Uma introdução à Inteligência Artificial e a Engenharia de Prompt
“Um especialista sabe todas as respostas, se você fizer as perguntas certas”. Este é o mesmo princípio usado nas técnicas de Prompt Engineering, com objetivo de otimizar as respostas de aplicações de IA generativa. Neste artigo apresentamos algumas destas técnicas com exemplos práticos em Python.
Como identificar mensagens de erro na coleta de dados de sites públicos
Quem trabalha com dados reais e precisa coletar informações de forma online usando APIs e links, sabe que erros de requisição são comuns, principalmente com dados públicos. Neste artigo, damos algumas dicas de como entender estes erros e mostramos um jeito simples de evitar que o código de Python “quebre” nestas situacões.
As diferentes formas de avaliar o erro de um modelo de previsão
Existem tantas siglas para métricas de desempenho de modelos preditivos que é fácil se perder na sopa de letrinhas. Neste artigo, fornecemos uma visão geral das principais métricas para avaliar e comparar modelos de regressão e classificação, usando exemplos com dados em Python.
Como construir uma base de dados para gerar previsões para a inflação medida pelo IPCA
Neste exercício, apresentamos as principais fontes de dados públicos utilizadas na macroeconomia e desenvolvemos uma rotina para coletar, tratar e disponibilizar (ETL) as variáveis para uso em modelos preditivos.
Como extrair e apresentar dados de Pedidos de Recuperação Judicial com Python
Os pedidos de RJ podem ser um termômetro para a atividade econômica do país. Usando dados do Serasa e a linguagem Python, podemos avaliar, a nível de setor, se há mais empresas no Brasil em apuros ou não.
