Encontrei um caderno antigo com anotações de competições do Kaggle onde escrevi uma lista enorme de ideias de features de ML para dados tabulares nas capas para quando eu ficasse sem ideias. Pedi ao Gemini para transcrever e aqui está o resultado. Aproveite! Instruções Gerais Para Feature Engineering em Dados Tabulares Ver cada coluna e pensar: se eu agrupar nesta, que variável posso extrair das outras? Como serão as séries em cada grupo (visualizar, imaginar)?...

Resolvi testar os LLMs mais populares do momento no exame da primeira fase da OAB 42, que é a prova da Ordem dos Advogados do Brasil. O exame foi aplicado em 1 de dezembro de 2024, então não está nos dados de treino dos modelos. Lembrando que esses testes não têm rigor científico. São apenas curiosidades minhas depois de usar esses modelos para analisar alguns documentos legais na semana passada....

Vamos voltar aos anos 90 e imaginar que você é um programador apaixonado por xadrez. Nas horas vagas, você compete em torneios locais, estuda teoria do jogo, e até tem um rating respeitável na federação internacional. Mas seu sonho é criar um programa de computador que jogue xadrez melhor que qualquer ser humano. Como programador e enxadrista, você tem uma vantagem única: entende tanto de código quanto de estratégia. Então você começa transformando todo seu conhecimento em algoritmos....

Este artigo contém dicas que vou acumulando conforme estudo e uso LLMs (ChatGPT, Claude, Gemini). Originalmente compartilhadas no LinkedIn. Peça ao ChatGPT (ou qualquer LLM) que explique o raciocínio ANTES de te dar a resposta! Por exemplo: “Classifique o comentário em positivo ou negativo. Primeiro explique seu raciocínio e depois dê a resposta.” Isso aumenta a precisão dele na resposta porque condiciona os tokens na explicação. Vejo o contrário em vários papers, onde pedem o raciocínio depois da resposta....

Enquanto debatemos ‘IA’ vs ‘ML’, outros lucram com nossa resistência em adaptar a comunicação. Fiz uma pesquisa rápida com meus seguidores no Instagram e o resultado não me surpreendeu: 25% preferem usar “IA”, enquanto 75% optam por “ML”. Natural, já que a maioria que me acompanha é da área técnica. Passei anos defendendo essa distinção, mas hoje vejo a situação de forma diferente. Nossa resistência ao termo IA está nos isolando de quem está descobrindo a área agora, motivados pelos modelos generativos....

Eu sei que é chato pensar em ter que criar conteúdo. Ninguém acorda pensando ‘uau, preciso postar algo no LinkedIn hoje!’ (se você acorda, procure ajuda). Mas minha recente excursão ao mercado de trabalho tradicional me mostrou o valor de ter uma rede de contatos forte. Em questão de horas após postar sobre a rejeição da vaga do Google, recebi as primeiras mensagens de pessoas oferecendo indicações para diversas empresas....

O Gemini é a mais recente tecnologia de inteligência artificial multimodal desenvolvida pelo Google. Assim como o GPT, o Gemini é capaz de processar e gerar texto de forma contextual e coerente, mas vai além ao integrar capacidades de compreensão de imagens, áudio e vídeo. A API do Gemini permite que desenvolvedores integrem essas poderosas capacidades de IA em seus projetos, possibilitando uma ampla gama de aplicações, como: Geração de texto avançada Processamento de áudio e vídeo Criação de chatbots e assistentes virtuais multimodais Neste artigo, exploraremos em detalhes como utilizar o Gemini através da API do Google em Python....

A API do Claude, desenvolvida pela Anthropic, oferece uma alternativa poderosa aos modelos de linguagem da OpenAI. Eu gosto bastante de usar o Claude, porque ele soa mais natural do que o GPT-4 e costuma me dar respostas melhores quando uso com tarefas de programação e ciência de dados. Ele fez 90% do trabalho de criar esse app sobre active learning em machine learning, usando React, que eu nunca tinha estudado....

Em geral, não. Árvores de decisão não são sensíveis a feature scaling (escalonamento) porque suas divisões não mudam com transformações monotônicas dos dados. A normalização também não é necessária, mas pode mudar seus resultados porque não é monotônica, como veremos mais adiante. Dito isso, a implementação numérica de uma biblioteca específica pode fazer com que as previsões da sua árvore de decisão mudem se você não escalonar ou normalizar seus dados....