اکنون در دسترس! پژوهش تلگرام ۲۰۲۵ — مهمترین بینشهای سال 
Ciência de Dados Complexos
رفتن به کانال در Telegram
Canal sobre Ciência de Dados e IA, onde divulgamos livros, tutoriais, cursos, palestras e muito mais. Tudo gratuito. Gerenciado pelo prof. Francisco Rodrigues (USP). Aulas online sobre Estatística e CD no Youtube: https://youtube.com/franciscorodrigues
نمایش بیشتر4 695
مشترکین
-124 ساعت
+127 روز
+1530 روز
آرشیو پست ها
Cursos Gratuitos na FGV. Há vário na área de dados. Feliz Natal a todos! 🎄
https://educacao-executiva.fgv.br/cursos/gratuitos
Há cursos de Ciência de Dados
https://www.cnnbrasil.com.br/educacao/fgv-oferece-mais-de-200-cursos-on-line-gratuitos/
Divulgando o curso da Profa. Cibele e do Prof. Elias.
https://cdpo-usp.github.io/posts/conte%C3%BAdo/
Nosso curso de Probabilidade e Estatística esgotou as vagas. Quem não conseguiu se inscrever, pode deixar o contato para a lista de espera ou para novas turmas (estamos planejando uma nova turma para maio):
https://forms.gle/zL3xxZEJK8DNAnFo7
Livro em pdf:
Advanced Data Analysis from an Elementary Point of View
https://www.stat.cmu.edu/~cshalizi/ADAfaEPoV/ADAfaEPoV.pdf
Excelente livro em pdf: Bayesian Data Analysis
http://www.stat.columbia.edu/~gelman/book/
Biblioteca em Python para regressão simbólica: Versão 1.0 anunciada.
https://ai.damtp.cam.ac.uk/pysr/
Mais um texto no Medium: (Spoiler, vocês conhecem a regressão simbólica?)
https://medium.com/@francisco-rodrigues/kepler-o-primeiro-cientista-de-dados-692916970e1d
Novo texto no Medium:
https://francisco-rodrigues.medium.com/a-era-da-complexidade-e648432f560a
Livro disponível online:
Causal Inference in R
https://www.r-causal.org/
Livro em pdf disponível:
Theoretical Foundations of Conformal Prediction
https://arxiv.org/abs/2411.11824
Pessoal, não sei se é possível ver no Telegram, mas no Firefox ou Chrome eu consigo ver os posts anteriores do canal. São 4 anos de informações!
https://t.me/s/cdcomplexos
Artigo que discute as diferentes funções de custo e métricas de avaliação de models em deep learning.
Loss Functions and Metrics in Deep Learning
https://arxiv.org/abs/2307.02694
