Passing the AWS Machine Learning Exam: it only depends on you

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,Continuar lendo “Passing the AWS Machine Learning Exam: it only depends on you”

Sentiment analysis com tensorflow 2.0 e word embedding layer

Word embedding é uma forma muito interessante para criar uma representação numérica para um texto. Ao contrário de abordagens clássicas como one hot encoding ou TD-IDF, word embedding consegue representar as palavras e seu contexto com meio de um embedding space. Existem várias formas para se criar um embedding space e eu já escrevi sobreContinuar lendo “Sentiment analysis com tensorflow 2.0 e word embedding layer”

Preparando dados para dashboard – Exemplo Google Data Studio

Nem sempre os dados estão no formato correto para criação de relatórios. É muito comum termos que realizar algumas limpezas e transformações para que tenhamos menos trabalho durante a criação daquele dashboard! Neste artigo vou exibir um caso de uso no qual passei por esta situação. Os dados são muito simples: referem-se aos dados deContinuar lendo “Preparando dados para dashboard – Exemplo Google Data Studio”

Time series forecasting com Python

Neste artigo vou passar pelas principais etapas de modelagem para criação de um modelo de forecasting. O notebook foi escrito em Python e possui conceitos importantes sobre decomposição de série temporal, diferenciação, estacionariedade e visualizações. O material está disponível em https://anaconda.org/weslleymoura/time_series_forecasting_python/notebook Também disponibilizei o material no meu repositório do git https://github.com/weslleymoura/hackinganalytics/tree/master/time_series_forecasting_com_python Abraços!

Um modelo completo de machine learning (de ponta a ponta)

Se você está começando a estudar machine learning, é comum que tenha várias dúvidas sobre como treinar e usar seus modelos. As pessoas falam sobre uma série de termos, como análise exploratória de dados, data transformation, feature selection, model selection, cross-validation…porém, você sabe como e quando deve usar todos estes componentes no seu modelo? EContinuar lendo “Um modelo completo de machine learning (de ponta a ponta)”

Redes neurais autoencoders – Feed Forward

Autoencoder é uma classe de arquitetura de rede neural que tem como objetivo aprender como comprimir/reduzir um conjunto de dados (etapa conhecida como encoder) e, em seguida, aprende a reconstruir os dados a partir da versão que foi previamente reduzida (etapa conhecida como decoder). Espera-se que os dados reconstrúidos sofram alguma perda de informação (preferencialmenteContinuar lendo “Redes neurais autoencoders – Feed Forward”