Séries temporais
Investigue padrões e mudanças ao longo do tempo.
Em breveUma trilha do conceito à prática
Do SQL ao Python e Machine Learning, com foco na prática e no negócio.
SEU PRÓXIMO PASSO
Comece pela Etapa 01 e avance no seu ritmo.
PORTAL DE AULAS
3 cursos de Data Science · 32 aulas disponíveis.
Uma sequência recomendada, sem pré-requisitos. Acesse qualquer etapa a qualquer momento.
Pandas, SQL e visualização para descobrir padrões nos dados. Conteúdo em preparação.
Valores ausentes, tipos e transformações para deixar os dados prontos para análise.
Aplique modelos supervisionados em classificação e regressão.
Métricas, conjuntos de teste e interpretação de erros.
Comunique conclusões, limites e impactos de uma análise.
APIs, aplicações e práticas para disponibilizar modelos.
Parta de uma pergunta e percorra o processo de análise e Machine Learning.
PRÁTICA COM MODELOS
Experimente com dados reais.
DISPONÍVEL · MACHINE LEARNING
Treine modelos XGBoost, analise métricas, descubra a importância das variáveis e faça previsões.
Treine modelos, veja métricas e faça previsões.
EM BREVE
Veja uma árvore aprender regras a partir dos dados.
Como cada divisão separa exemplos até formar uma decisão.
EM BREVE
Use o mesmo dataset para comparar diferentes modelos.
Compare métricas em problemas de classificação e regressão.
APRENDER FAZENDO
Explore dados e modelos em atividades curtas.
DADOS ATIVOS
Progresso salvo neste navegador. Sem conta ou sincronização entre aparelhos nesta versão.
Tópicos para continuar descobrindo.
Investigue padrões e mudanças ao longo do tempo.
Em breveExplore como computadores analisam linguagem.
Em breveAluno deste navegador. Resultados reais das novas partidas do Desafio Relâmpago e Queda Matemática.
Os recordes antigos não guardavam cada resposta e não podem ser convertidos em histórico. Em aparelhos compartilhados, os resultados de todas as pessoas aparecem juntos.
Jogue e volte para descobrir sua acurácia e seu tempo de resposta.
Desafio Relâmpago → · Queda Matemática →Expressões com operadores diferentes ficam em “Operações combinadas”: um erro não identifica sozinho qual operação causou dificuldade.
A acurácia compara o quê?
Guardamos até 1.000 tentativas localmente, sem enviar dados a serviços externos.
Apagar apenas as tentativas? Os recordes dos jogos e suas conquistas serão mantidos.
Experimente os botões + e −. Veja a tabela e o gráfico mudarem juntos.
Você ensina com exemplos e rótulos: gato ou cachorro. O modelo compara altura e peso para escolher os vizinhos mais parecidos.
Animais fictícios para aprender: altura e peso não bastam para identificar espécies no mundo real.
● Gatos · ■ Cachorros. Cada símbolo é um exemplo que você forneceu.
Neste modelo, treinar guarda uma cópia dos exemplos. Para prever, ele procura os vizinhos mais próximos no gráfico e conta seus rótulos. Em empate, escolhe o rótulo do vizinho mais próximo.
Mais exemplos podem ajudar, mas exemplos incorretos, repetidos ou pouco variados também podem piorar o modelo.
Os controles de altura e peso também descrevem o animal que você quer testar. Ajuste-os e clique abaixo, sem adicionar o exemplo ao treino.
Seus exemplos ensinam o modelo. Dez exemplos fictícios separados verificam o que ele aprendeu. Eles não são inseridos automaticamente no treinamento.
Repetir experimentos olhando sempre o mesmo teste pode influenciar suas escolhas. Esta é uma demonstração didática, não uma avaliação científica final.
Comparamos resultados medidos no mesmo conjunto de teste; a melhora não é garantida.