A Ciência de dados é muito abrangente e importante para todos atualmente. Acredito que conhecer um pouco é essencial no mundo conectado em que vivemos. A matemática é peça chave nesse contexto, visto que explora e tentar dar significado aos aglomerados de dados. O tema é gigante e se desdobra em múltiplas frentes, portanto nesse episódio abordei alguns pontos que considero chaves para o entendimento. Abraços
Livro sobre ciência de dados utilizando Python: https://www.amazon.com.br/Data-Science-zero-Joel-Grus/dp/857608998X/ref=pd_lpo_14_t_0/146-8585205-4176963?_encoding=UTF8&pd_rd_i=857608998X&pd_rd_r=a3164bd0-d639-45d9-abe1-75e543dcdba2&pd_rd_w=KEIFy&pd_rd_wg=3stXv&pf_rd_p=e7e26e7d-6256-4aae-92f9-7ffa337ed626&pf_rd_r=2APXY4HPMFHAT8RWH0ER&psc=1&refRID=2APXY4HPMFHAT8RWH0ER
Identificar sintomas da COVID-19 pela voz: https://canaltech.com.br/saude/app-pode-identificar-sintomas-de-covid-19-analisando-a-voz-do-paciente-168476/
Algoritmos citados no episódio:

K-Nearest Neighbors (K-vizinhos próximos)
Naive Bayes
Linear Regression (Regressão Linear)
Logistic Regression (Regressão Logística)
Decision Trees (Árvores de Decisão)
Neural Networks (Redes Neurais)

Gráficos: https://oestatistico.com.br/5-graficos-mais-utilizados-em-analise-de-dados/
Meu Twitter: @thiago26santana
(https://twitter.com/thiago26santana)
E-mail: [email protected]

Ver todos los episodios