In the past few months, I have been investing my time on AWS studies. During this period, I went from literally zero to writer. Yes, I just release my AWS book about machine learning and I am gonna tell you why you should take an action and step into the AWS world. No more excuses, let’s go!
Continuar lendo “Passing the AWS Machine Learning Exam: it only depends on you”Word embedding é uma forma muito interessante para criar uma representação numérica para um texto. Ao contrário de abordagens clássicas … Continuar lendo Sentiment analysis com tensorflow 2.0 e word embedding layer
Nem sempre os dados estão no formato correto para criação de relatórios. É muito comum termos que realizar algumas limpezas … Continuar lendo Preparando dados para dashboard – Exemplo Google Data Studio
Neste artigo vou passar pelas principais etapas de modelagem para criação de um modelo de forecasting. O notebook foi escrito … Continuar lendo Time series forecasting com Python
Se você está começando a estudar machine learning, é comum que tenha várias dúvidas sobre como treinar e usar seus … Continuar lendo Um modelo completo de machine learning (de ponta a ponta)
Autoencoder é uma classe de arquitetura de rede neural que tem como objetivo aprender como comprimir/reduzir um conjunto de dados … Continuar lendo Redes neurais autoencoders – Feed Forward
Finalizando esta série de implementação de redes neurais do zero, criaremos um modelo de classificação com várias camadas ocultas. A aprendizagem de máquina que usa diversos módulos (neste caso camadas) para aprender uma determinada função com base nos dados de treino é também conhecida como deep learning.
Esta é a segunda parte de uma série de posts sobre redes neurais do zero! Desta vez, iremos criar uma rede neural conhecida como Multi Layer Perceptron (MLP). Além do código, também estou esquematizando os cálculos que devemos fazer nas etapas de feed forward e back propagation.
Nesta série de posts vou mostrar como criar modelos de redes neurais de forma manual, usando a biblioteca numpy. Vou criar os notebooks no Google colab e fazer o passo a passo da rede neural, incluindo explicações sobre os tipos de arquiteturas e detalhes de cálculo.
Neste artigo vou utilizar gensim para criar uma modelo capaz de identificar a similaridade entre textos. A ideia é que você consiga identificar o(s) texto(s) mais similares(s) a um determinado texto de entrada.
Continuar lendo “Comparando textos com TF-IDF e Cosine Similarity no Gensim”
hacking analytics 