Por que matemática é explicada de forma tão ruim?

Cinco livros não-técnicos que todo cientista de dados deveria ler

Author

Data Hackers
June 22, 2020

Fala, Data Hacker, seja bem-vinda a mais uma newsletter! Esperamos que você e sua família estejam se protegendo e passando bem por essa pandemia. Na edição dessa semana, nós iremos falar sobre um assunto que te deixa mais assustado que cachorro em cima de canoa: Matemática. Mais precisamente, vamos destacar os motivos que fazem ela ser explicada de forma tão ruim.E mais: você entenderá como pode conquistar um estágio em dados; quais livros não-técnicos um data scientist deveria ler; e aprenderá como usar Docker para deixar seus projetos reproduzíveis.

Nesse post no Towards Data Science, Callum Ballard salienta como pilares do Machine Learning como Álgebra Linear são explicados de forma pouco intuitiva, focando mais no "como" ao invés do "por que". No post, ele traz uma forma mais clara sobre como entender esse importante ramo da matemática, baseando-se no trabalho de um dos melhores canais do Youtube sobre o assunto: o

 (em Inglês)

Para muitas pessoas, o estágio é a porta de entrada do estudante na indústria. Justamente por ser algo muito novo, medos e incertezas podem surgir na cabeça de pessoas que estão nessa etapa.

O Data Hacker

compartilhou sua experiência ao conseguir seu primeiro estágio na área, dando dicas sobre como você pode se desenvolver nesse momento muito importante de aprendizado. (em Português)

 

Na última semana publiquei um post sobre alguns livros que me ajudaram muito na carreira de Data Science. A lista, que é focada em livros não-técnicos, destaca livros que te fazem pensar como um cientista de dados, ajudando a desenvolver habilidades comportamentais e práticas, como entendimento de negócio e pensamento crítico. (em Português)

Você já deve ter ouvido falar que a área científica possui dificuldade em reproduzir resultados de pesquisas, e isso não é exclusivo do campo de AI ou data science. Contudo, descobriram um outro fator que contribui nessa crise: a forma como você trata seu dado.

A Universidade de Stanford fez um experimento enviando um mesmo dataset para 70 times de cientistas e pedindo que eles validassem 9 hipóteses. Resultado: todos os times tiveram conclusões diferentes sobre as hipóteses. (em Inglês)

O Data Hacker

criou um tutorial que ensina não só o que é e como funciona o Docker, mas como você pode aplicá-lo para criar um ambiente reproduzível para seu Jupyter Notebook. (em Português)

Diz a lenda que se você falar "Python" três vezes no espelho, aparece uma nova

lib

para Data Science. A verdade é que, felizmente, há inúmeros tutoriais e ferramentas sobre como podemos criar nosso primeiro projeto de machine learning, contudo, poucos focam sobre os desafios e aprendizados de como colocá-los em produção. Visando isso, o Data Hacker

traz uma análise detalhada sobre o livro "Agile Machine Learning", que conta a experiência de Eric Carter e Matthew Hurst em um projeto do Bing da Microsoft. (em Português)

Um guia prático para você que usa Comic Sans nos dashboards da empresa. Poucas pessoas levam em consideração o fato de que uma boa fonte facilita o entendimento de uma visualização e dá mais qualidade a um produto. Nesse post do Nightingale, a designer

mostra detalhes e conceitos que podem aumentar as suas visualizações. (em Inglês)

VAGAS DA SEMANA

  • Machine Learning

  • SQL

  • Python, R, Scala

  • Inglês

  • Python

  • Deep Learning Frameworks (Keras, TensorFlow, PyTorch)

  • Data Visualization e Storytelling

  • Experiência em projetos de ML

A empresa fundada por Andrew Ng está com uma nova especialização na área: NLP. Os cursos vão desde uso de regressão logística, análise de sentimentos, transformers como BERT e até uso de Hidden Markov Chains para serem aplicados em diferentes projetos. Lembrando que os cursos do Coursera são gratuitos, onde você só paga caso queira ter acesso ao certificado. (em Inglês)

PRÓXIMOS EVENTOS E MEETUPS [100% ONLINE]

22 a 26 de Junho de 2020

Gratuito - 100% Online - Inglês

24 de Junho de 2020 - 17:00

Gratuito - 100% Online - Português

01 de Julho de 2020 - 19:00

Gratuito - 100% Online - Português

-

09 e 10 de Julho de 2020 - 19:00

Gratuito - 100% Online - Português