Um roadmap para você virar um AI expert

Como usar o Facebook Prophet para prever séries temporais

Author

Data Hackers
November 16, 2020

Fala, Data Hacker. Seja muito bem-vindo a mais uma newsletter! Lembra que o Allan Sene fez aquele roadmap bem legal para você se tornar um Engenheiro de Dados? Eu fiquei pensando se havia alguma versão legal desse roadmap para AI e Data Science e disse que iria compartilhar assim que o achasse. Bom, acabou que recentemente esse roadmap pipocou na minha timeline e eu trouxe pra compartilhar com vocês.Além disso, você irá aprender como usar o Facebook Prophet pra fazer suas próprias previsões de séries temporais; você vai conhecer os 5 erros que não deve cometer em SQL; e até apresentar um modelo de AI que usa (praticamente) nenhum dado. Vamos lá?

O pessoal da consultoria AMAI tinha um problema ao fazer o onboarding de novos colaboradores, não sabendo o que sugerir para eles estudarem para se especializarem em AI. Acontece que eles criaram esse roadmap e disponibilizaram publicamente para que qualquer pessoa possa seguir.A maioria dos pontos do roadmap possuem links para cursos, livros e artigos que você pode ler para preencher cada um desses pontos. Que tal já se preparar para em 2021 buscar aprender ainda mais? (em Inglês)

Parafraseando o próprio artigo, "SQL e Machine Learning tem muito em comum. Ambos são fáceis de começar e seus códigos nem sempre quebram". Essa é uma frase que resume os cuidados que precisamos ter ao trabalhar com SQL, pois nem sempre uma query que roda é uma query correta. Nesse artigo, você irá conhecer 5 erros que deve evitar para gerar análises mais confiáveis. (em Inglês)

 

A Data Hacker

 fez esse post muito legal ensinando como fazer seus primeiros testes com a biblioteca Prophet, do Facebook, que permite você prever séries temporais de forma bem simples e rápida. (em Português)

DoorDash é uma verdadeira gigante do mercado de delivery, sendo um dos maiores players do mercado americano (que, inclusive,

). Para sustentar o crescimento, eles tiveram um grande desafio para escalar sua plataforma de dados e, nesse post, eles contam com bastante detalhes como foram as iniciativas iniciais e como o produto deles evoluiu. (em Inglês)

Se tem algo que o pessoal da

 (plataforma open source de deploy de ML) conseguiu atingir recentemente, foi sua capacidade de otimizar uso de recursos em modelos de Machine Learning. Nesse artigo, eles contam como é possível utilizar a plataforma deles para deployar multiplos modelos, usando um paradigma que eles chamam de 

multi-model caching

. (em Inglês)

Quando falamos em Deep Learning e Machine Learning, uma das coisas que podem vir a mente são os modelos que precisam de muitos exemplos de uma classe para serem treinados a identificá-la. Bom, talvez a partir de agora isso mude um pouco. Isso porque pesquisadores da Universidade de Waterloo

que apresenta uma nova abordagem, chamada de

'Less Than One'-Shot Learning

, que permitiria modelos identificarem outros objetos além daqueles em que foram treinados. (em Inglês)

A Picnic é uma das maiores empresas de

delivery

da Holanda, com um time de Data Science forte e que possui uma abordagem mais voltada para produtos. Nesse artigo, eles compartilham como tem sido essa proposta, seus desafios e os resultados que eles tem colhido. (em Inglês)

VAGAS DA SEMANA

  • Ensino superior completo

  • SQL

  • Python ou R

  • Estatísticas

  • Machine Learning

  • Python ou R

  • Pyspark

  • Machine Learning

  • SQL

  • Estatísticas

Paperspace: uma plataforma para ML na cloudEu curto bastante o Paperspace desde que conheci eles no curso do pessoal do Fast.ai. O motivo deles estarem aparecendo aqui é que eles recentemente liberaram instâncias free-tier e com GPU. O mais legal do Paperspace é que eles já possuem instâncias pré-configuradas com Jupyter Notebook prontas para serem usadas, dispensando configurações e instalações bizarras.

Um questionamento muito válido (principalmente para um carioca como eu) para esse domingo

Análise de sentimentos dos personagens de FriendsFizeram uma análise de todas as falas dos personagens de Friends em todas as temporadas da série. O resultado ficou muito legal, mostrando desde quais personagens falam mais entre si, até como foi a evolução dos "sentimentos" ao longo do show. (em Inglês)

PRÓXIMOS EVENTOS E MEETUPS [100% ONLINE]

30 de Novembro a 18 de Dezembro de 2020 - Evento online gratuito

08 e 09 de Dezembro às 21h30 - Evento online gratuito