas ou variância desconhecida, e os testes Z quando as amostras forem grandes e a variância for conhecida.

Aprenda MLOps básicos e desenvolvimento e implantação de ponta a ponta de pipelines de ML.

Aprenda a usar efetivamente o VBA no Excel para automatizar tarefas, criar macros e aprimorar suas habilidades de processamento de dados com exemplos práticos e práticas recomendadas.

Aprenda sobre os fundamentos do desenvolvimento da Web usando o Django para criar aplicativos de blog que tenham a funcionalidade (CRUD) Criar, Ler, Atualizar, Excluir.

Neste tutorial, você aprenderá a extrair dados da Web, a manipular e limpar dados usando a biblioteca Pandas do Python e a visualizar dados usando a biblioteca Matplotlib do Python.

Este tutorial apresentou uma visão geral do método de ensemble de ensacamento no aprendizado de máquina, incluindo como ele funciona, a implementação em Python, a comparação com o reforço, as vantagens e as práticas recomendadas.

Veja como uma matriz de confusão categoriza as previsões do modelo em Verdadeiros Positivos, Falsos Positivos, Verdadeiros Negativos e Falsos Negativos. Continue lendo para entender sua estrutura, etapas de cálculo e usos para lidar com dados desequilibrados e análise de erros.