Tutoriais de Ciência de Dados

Um mergulho na arquitetura ResNet, mostrando como o aprendizado residual e as conexões de atalho resolvem os problemas de gradiente que desaparece e degradação que dificultam o treinamento de redes neurais profundas.

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.

Aprenda a usar a função SQL RANK() para atribuir classificações às linhas, lidar com empates e compará-la com DENSE_RANK() e ROW_NUMBER().

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.

Aprenda a criar e usar tabelas dinâmicas no Google Sheets para resumir, analisar e explorar seus dados.

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.

Aprenda a usar VLOOKUP() no Google Sheets para buscar, encontrar e puxar dados de grandes bases em segundos.

Aprenda a fazer fine-tuning do NVIDIA Nemotron-3-Nano-4B em um dataset de Q&A de psicologia usando uma GPU RTX 3090, com LoRA e TRL, após baixar o modelo do Hugging Face.

Aprenda a usar o Qwen 3.6 Plus da Alibaba, Python e o SDK da OpenAI para criar um pipeline automatizado de processamento de faturas com visão nativa e chamadas de ferramentas.

Aprenda a criar um app de agente da OpenAI que roda dentro de Modal Sandboxes, trabalha com arquivos, executa código e retorna resultados neste tutorial prático em Python.

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.

Aprenda a criar agentes de IA confiáveis com Pydantic AI em Python. Valide saídas, use ferramentas e faça streaming de insights com exemplos de código práticos.