Ciência de Dados Complexos
Kanalga Telegram’da o‘tish
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
Ko'proq ko'rsatish4 725
Obunachilar
-424 soatlar
-117 kun
-1830 kun
Postlar arxiv
Curso completo no YouTube: Probabilistic ML
https://www.youtube.com/watch?v=qg7V43qhOUE&list=PL05umP7R6ij0hPfU7Yuz8J9WXjlb3MFjm
Base de dados públicos muito completa:
https://github.com/awesomedata/awesome-public-datasets
Livro em pdf: The Little Book of Generative AI Foundations: An Intuitive Mathematical Primer
Reportagem sobre meu livro no Jornal da USP:
https://jornal.usp.br/ciencias/para-entender-estatistica-e-probabilidade-do-basico-a-construcao-das-inteligencias-artificiais/
Livro disponível em pdf:
Mathematics of Data Science
https://arxiv.org/abs/2607.11938
Excelente material sobre AI e ML:
* Fundamentos de Large Language Models (LLMs)* Reinforcement Learning
✅ Fine-tuning de LLMs
✅ Construção de agentes de IA
✅ Matemática para Machine Learning
✅ Álgebra Linear aplicada à IA
✅ Preparação para entrevistas de Deep Learning
Link:
https://github.com/AniruddhaChattopadhyay/Books
Artigo interessante. Muitas vezes, o modelo mais simples fornece ótimos resultados.
How Good Can Linear Models Be
for Time-Series Forecasting?
https://arxiv.org/abs/2606.27282
Plataforma muito completa com recursos sobre ML:
Machine learning research should be easily accessible and reusable. OpenML is an open platform for sharing datasets, algorithms, and experiments - to learn how to learn better, together.
https://www.openml.org/
A versão 1.9 do Scikit-learn foi lançada e traz melhorias significativa e suporte a GPU.
https://blog.scikit-learn.org/updates/release-1-9/
Evento com transmissão online:
https://jornal.usp.br/universidade/love-data-day-na-usp-promove-palestras-sobre-dados-abertos-e-software-livre/
Excelente artigo que ajuda a entender a matemática por trás da IA generativa.
https://arxiv.org/abs/2605.29713
Artigo importante para quem trabalha com redes neurais. Compreender como os hiperparâmetros influenciam o desempenho dos modelos é fundamental para obter resultados confiáveis e reprodutíveis. Muitas vezes, pequenas alterações em parâmetros como taxa de aprendizado, tamanho do batch, número de camadas ou regularização podem produzir diferenças significativas na qualidade das previsões.
https://arxiv.org/abs/1803.09820
Artigo interessante sobre o aumento de dados usando o SMOTE:
To SMOTE, or not to SMOTE?
https://arxiv.org/abs/2201.08528
Pacote estatístico em Python:
Pingouin is an open-source statistical package written in Python 3 and based mostly on Pandas and NumPy.
https://pingouin-stats.org/
🚨Meu livro está com frete grátis até o final do mês:
https://loja.uiclap.com/titulo/ua158988
