Ciência de Dados Complexos

Minha palestra na última sexta feira: Epidemias épicas: como as infecções moldaram a história. E o que a matemática tem a ver com isso? https://www.youtube.com/watch?v=wiF_wQNhXtM

Livro online em pdf: Lecture Notes for Machine Learning and Data Science Courses Information School, University of Washington https://faculty.washington.edu/otoomet/machineLearning.pdf

Livro disponível em pdf: Design of Experiments (DoE) Material didático da disciplina Quimiometria 1, Edição 2026. https://zenodo.org/records/18775578

Artigo fundamental para quem trabalha com ML: Hyperparameter Optimization in Machine Learning https://arxiv.org/pdf/2410.22854

Foundations of Large Language Models https://arxiv.org/abs/2501.09223

Novo texto no Medium: https://medium.com/p/724afc8dba98?postPublishedType=initial

A Universidade de Stanford lançou uma ferramenta de IA gratuita que escreve relatórios com qualidade da Wikipedia, com 99% de precisão e citações. Co-STORM https://storm.genie.stanford.edu/

🎓 Tenho recebido muitas mensagens com dúvidas sobre o nosso curso 𝐅𝐮𝐧𝐝𝐚𝐦𝐞𝐧𝐭𝐨𝐬 𝐝𝐞 𝐏𝐫𝐨𝐛𝐚𝐛𝐢𝐥𝐢𝐝𝐚𝐝𝐞 𝐞 𝐄𝐬𝐭𝐚𝐭𝐢́𝐬𝐭𝐢𝐜𝐚 𝐩𝐚𝐫𝐚 𝐂𝐢𝐞̂𝐧𝐜𝐢𝐚 𝐝𝐞 𝐃𝐚𝐝𝐨𝐬 📊💻 Para facilitar, organizei todas as informações em um site 🌐, incluindo: 📘 o programa do curso 📚 detalhes sobre bolsas 📝 informações sobre inscrições 🎓 depoimentos de ex-alunos ❓ uma seção de Perguntas Frequentes (FAQ) 🎯 𝗪𝗲𝗯𝘀𝗶𝘁𝗲: https://lnkd.in/d6cXzDDF

📚Nosso novo trabalho: 𝐃𝐞𝐬𝐜𝐨𝐛𝐫𝐢𝐧𝐝𝐨 𝐞𝐪𝐮𝐚𝐜̧𝐨̃𝐞𝐬 𝐚 𝐩𝐚𝐫𝐭𝐢𝐫 𝐝𝐞 𝐝𝐚𝐝𝐨𝐬: 𝐫𝐞𝐠𝐫𝐞𝐬𝐬𝐚̃𝐨 𝐬𝐢𝐦𝐛𝐨́𝐥𝐢𝐜𝐚 𝐞𝐦 𝐬𝐢𝐬𝐭𝐞𝐦𝐚𝐬 𝐝𝐢𝐧𝐚̂𝐦𝐢𝐜𝐨𝐬 🚀 Em um artigo de revisão recentemente aceito pelo 𝗝𝗼𝘂𝗿𝗻𝗮𝗹 𝗼𝗳 𝗣𝗵𝘆𝘀𝗶𝗰𝘀: 𝗖𝗼𝗺𝗽𝗹𝗲𝘅𝗶𝘁𝘆, demonstramos como técnicas modernas de 𝗿𝗲𝗴𝗿𝗲𝘀𝘀ã𝗼 𝘀𝗶𝗺𝗯ó𝗹𝗶𝗰𝗮 possibilitam que 𝘀𝗶𝘀𝘁𝗲𝗺𝗮𝘀 𝗱𝗲 𝗶𝗻𝘁𝗲𝗹𝗶𝗴ê𝗻𝗰𝗶𝗮 𝗮𝗿𝘁𝗶𝗳𝗶𝗰𝗶𝗮𝗹 descubram equações, relações matemáticas e leis interpretáveis diretamente a partir dos dados, sem a imposição prévia da forma do modelo. 🎯 A regressão simbólica vai além do ajuste de parâmetros; ela busca a própria estrutura das leis, automatizando etapas centrais do método científico. 🔗 Paper: https://lnkd.in/dN-2zsj8 💥Notebook no Github: https://github.com/luizalober/review_symb_regression 📕Também publicamos um texto que explica o artigo de forma intuitiva: https://francisco-rodrigues.medium.com/kepler-o-primeiro-cientista-de-dados-692916970e1d 🎓 Boa leitura!

📚 𝐂𝐨𝐧𝐭𝐞𝐮́𝐝𝐨: 𝙁𝙪𝙣𝙙𝙖𝙢𝙚𝙣𝙩𝙤𝙨 𝙙𝙚 𝙋𝙧𝙤𝙗𝙖𝙗𝙞𝙡𝙞𝙙𝙖𝙙𝙚 𝙚 𝙀𝙨𝙩𝙖𝙩í𝙨𝙩𝙞𝙘𝙖 𝙥𝙖𝙧𝙖 𝘾𝙞ê𝙣𝙘𝙞𝙖 𝙙𝙚 𝘿𝙖𝙙𝙤𝙨 🔺 O curso é dividido em três partes: ✅ 𝗙𝘂𝗻𝗱𝗮𝗺𝗲𝗻𝘁𝗼𝘀 𝗱𝗲 𝗣𝗿𝗼𝗯𝗮𝗯𝗶𝗹𝗶𝗱𝗮𝗱𝗲𝘀: Teorema de Bayes, variáveis aleatórias, modelos probabilísticos discretos e contínuos, momentos, dados multivariados, simulação de Monte Carlo, Lei dos Grandes Números e Teorema Central do Limite. ✅ 𝗜𝗻𝗳𝗲𝗿ê𝗻𝗰𝗶𝗮 𝗘𝘀𝘁𝗮𝘁í𝘀𝘁𝗶𝗰𝗮: Estimação pontual, intervalos de confiança, bootstrap, testes de hipóteses, valor-p, testes pareados, estatística de Kolmogorov–Smirnov, testes de normalidade e inferência bayesiana. ✅ 𝗠𝗼𝗱𝗲𝗹𝗮𝗴𝗲𝗺 𝗘𝘀𝘁𝗮𝘁í𝘀𝘁𝗶𝗰𝗮 𝗲 𝗔𝗽𝗿𝗲𝗻𝗱𝗶𝘇𝗮𝗱𝗼 𝗦𝘂𝗽𝗲𝗿𝘃𝗶𝘀𝗶𝗼𝗻𝗮𝗱𝗼: Modelos de regressão, seleção de modelos e regularização, teoria da decisão bayesiana, regressão logística e teoria do aprendizado estatístico. 🎯 𝗜𝗻𝘀𝗰𝗿𝗶çõ𝗲𝘀 𝗮𝗯𝗲𝗿𝘁𝗮𝘀: https://lnkd.in/dWwjXV7y 🚨 𝗩𝗮𝗴𝗮𝘀 𝗹𝗶𝗺𝗶𝘁𝗮𝗱𝗮𝘀!

Livro em pdf grátis: PATTERNS, PREDICTIONS, AND ACTIONS A story about machine learning https://mlstory.org/pdf/patterns.pdf

Livro grátis em pdf: https://direct.mit.edu/books/oa-monograph/6067/The-Microeconomics-of-Artificial-Intelligence

Notas de aula sobre RAG: https://www.byhand.ai/p/beginners-guide-to-rag-upcoming Playlists: https://www.youtube.com/@ai-by-hand

Pessoal, as inscrições para a quarta turma do curso Fundamentos de Probabilidade e Estatística para Ciência de Dados estão abertas. Para se inscrever, acessem o link: https://uspdigital.usp.br/apolo/apoObterCurso?cod_curso=550400569&cod_edicao=25004&numseqofeedi=1 Haverá bolsas de estudo com desconto total. A prioridade na classificação das bolsas será dada a: (1) mães ou pais beneficiários do Bolsa Família; (2) mães ou pais desempregados; (3) demais beneficiários do Bolsa Família; (4) desempregados; (5) pessoas de baixa renda; e (6) professores da rede pública. Quem não for concorrer às bolsas deve efetuar o pagamento de R$ 750,00 via PIX, usando o código ou QR Code disponível em: https://www.fafq.org.br/curso/fundamentos-de-probabilidade-e-estatistica-para-ciencia-de-dados-icmc-usp/ É necessário também enviar o comprovante para probest@icmc.usp.br.