Tutoriais de Ciência de Dados.

Saiba como instalar o Jenkins no Windows, configurar e executar agentes e pipelines do Jenkins e criar projetos MLOps com pipelines do Jenkins, desde o treinamento do modelo até a veiculação do modelo.

Uma média winsorizada reduz a influência de outliers limitando os valores extremos a percentis específicos, preservando a estrutura geral do conjunto de dados. Continue lendo para saber como calcular a média winsorizada usando Python para praticar.

Saiba como o UPDATE com JOIN no SQL simplifica as atualizações entre tabelas no SQL Server. Entenda como INNER JOIN e LEFT JOIN diferem em casos de uso específicos e explore alternativas usando subconsultas ou a instrução MERGE.

Descubra o GitHub Codespaces, o ambiente de desenvolvimento que permite que você escreva, execute e implante seu código em qualquer lugar.

Saiba como a curva AUC-ROC avalia os modelos de classificação binária, concentrando-se no desempenho entre os limites, especialmente em conjuntos de dados desequilibrados. Use as bibliotecas do Python para calcular os valores de AUC e comparar os classificadores em um fluxo de trabalho.

Aprenda a calcular o desvio padrão da amostra e a entender sua importância na análise estatística. Explore exemplos e práticas recomendadas para a interpretação de dados do mundo real.

Saiba como o Python gerencia automaticamente a memória com contagem de referência e coleta de lixo geracional e entenda como controlar manualmente a coleta de lixo usando o módulo gc.

Saiba como calcular a soma total de quadrados (SST), a soma de quadrados de regressão (SSR) e a soma de quadrados de erro (SSE) para avaliar a precisão do modelo de regressão. Descubra suas relações matemáticas e como elas afetam o R-quadrado.

Descubra como interpretar o r-quadrado ajustado para avaliar o desempenho do modelo de regressão. Compare a diferença entre o r-quadrado e o r-quadrado ajustado com exemplos em R e Python.

Use color_palette() para separação categórica clara, cubehelix_palette() para dados sequenciais graduais e diverging_palette() para divergência clara de um ponto médio.

Os vetores e valores próprios são essenciais para entender as transformações lineares. Este artigo aborda sua interpretação geométrica, cálculo matemático e importância no aprendizado de máquina.

Explore como a distância euclidiana une a geometria antiga e os algoritmos modernos, com exemplos de codificação em Python e R, e aprenda sobre suas aplicações em ciência de dados, aprendizado de máquina e análise espacial.