Data Science Tutorials

Personalize o modelo GPT-4o Mini para classificar as publicações do Reddit em rótulos "estressantes" e "não estressantes".

O Llama Stack é um conjunto de ferramentas padronizadas e APIs desenvolvidas pela Meta que simplifica o processo de criação e implantação de grandes aplicativos de modelos de linguagem.

O Python dlt é uma ótima opção para engenheiros de dados que desejam mover dados com rapidez e confiança. Ele se integra a praticamente qualquer origem e destino e permite que você escreva seus pipelines ELT/ETL rapidamente. Este tutorial mostra a você como controlar cada etapa do pipeline e trabalhar com arquivos locais, nuvem, bancos de dados e APIs REST.

Explore os tipos de modelos de equações estruturais. Aprenda a fazer suposições teóricas, criar um modelo hipotético, avaliar a adequação do modelo e interpretar os resultados da modelagem de equações estruturais.

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.

Descubra o significado da distribuição gaussiana, sua relação com o teorema do limite central e suas aplicações no mundo real em aprendizado de máquina e testes de hipóteses.

Aprenda a fazer regressão linear simples. Domine a equação do modelo, entenda as principais suposições e diagnósticos e saiba como interpretar os resultados de forma eficaz.

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 o algoritmo de clustering de deslocamento médio, suas vantagens, aplicações no mundo real e a implementação passo a passo em Python. Compare-o com o K-means para entender as principais diferenças.

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.

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

Descubra como usar o teste ANOVA para comparar médias de vários grupos com exemplos claros, aplicações reais e dicas práticas para análise de dados.