Apresentação

-

Muito prazer, meu nome é Laisla, tenho 25 anos, sou casada e mãe da Laura. Sou graduada em matemática, tecnóloga em análise e desenvolvimento de sistemas e tenho me aperfeiçoado constantemente em análise de dados e machine learning. Nesse espaço irei descrever um pouco de cada projeto meu e você é bem vindo(a) para comentar com ideias e sugestões! 



Comentários

Postar um comentário

Postagens mais visitadas deste blog

Resenha: Storytelling com dados - Cole Nussbaumer Knaflic

-
Imagem
No livro a escritora aborda de uma forma divertida e leve, pontos sobre como seria o desenvolvimento de visualizações de dados realmente eficientes, mostrando também visualizações não tão eficientes assim.  Num geral, são abordados seis principais pontos sobre o tema (além de todas as informações valiosas sobre tipos de gráficos e estudos de caso): • Entenda o contexto saiba quem é seu público e como o fará seguir os passos que deseja, use os artifícios necessários para afirmar seu argumento. • Escolha o visual apropriado, escolha os gráficos da forma certa, o gráfico certo irá valorizar seus dados.  • Elimine a saturação,  menos é mais! Muitas cores, formas e informação em excesso podem confundir e até passar a mensagem errada.  • Focalize a atenção para onde você deseja, utilizar de forma consciente as cores, tamanho das letras, negrito e inclusão de textos, podem trazer para o seu público um melhor entendimento da informação.  • Pense como um desi...
Leia mais

Trilha estatística: Variância e desvio padrão

-
Imagem
O desvio padrão e a variância são medidas importantes que ajudam a entender a dispersão dos dados, quanto maior o desvio padrão ou a variância, mais dispersos estão os dados em torno da média, e vice-versa. Essas medidas são úteis para avaliar a consistência ou a variabilidade dos dados em um conjunto de observações A variância é uma medida de dispersão que descreve o quão distantes os valores de um conjunto de dados estão da média. É calculada como a média dos quadrados das diferenças entre cada valor e a média do conjunto de dados. A fórmula para calcular a variância populacional é: σ 2 = n ∑ i = 1 n ​ ( x i ​ − μ ) 2 ​ Onde: � 2 σ 2 é a variância populacional. � � x i ​ é cada valor do conjunto de dados. � μ é a média do conjunto de dados. � n é o número total de observações no conjunto de dados. Exemplo: Considere o conjunto de dados: 10, 15, 20, 25, 30. Primeiro, calculamos a média: � = 10 + 15 + 20 + 25 + 30 5 = 20 μ = 5 10 + 15 + 20 + 25 + 30 ​ = 20 . Em seguida, calculamos...
Leia mais

Trilha machine learning: Algoritmo de regressão linear

-
Imagem
Hoje vamos falar sobre a regressão linear que é um algoritmo de aprendizado de máquina supervisionado usado para modelar a relação entre uma variável dependente (alvo) e uma variável independente (característica ou atributo), o objetivo é encontrar a melhor linha reta que descreva a relação entre essas variáveis. A regressão é uma técnica estatística, e em machine learning podemos usá-la com intuito de prever dados de acordo com essas variáveis que temos. O método mais comum de regressão linear é a regressão linear simples (temos também a regressão linear múltipla, vamos falar dela na próxima semana), a equação da linha de regressão é essa aqui:  Y=aX+b onde:  Y é a variável dependente (ou resposta); X é a variável independente (ou preditora); a é o coeficiente angular, que representa a inclinação da linha de regressão; b é o intercepto, que indica onde a linha de regressão cruza o eixo vertical (Y) quando X é zero. Essa equação descreve a relação linear entre X e Y, q...
Leia mais