machine learning

Aumentando o desempenho de modelos preditivos com técnicas de Bootstrapping, Bagging, Boosting e Random Forests

Neste artigo exploramos as técnicas de Bootstrapping, Bagging, Boosting e Random Forests com o objetivo de aumentar o desempenho em modelos preditivos. Percorremos o modo de funcionamento de cada técnica e sua aplicação usando linguagem de programação com dados econômicos do Brasil.

O Alicerce da Ciência de Dados: entendendo o Processo Gerador dos Dados

No impulso de assumir uma distribuição normal para qualquer variável que aparecer em sua frente, o cientista de dados comete o erro de desconhecer os dados sendo trabalhados e, consequentemente, realiza inferências e previsões pouco acuradas. Infelizmente, isso é um problema comum com o boom da ciência de dados nos anos recentes, mas neste artigo vamos tentar trazer um pouco de luz sobre o assunto.

Estruturas de Dados: Séries Temporais vs. Dados de Corte Transversal

Com o aumento da disponibilidade de dados, torna-se fundamental conhecer técnicas e métodos para analisá-los e utilizá-los de forma estratégica. Nesse contexto, é importante compreender como os dados são estruturados e quais ferramentas podem ser usadas para trabalhar com eles. Neste artigo, exploramos os conceitos das principais estruturas de dados, mostramos exemplos e aplicações em R e Python para trabalhar com dados de série temporal e corte transversal.

O ciclo de análise de dados: um roteiro para resolver problemas

Está perdido em meio a uma selva de ferramentas, modelos e linguagens, e não sabe por onde começar a análise de dados? Não se preocupe! Neste artigo apresentamos um guia de trabalho que irá ajudá-lo a identificar problemas e desenvolver soluções baseadas em dados. Descubra como funciona, as aplicações, ferramentas e conhecimentos necessários para agregar valor com análise de dados!