Forecasting time series with missing values
https://cienciadedatos.net/documentos/py46-forecasting-time-series-missing-values.html

O Prêmio Nobel de Física vai para os pioneiros das redes neurais.
https://www1.folha.uol.com.br/ciencia/2024/10/premio-nobel-em-fisica-premia-pioneiros-da-inteligencia-artificial.shtml

Curso de Redes Neurais ministrado pelo Geoffrey Hinton:
https://www.youtube.com/watch?v=OVwEeSsSCHE&list=PLLssT5z_DsK_gyrQ_biidwvPYCRNGI3iv

Divulgando:
🎓💡 Quer aprender mais sobre Inteligência Artificial e o fascinante mundo do Aprendizado Profundo? Então não perca a 2ª edição do Understanding Deep Learning, que acontece de 14 a 18 de outubro, totalmente online e gratuito! 👩💻✨

Serão 12 palestras com especialistas de renome, incluindo pesquisadores do MIT, Cambridge e Google DeepMind! 🌍📊

🔔 Inscreva-se e garanta seu certificado ao participar de 50% do evento. Não deixe de conferir essa oportunidade única de mergulhar nas inovações da IA!

📅 Quando? 14 a 18 de outubro, às 13h 📍 Onde? Transmissão pelo YouTube nos canais Data e ICMC TV 🔗 Link para inscrição e programação completa no site!

https://icmc.usp.br/noticias/6726-usp-sao-carlos-promove-evento-online-sobre-inteligencia-artificial-e-aprendizado-profundo

Começa hoje às 13h.

🚨Muito cursos interessantes com certificado. 👇👇👇

Univesp lança página eletrônica com mais de 260 mil vagas em cursos e treinamentos gratuitos
https://univesp.br/noticias/univesp-lanca-pagina-eletronica-com-mais-de-260-mil-vagas-em-cursos-e-treinamentos-gratuitos

Algumas palestras estão online.
https://www.youtube.com/playlist?list=PLFE-LjWAAP9SP4rTHTbTI5JihmkNVVCt4

📝 Na semana passada, eu ensinei aos meus alunos sobre 𝒐𝒔 𝒑𝒓𝒊𝒏𝒄𝒊𝒑𝒂𝒊𝒔 𝒆𝒓𝒓𝒐𝒔 𝒒𝒖𝒆 𝒑𝒐𝒅𝒆𝒎𝒐𝒔 𝒄𝒐𝒎𝒆𝒕𝒆𝒓 𝒏𝒂 𝒂𝒏á𝒍𝒊𝒔𝒆 𝒅𝒆 𝒅𝒂𝒅𝒐𝒔.
🔖 Esse artigo é uma excelente leitura sobre o tema.

𝑯𝒐𝒘 𝒕𝒐 𝒂𝒗𝒐𝒊𝒅 𝒎𝒂𝒄𝒉𝒊𝒏𝒆 𝒍𝒆𝒂𝒓𝒏𝒊𝒏𝒈 𝒑𝒊𝒕𝒇𝒂𝒍𝒍𝒔: 𝒂 𝒈𝒖𝒊𝒅𝒆 𝒇𝒐𝒓 𝒂𝒄𝒂𝒅𝒆𝒎𝒊𝒄 𝒓𝒆𝒔𝒆𝒂𝒓𝒄𝒉𝒆𝒓𝒔
https://arxiv.org/pdf/2108.02497

A First Course in Monte Carlo Methods
Material sobre simulação de Monte Carlo.

Quem não conhece essas técnicas, pode ver essa minha aula:
https://www.youtube.com/watch?v=rNOe62Z3zZg&t=1s

Livro em pdf:
https://alexjungaalto.github.io/MLBasicsBook.pdf

𝐀 𝐠𝐮𝐢𝐝𝐞 𝐭𝐨 𝐦𝐚𝐜𝐡𝐢𝐧𝐞 𝐥𝐞𝐚𝐫𝐧𝐢𝐧𝐠 𝐟𝐨𝐫 𝐛𝐢𝐨𝐥𝐨𝐠𝐢𝐬𝐭𝐬

Este tutorial de aprendizado de máquina, embora destinado principalmente a biólogos, é realmente excelente. Ele aborda os fundamentos, esclarece a terminologia principal e explora as tecnologias mais recentes. Vale a pena a leitura!

Excelente artigo sobre Autoencoders:

Autoencoders and their applications in machine learning: a survey
https://link.springer.com/article/10.1007/s10462-023-10662-6

Livro disponível em pdf:
https://web.stanford.edu/~jurafsky/slp3/ed3bookaug20_2024.pdf

O método do cotovelo (elbow) é um dos mais usados para escolher o número de clusters no agrupamento de dados. No entanto, há problemas no seu uso, conforme comentado nesse artigo:

Stop using the elbow criterion for k-means
https://arxiv.org/abs/2212.12189

Quem quiser aprender sobre a complexidade, recomendo esse livro. Embora um pouco antigo, ainda é muito útil para entender os sistemas dinâmicos e complexos. Eu estudei esse livro há muitos anos, quando ainda era aluno de doutorado, e ainda uso nas minhas aulas. Disponível gratuitamente online:
https://necsi.edu/dynamics-of-complex-systems

🚨Pessoal, estão abertas inscrições para o meu curso 𝐅𝐮𝐧𝐝𝐚𝐦𝐞𝐧𝐭𝐨𝐬 𝐝𝐞 𝗣𝗿𝗼𝗯𝗮𝗯𝗶𝗹𝗶𝗱𝗮𝗱𝗲 𝗲 𝗘𝘀𝘁𝗮𝘁𝗶𝘀𝘁𝗶𝗰𝗮 𝗽𝗮𝗿𝗮 𝗖𝗶𝗲𝗻𝗰𝗶𝗮 𝗱𝗲 𝗱𝗲 𝗗𝗮𝗱𝗼𝘀. O curso será de 27/01/2025 a 27/02/2025, totalmente online.
O curso é aberto a todos os públicos. 𝐕𝐚𝐠𝐚𝐬 𝐥𝐢𝐦𝐢𝐭𝐚𝐝𝐚𝐬!🚨

📘O curso cobrirá o conteúdo do meu livro, que está para ser lançado:

📘Bibliografia:
Francisco A. Rodrigues, Probabilidade e Estatística: Teoria Simulação e Dados, UICLAP, 2024.

https://uspdigital.usp.br/apolo/apoObterCurso?cod_curso=550400569&cod_edicao=24001&numseqofeedi=1

🚨Pessoal, para quem for se matricular, é necessário pagar a taxa nesse link e enviar o comprovante no sistema Apolo (link na mensagem anterior).
https://www.fafq.org.br/pagamento-fundamentos-probabilidade-estatistica-ciencia-de-dados/

Aqueles que tiverem interesse para concorrer às 15 bolsas disponíveis, não precisam fazer o pagamento. As bolsas serão selecionadas de acordo com critérios socioeconômicos.

Artigo que discute as diferentes funções de custo e métricas de avaliação de models em deep learning.

Loss Functions and Metrics in Deep Learning
https://arxiv.org/abs/2307.02694