Ciência de Dados Complexos

Comunidade de MLOPs: https://home.mlops.community/

Playlist interessante sobre MLOPs: https://www.youtube.com/playlist?list=PL3vkEKxWd-us5YvvuvYkjP_QGlgUq3tpA

Livro online em pdf: Probability and Statistics A Course for Physicists and Engineers https://www.degruyter.com/document/doi/10.1515/9783110562545/html

Para quem estiver em São Carlos: Seminário sobre estatística de redes complexas. Aberto a todos!

Leitura do livro sobre a matemática do aprendizado profundo: https://www.youtube.com/watch?v=9qft8r1iZYQ&list=PL7RZyOlq_XnylnDcHchjKeFuMNxeDdH4P

Taxonomia das principais distâncias. Usadas em diversos algoritmos, como o knn e k-means.

Como usar o chatgpt para aprender a programar em CD? Ótimas dicas. É possível incluir legendas em Português. https://www.youtube.com/watch?v=VznoKyh6AXs

Evento interessante sobre IA. Com transmissão online no youtube: Regulação da IA: Como as experiências de outros países e regiões podem ajudar o Brasil? https://agencia.fapesp.br/agenda-detalhe/regulacao-da-ia-como-as-experiencias-de-outros-paises-e-regioes-podem-ajudar-o-brasil/41708/

Livro gratuito em pdf sobre Processamento de Linguagem Natural (PLN): https://www.techprofree.com/download-neural-language-processing-with-python-pdf/

Texto interessante sobre a aleatoriedade, que é um conceito fundamental em ciência de dados: https://www.researchgate.net/publication/371169292_Randomness_A_Challenging_Central_Concept

Podcast bem interessante sobre a Ciência das Redes: Albert Laslo Barabási é um dos criadores dessa teoria, que pode ser usada para modelar desde as interações em redes sociais até as conexões em nosso cérebro. https://www.arelion.com/knowledge-hub/the-connectivity-podcast/season-4-episode-37

Para quem gosta de filosofia, esse é um texto interessante. Seria o universo uma imensa rede neural? https://bigthink.com/hard-science/the-universe-may-be-a-giant-neural-network-heres-why/?utm_medium=Social&utm_source=Twitter#Echobox=1686615973-2 É possível traduzir com google tradutor: https://translate.google.com/?hl=pt-BR&sl=en&tl=pt&op=websites

Embora essas dicas sejam para alunos de pós-graduação, elas podem ajudar quem trabalha com Ciência de Dados, pois é importante apresentar os resultados e compartilhar ideias com um audiência especializada. Ten Simple Rules for Making Good Oral Presentations https://journals.plos.org/ploscompbiol/article?id=10.1371%2Fjournal.pcbi.0030077

Para quem desenvolve códigos: https://www.nature.com/articles/d41586-023-01833-0

Elaborar gráficos pode ser uma dificuldade para os iniciantes em ciência de dados. Essa lista de possibilidades é uma ótima opção para ajudar nessa elaboração: https://www.python-graph-gallery.com/

Curso completo de estatística na Universidade de Harvard. Ótima oportunidade para ver como são as aulas numa das principais universidade do mundo e, ao mesmo tempo, aprender estatística: Statistics 110: Probability https://www.youtube.com/playlist?list=PL2SOU6wwxB0uwwH80KTQ6ht66KWxbzTIo

Redes neurais para NLP. Curso completo na Carnegie Mellon University: https://www.youtube.com/playlist?list=PL8PYTP1V4I8AkaHEJ7lOOrlex-pcxS-XV

Material sobre técnicas de otimização em aprendizado de máquina. O curso apresenta diversos notebooks em Python para treinar os conceitos. https://github.com/epfml/OptML_course

Lista de recursos em NLP para língua Portuguesa: https://github.com/ajdavidl/Portuguese-NLP

Material sobre um curso de inferência causal, publicado ontem: A First Course in Causal Inference https://arxiv.org/abs/2305.18793