Como Criar uma Solução Completa de Data Science

Creation Time	April 12, 2024, 5:14 p.m.
Last Access Time	Jan. 24, 2025, 4:02 p.m.
File Size	8.8 GB
Keywords	Completa Science de Criar Solução uma Como Data
Total Requests	71
Total Files	272
Magnet Link	Please wait ...
	Download (Magnet Link) Play (Watch Online)

6. Lives do Canal Editadas/3. Live 24 - Tutorial Básico de Pytorch/1. parte.mp4 556.1 MB
6. Lives do Canal Editadas/2. Live 18 - Introdução Básica a Redes Neurais com Tensorflow/1. parte.mp4 519.8 MB
6. Lives do Canal Editadas/1. Live 1 - Perguntas Gerais Sobre Data Science/1. parte.mp4 447.3 MB
1. Atualização O Scraper Quebrou E Agora/1. 1 Consertando o Extrator de Dados (Módulo 2)/1. parte.mp4 442.5 MB
8. Material de Suporte/2. Expanda seu conhecimento sobre validação de modelos para criar soluções mais robustas/1. parte.mp4 347.7 MB
8. Material de Suporte/1. Tutorial rápido de Scrapy/1. parte.mp4 232.7 MB
1. Atualização O Scraper Quebrou E Agora/2. 2 Consertando os Scripts de Deploy (Módulos 4 e X)/1. parte.mp4 226.7 MB
2. Validação Avançada para Time Series/7. 7 Comentários sobre o Paper que Usei como Referência/1. parte.mp4 215.2 MB
5. Redes Neurais para Time Series/9. 27 Comparando a CNN e a RNN/1. parte.mp4 186.7 MB
2. 2 Prepare os Dados/1. ATUALIZAÇÃO Assista este vídeo antes de iniciar o módulo 2/1. parte.mp4 152.9 MB
2. 2 Prepare os Dados/7. 26 Limpando e Transformando os Dados/1. parte.mp4 148.3 MB
4. Ensembles (Stacking) para Time Series/3. 3 Redes Neurais e Primeira Stack/1. parte.mp4 144.4 MB
3. Feature Engineering/4. 14 Transformação Avançada de Categóricas com Likelihood e P-value - Featurização e Modelagem/1. parte.mp4 144.2 MB
3. Feature Engineering/6. 22 Como Construir o Alvo (Y) Para a Previsão/1. parte.mp4 131.5 MB
4. Ensembles (Stacking) para Time Series/9. 9 Stacking (com Model Selection) Usando Ridge/1. parte.mp4 129.4 MB
3. 3 Crie o Modelo/2. 32 LightGBM e Bayesian Optimization/1. parte.mp4 129.3 MB
5. Redes Neurais para Time Series/10. 28 Encoder-Decoder (Seq2Seq) para Time Series/1. parte.mp4 122.3 MB
4. Ensembles (Stacking) para Time Series/6. 6 XGBoost na GPU e Diversidade em Grupos de Linhas/1. parte.mp4 120.7 MB
3. Feature Engineering/8. 24 As 4 (5) Features Fundamentais dos Modelos de Time Series - Parte 2/1. parte.mp4 118.6 MB
5. Redes Neurais para Time Series/1. 1 Redes Neurais Convolucionais para Time Series - Primeiros Passos/1. parte.mp4 117.5 MB
2. 2 Prepare os Dados/5. 24 Criando o Extrator de Dados da Página de Vídeo/1. parte.mp4 117.0 MB
4. 4 Coloque em Produção/7. 47 Analisando a Solução Final/1. parte.mp4 108.6 MB
3. Feature Engineering/3. 13 Transformação Avançada de Categóricas com Likelihood e P-value - Weighted Likelihood/1. parte.mp4 108.3 MB
2. 2 Prepare os Dados/2. 21 Criando o Coletor da Página de Busca do Youtube/1. parte.mp4 102.6 MB
4. Ensembles (Stacking) para Time Series/10. 10 Stack Final com Média Ponderada de 2 Modelos/1. parte.mp4 102.5 MB
4. Ensembles (Stacking) para Time Series/1. 1 Introdução ao Stacking na Prática/1. parte.mp4 102.4 MB
3. Feature Engineering/7. 23 As 4 (5) Features Fundamentais dos Modelos de Time Series - Parte 1/1. parte.mp4 101.7 MB
4. Ensembles (Stacking) para Time Series/7. 7 Diversidade de Hiperparâmetros e Ideias Criativas com XGBoost/1. parte.mp4 99.5 MB
3. Feature Engineering/5. 21 Juntando informações de time series diferentes/1. parte.mp4 99.3 MB
5. Redes Neurais para Time Series/4. 22 Redes Neurais Recorrentes para Time Series - LSTM parte 2/1. parte.mp4 98.4 MB
5. Redes Neurais para Time Series/7. 25 Redes Neurais Recorrentes para Time Series - Estabilizando as previsões e rodando na GPU/1. parte.mp4 98.3 MB
2. Validação Avançada para Time Series/5. 5 Block e Combinatorial Cross-Validation/1. parte.mp4 95.8 MB
4. Ensembles (Stacking) para Time Series/5. 5 Diversidade com Grupos de Features e Mais uma Rede Neural/1. parte.mp4 92.8 MB
3. Feature Engineering/12. 28 Encoding de Categóricas - Embeddings Supervisionados/1. parte.mp4 92.6 MB
4. 4 Coloque em Produção/1. 41 Criando o Web App com o Flask - apppy/1. parte.mp4 91.6 MB
2. Validação Avançada para Time Series/1. 1 Holdout Simples/Materiais/train_test_feather_MAIS_DE_1GB_split.z01 90.0 MB
4. Ensembles (Stacking) para Time Series/2. 2 Split de dados e LightGBM/Materiais/train_test_feather_MAIS_DE_1GB_split.z01 90.0 MB
4. 4 Coloque em Produção/3. 43 Criando o Web App com o Flask - get_datapy e ml_utilspy/1. parte.mp4 89.3 MB
2. Validação Avançada para Time Series/1. 1 Holdout Simples/1. parte.mp4 87.6 MB
4. Ensembles (Stacking) para Time Series/2. 2 Split de dados e LightGBM/1. parte.mp4 86.7 MB
3. 3 Crie o Modelo/1. 31 O Primeiro Modelo - Random Forest/1. parte.mp4 86.0 MB
1. 1 Defina o Problema/2. 11 Traduzindo a Ideia para a Linguagem da Data Science/1. parte.mp4 83.8 MB
3. Feature Engineering/11. 27 Encoding de Categóricas - Model Likelihood, Reduzir Cardinalidade e PCA/1. parte.mp4 82.8 MB
5. X Melhorando o App/1. X1 Armazenando dados numa DB SQL com SQLite3/1. parte.mp4 82.5 MB
5. Redes Neurais para Time Series/5. 23 Redes Neurais Recorrentes para Time Series - LSTM com variáveis da estrutura da data/1. parte.mp4 81.6 MB
3. Feature Engineering/9. 25 Encoding de Categóricas - CountFrequency e Target Encoding Simples/1. parte.mp4 79.6 MB
3. 3 Crie o Modelo/4. 34 Ensemble Final/1. parte.mp4 78.9 MB
2. 2 Prepare os Dados/3. 22 Criando o Extrator de Dados da Página de Busca do Youtube/1. parte.mp4 71.7 MB
3. Feature Engineering/13. 29 Aproveitando Embeddings para Outros Modelos/1. parte.mp4 71.0 MB
2. 2 Prepare os Dados/8. 27 Criando as Primeiras Features/1. parte.mp4 70.1 MB
3. Feature Engineering/14. 210 Autoencoder Clássico (Self-supervised Learning)/1. parte.mp4 69.4 MB
5. Redes Neurais para Time Series/3. 21 Redes Neurais Recorrentes para Time Series - LSTM parte 1/1. parte.mp4 68.8 MB
5. Redes Neurais para Time Series/6. 24 Redes Neurais Recorrentes para Time Series - LSTM com previsão a cada passo/1. parte.mp4 64.9 MB
2. Validação Avançada para Time Series/3. 3 Prequential Expanding/1. parte.mp4 64.7 MB
3. Feature Engineering/15. 211 Denoising Autoencoder/1. parte.mp4 64.5 MB
2. 2 Prepare os Dados/10. 29 Active Learning e Adicionando Features de Texto do Título/1. parte.mp4 63.3 MB
5. Redes Neurais para Time Series/8. 26 Redes Neurais Recorrentes para Time Series - Tunando com Bayesian Optimization/1. parte.mp4 59.9 MB
3. Feature Engineering/10. 26 Encoding de Categóricas - Cuidados com Vazamento de Dados no Target Encoder e KNN/1. parte.mp4 58.2 MB
3. Feature Engineering/2. 12 Transformação Avançada de Categóricas com Likelihood e P-value - Likelihood/1. parte.mp4 58.0 MB
4. 4 Coloque em Produção/5. 45 Construindo e Rodando o Docker/1. parte.mp4 57.7 MB
4. Ensembles (Stacking) para Time Series/8. 8 (Boosted) Random Forest/1. parte.mp4 56.1 MB
2. Validação Avançada para Time Series/6. 6 Comparação dos Métodos com a Distribuição de Avaliações do Teste/1. parte.mp4 56.1 MB
3. Feature Engineering/16. 212 Transformação de Numéricas para Categóricas com Decision Trees/1. parte.mp4 54.5 MB
2. 2 Prepare os Dados/11. 210 Selecionando Exemplos para o Active Learning/1. parte.mp4 53.3 MB
4. 4 Coloque em Produção/4. 44 Criando o Contêiner com Docker/1. parte.mp4 52.8 MB
3. Feature Engineering/1. 11 Transformação Avançada de Categóricas com Likelihood e P-value - Pré-processamento dos dados/1. parte.mp4 51.6 MB
2. 2 Prepare os Dados/12. 211 Avaliando os Resultados do Active Learning/1. parte.mp4 49.2 MB
4. Ensembles (Stacking) para Time Series/4. 4 EXTRA Análise de Overfitting entre Validação e Teste (Robustez)/1. parte.mp4 48.0 MB
2. 2 Prepare os Dados/6. 25 Inspecionando os Dados Extraídos da Página de Vídeo/1. parte.mp4 47.5 MB
1. 1 Defina o Problema/3. 12 Como Escolher um Problema para Resolver/1. parte.mp4 47.1 MB
4. 4 Coloque em Produção/6. 46 Enviando para o Heroku/1. parte.mp4 43.7 MB
2. Validação Avançada para Time Series/2. 2 Repeated Holdout/1. parte.mp4 43.2 MB
2. Validação Avançada para Time Series/4. 4 Prequential Sliding/1. parte.mp4 43.0 MB
5. X Melhorando o App/2. X2 Criando a API predict para retornar previsões em vídeos fora da DB/1. parte.mp4 40.9 MB
2. 2 Prepare os Dados/4. 23 Criando o Coletor de Dados da Página de Vídeo/1. parte.mp4 39.2 MB
3. 3 Crie o Modelo/3. 33 Regressão Logística/1. parte.mp4 34.4 MB
2. 2 Prepare os Dados/5. 24 Criando o Extrator de Dados da Página de Vídeo/Materiais/parsed_video_infojson.zip 33.3 MB
2. 2 Prepare os Dados/6. 25 Inspecionando os Dados Extraídos da Página de Vídeo/Materiais/parsed_video_infojson.zip 33.3 MB
2. 2 Prepare os Dados/9. 28 Visualizando e Interpretando uma Árvore de Decisão/1. parte.mp4 27.1 MB
4. 4 Coloque em Produção/2. 42 Criando o Web App com o Flask - run_backendpy/1. parte.mp4 23.4 MB
2. Validação Avançada para Time Series/1. 1 Holdout Simples/Materiais/train_test_feather_MAIS_DE_1GB_split.zip 18.2 MB
4. Ensembles (Stacking) para Time Series/2. 2 Split de dados e LightGBM/Materiais/train_test_feather_MAIS_DE_1GB_split.zip 18.2 MB
1. 1 Defina o Problema/1. Apresentação do Autor/1. parte.mp4 8.5 MB
1. Atualização O Scraper Quebrou E Agora/2. 2 Consertando os Scripts de Deploy (Módulos 4 e X)/Materiais/deploy_ytrec3.zip 4.2 MB
5. X Melhorando o App/1. X1 Armazenando dados numa DB SQL com SQLite3/Materiais/deploy_ytrec_v2.zip 4.2 MB
5. X Melhorando o App/2. X2 Criando a API predict para retornar previsões em vídeos fora da DB/Materiais/deploy_ytrec_v2.zip 4.2 MB
4. 4 Coloque em Produção/1. 41 Criando o Web App com o Flask - apppy/Materiais/scripts_e_modelos_juntos_modulo4.zip 4.2 MB
4. 4 Coloque em Produção/1. 41 Criando o Web App com o Flask - apppy/Materiais/modelos_salvos.zip 4.2 MB
4. 4 Coloque em Produção/2. 42 Criando o Web App com o Flask - run_backendpy/Materiais/modelos_salvos.zip 4.2 MB
4. 4 Coloque em Produção/3. 43 Criando o Web App com o Flask - get_datapy e ml_utilspy/Materiais/modelos_salvos.zip 4.2 MB
4. 4 Coloque em Produção/4. 44 Criando o Contêiner com Docker/Materiais/modelos_salvos.zip 4.2 MB
4. 4 Coloque em Produção/5. 45 Construindo e Rodando o Docker/Materiais/modelos_salvos.zip 4.2 MB
4. 4 Coloque em Produção/6. 46 Enviando para o Heroku/Materiais/modelos_salvos.zip 4.2 MB
3. Feature Engineering/8. 24 As 4 (5) Features Fundamentais dos Modelos de Time Series - Parte 2/Materiais/train_val_parquet.zip 1.7 MB
3. Feature Engineering/6. 22 Como Construir o Alvo (Y) Para a Previsão/Materiais/full_direct_dfparquet.zip 1.3 MB
3. Feature Engineering/7. 23 As 4 (5) Features Fundamentais dos Modelos de Time Series - Parte 1/Materiais/full_direct_dfparquet.zip 1.3 MB
3. Feature Engineering/8. 24 As 4 (5) Features Fundamentais dos Modelos de Time Series - Parte 2/Materiais/full_direct_dfparquet.zip 1.3 MB
3. Feature Engineering/5. 21 Juntando informações de time series diferentes/Materiais/full_plant1parquet.zip 1.0 MB
3. Feature Engineering/6. 22 Como Construir o Alvo (Y) Para a Previsão/Materiais/full_plant1parquet.zip 1.0 MB
2. 2 Prepare os Dados/2. 21 Criando o Coletor da Página de Busca do Youtube/Materiais/notebooks_e_dados_brutos_modulos2e3.zip 392.9 KB
2. 2 Prepare os Dados/7. 26 Limpando e Transformando os Dados/Materiais/raw_data_with_labelscsv.zip 224.4 KB
2. 2 Prepare os Dados/8. 27 Criando as Primeiras Features/Materiais/raw_data_with_labelscsv.zip 224.4 KB
2. 2 Prepare os Dados/9. 28 Visualizando e Interpretando uma Árvore de Decisão/Materiais/raw_data_with_labelscsv.zip 224.4 KB
2. 2 Prepare os Dados/10. 29 Active Learning e Adicionando Features de Texto do Título/Materiais/raw_data_with_labelscsv.zip 224.4 KB
2. 2 Prepare os Dados/11. 210 Selecionando Exemplos para o Active Learning/Materiais/raw_data_with_labelscsv.zip 224.4 KB
2. 2 Prepare os Dados/12. 211 Avaliando os Resultados do Active Learning/Materiais/raw_data_with_labelscsv.zip 224.4 KB
2. 2 Prepare os Dados/6. 25 Inspecionando os Dados Extraídos da Página de Vídeo/Materiais/raw_data_sem_labelscsv.zip 223.3 KB
3. 3 Crie o Modelo/1. 31 O Primeiro Modelo - Random Forest/Materiais/labels_curso - to_label_2csv.zip 222.6 KB
3. 3 Crie o Modelo/2. 32 LightGBM e Bayesian Optimization/Materiais/labels_curso - to_label_2csv.zip 222.6 KB
3. 3 Crie o Modelo/3. 33 Regressão Logística/Materiais/labels_curso - to_label_2csv.zip 222.6 KB
3. 3 Crie o Modelo/4. 34 Ensemble Final/Materiais/labels_curso - to_label_2csv.zip 222.6 KB
5. Redes Neurais para Time Series/1. 1 Redes Neurais Convolucionais para Time Series - Primeiros Passos/Materiais/sales-feb2020-prep2ipynb.zip 108.5 KB
4. Ensembles (Stacking) para Time Series/2. 2 Split de dados e LightGBM/Materiais/p2_diario_dev_ensemble.pdf 92.8 KB
3. Feature Engineering/5. 21 Juntando informações de time series diferentes/Materiais/0_analysisipynb.zip 87.0 KB
2. 2 Prepare os Dados/7. 26 Limpando e Transformando os Dados/Materiais/modelo1ipynb.zip 69.1 KB
2. 2 Prepare os Dados/8. 27 Criando as Primeiras Features/Materiais/modelo1ipynb.zip 69.1 KB
2. 2 Prepare os Dados/9. 28 Visualizando e Interpretando uma Árvore de Decisão/Materiais/modelo1ipynb.zip 69.1 KB
8. Material de Suporte/2. Expanda seu conhecimento sobre validação de modelos para criar soluções mais robustas/Materiais/p2_live006.pdf 47.4 KB
2. 2 Prepare os Dados/4. 23 Criando o Coletor de Dados da Página de Vídeo/Materiais/parsed_videosjson.zip 42.1 KB
4. Ensembles (Stacking) para Time Series/4. 4 EXTRA Análise de Overfitting entre Validação e Teste (Robustez)/Materiais/6_overfitting_analysisipynb.zip 41.2 KB
5. Redes Neurais para Time Series/1. 1 Redes Neurais Convolucionais para Time Series - Primeiros Passos/Materiais/sales-feb2020-cnn1ipynb.zip 38.5 KB
bloq.txt 30.3 KB
2. 2 Prepare os Dados/12. 211 Avaliando os Resultados do Active Learning/Materiais/active_labels1_donecsv.zip 19.9 KB
2. 2 Prepare os Dados/11. 210 Selecionando Exemplos para o Active Learning/Materiais/active_label1csv.zip 19.6 KB
1. 1 Defina o Problema/2. 11 Traduzindo a Ideia para a Linguagem da Data Science/Materiais/p2_video1_perguntas.pdf 18.9 KB
8. Material de Suporte/1. Tutorial rápido de Scrapy/Materiais/scrapy_youtube.zip 18.6 KB
1. Atualização O Scraper Quebrou E Agora/1. 1 Consertando o Extrator de Dados (Módulo 2)/Materiais/extrator_novoipynb.zip 17.9 KB
3. Feature Engineering/1. 11 Transformação Avançada de Categóricas com Likelihood e P-value - Pré-processamento dos dados/Materiais/cat_like_notebooks.zip 17.4 KB
3. Feature Engineering/2. 12 Transformação Avançada de Categóricas com Likelihood e P-value - Likelihood/Materiais/cat_like_notebooks.zip 17.4 KB
3. Feature Engineering/3. 13 Transformação Avançada de Categóricas com Likelihood e P-value - Weighted Likelihood/Materiais/cat_like_notebooks.zip 17.4 KB
3. Feature Engineering/4. 14 Transformação Avançada de Categóricas com Likelihood e P-value - Featurização e Modelagem/Materiais/cat_like_notebooks.zip 17.4 KB
3. Feature Engineering/7. 23 As 4 (5) Features Fundamentais dos Modelos de Time Series - Parte 1/Materiais/2_fundamentalipynb.zip 11.7 KB
3. Feature Engineering/8. 24 As 4 (5) Features Fundamentais dos Modelos de Time Series - Parte 2/Materiais/2_fundamentalipynb.zip 11.7 KB
4. 4 Coloque em Produção/1. 41 Criando o Web App com o Flask - apppy/Materiais/novos_videosjson.zip 10.0 KB
4. 4 Coloque em Produção/2. 42 Criando o Web App com o Flask - run_backendpy/Materiais/novos_videosjson.zip 10.0 KB
4. 4 Coloque em Produção/3. 43 Criando o Web App com o Flask - get_datapy e ml_utilspy/Materiais/novos_videosjson.zip 10.0 KB
3. Feature Engineering/12. 28 Encoding de Categóricas - Embeddings Supervisionados/Materiais/6_supervised_embeddingsipynb.zip 9.5 KB
2. 2 Prepare os Dados/10. 29 Active Learning e Adicionando Features de Texto do Título/Materiais/modelo2ipynb.zip 9.4 KB
2. 2 Prepare os Dados/11. 210 Selecionando Exemplos para o Active Learning/Materiais/modelo2ipynb.zip 9.4 KB
4. Ensembles (Stacking) para Time Series/6. 6 XGBoost na GPU e Diversidade em Grupos de Linhas/Materiais/11_xgb_rows_groupsipynb.zip 9.4 KB
3. 3 Crie o Modelo/1. 31 O Primeiro Modelo - Random Forest/Materiais/modelo4ipynb.zip 9.2 KB
3. 3 Crie o Modelo/2. 32 LightGBM e Bayesian Optimization/Materiais/modelo4ipynb.zip 9.2 KB
3. 3 Crie o Modelo/3. 33 Regressão Logística/Materiais/modelo4ipynb.zip 9.2 KB
5. Redes Neurais para Time Series/10. 28 Encoder-Decoder (Seq2Seq) para Time Series/Materiais/rnn_gru1_encoderdecoder_seedavg_cuda.zip 8.1 KB
5. Redes Neurais para Time Series/3. 21 Redes Neurais Recorrentes para Time Series - LSTM parte 1/Materiais/rnn_lstm1_notebook_dados.zip 8.0 KB
5. Redes Neurais para Time Series/4. 22 Redes Neurais Recorrentes para Time Series - LSTM parte 2/Materiais/rnn_lstm1_notebook_dados.zip 8.0 KB
2. Validação Avançada para Time Series/6. 6 Comparação dos Métodos com a Distribuição de Avaliações do Teste/Materiais/6_distro_analysis.zip 7.9 KB
2. 2 Prepare os Dados/4. 23 Criando o Coletor de Dados da Página de Vídeo/Materiais/coleta_de_dados_videoipynb.zip 7.5 KB
2. 2 Prepare os Dados/5. 24 Criando o Extrator de Dados da Página de Vídeo/Materiais/coleta_de_dados_videoipynb.zip 7.5 KB
2. 2 Prepare os Dados/6. 25 Inspecionando os Dados Extraídos da Página de Vídeo/Materiais/coleta_de_dados_videoipynb.zip 7.5 KB
5. Redes Neurais para Time Series/1. 1 Redes Neurais Convolucionais para Time Series - Primeiros Passos/Materiais/ts_hr_feb_2020csv.zip 5.8 KB
5. Redes Neurais para Time Series/5. 23 Redes Neurais Recorrentes para Time Series - LSTM com variáveis da estrutura da data/Materiais/ts_hr_feb_2020csv.zip 5.8 KB
5. Redes Neurais para Time Series/6. 24 Redes Neurais Recorrentes para Time Series - LSTM com previsão a cada passo/Materiais/ts_hr_feb_2020csv.zip 5.8 KB
5. Redes Neurais para Time Series/7. 25 Redes Neurais Recorrentes para Time Series - Estabilizando as previsões e rodando na GPU/Materiais/ts_hr_feb_2020csv.zip 5.8 KB
5. Redes Neurais para Time Series/8. 26 Redes Neurais Recorrentes para Time Series - Tunando com Bayesian Optimization/Materiais/ts_hr_feb_2020csv.zip 5.8 KB
5. Redes Neurais para Time Series/9. 27 Comparando a CNN e a RNN/Materiais/ts_hr_feb_2020csv.zip 5.8 KB
5. Redes Neurais para Time Series/10. 28 Encoder-Decoder (Seq2Seq) para Time Series/Materiais/ts_hr_feb_2020csv.zip 5.8 KB
4. 4 Coloque em Produção/1. 41 Criando o Web App com o Flask - apppy/Materiais/scripts.zip 5.6 KB
4. 4 Coloque em Produção/2. 42 Criando o Web App com o Flask - run_backendpy/Materiais/scripts.zip 5.6 KB
4. 4 Coloque em Produção/3. 43 Criando o Web App com o Flask - get_datapy e ml_utilspy/Materiais/scripts.zip 5.6 KB
4. 4 Coloque em Produção/4. 44 Criando o Contêiner com Docker/Materiais/scripts.zip 5.6 KB
4. 4 Coloque em Produção/5. 45 Construindo e Rodando o Docker/Materiais/scripts.zip 5.6 KB
4. 4 Coloque em Produção/6. 46 Enviando para o Heroku/Materiais/scripts.zip 5.6 KB
5. Redes Neurais para Time Series/9. 27 Comparando a CNN e a RNN/Materiais/cnn1_emb1_seedavg_cuda_tuneipynb.zip 5.6 KB
2. Validação Avançada para Time Series/5. 5 Block e Combinatorial Cross-Validation/Materiais/5_block_cvipynb.zip 4.6 KB
3. 3 Crie o Modelo/4. 34 Ensemble Final/Materiais/modelo5ipynb.zip 4.4 KB
et/BN6AVXUX.zip 3.9 KB
et/CEF4FF5W.zip 3.9 KB
et/G7EXWS6C.zip 3.9 KB
et/QWZSJI0B.zip 3.9 KB
et/QXQ6RBRM.zip 3.9 KB
2. 2 Prepare os Dados/12. 211 Avaliando os Resultados do Active Learning/Materiais/modelo3_alipynb.zip 3.7 KB
3. Feature Engineering/11. 27 Encoding de Categóricas - Model Likelihood, Reduzir Cardinalidade e PCA/Materiais/5_categorical_model_leakyipynb.zip 3.6 KB
et/list.txt 3.5 KB
2. Validação Avançada para Time Series/1. 1 Holdout Simples/Materiais/0_1_holdout_nbs.zip 3.1 KB
4. Ensembles (Stacking) para Time Series/5. 5 Diversidade com Grupos de Features e Mais uma Rede Neural/Materiais/7_lgbm_feature_groupsipynb.zip 3.0 KB
3. Feature Engineering/14. 210 Autoencoder Clássico (Self-supervised Learning)/Materiais/8_autoencoderipynb.zip 2.9 KB
3. Feature Engineering/13. 29 Aproveitando Embeddings para Outros Modelos/Materiais/7_supervised_embeddings_2ipynb.zip 2.9 KB
2. 2 Prepare os Dados/2. 21 Criando o Coletor da Página de Busca do Youtube/Materiais/coleta_de_dados_searchipynb.zip 2.9 KB
2. 2 Prepare os Dados/3. 22 Criando o Extrator de Dados da Página de Busca do Youtube/Materiais/coleta_de_dados_searchipynb.zip 2.9 KB
3. Feature Engineering/6. 22 Como Construir o Alvo (Y) Para a Previsão/Materiais/1_targetipynb.zip 2.9 KB
4. Ensembles (Stacking) para Time Series/7. 7 Diversidade de Hiperparâmetros e Ideias Criativas com XGBoost/Materiais/13_xgb_otheripynb.zip 2.8 KB
4. Ensembles (Stacking) para Time Series/8. 8 (Boosted) Random Forest/Materiais/13_xgb_otheripynb.zip 2.8 KB
et/7Z7ECQTY.zip 2.8 KB
et/9FWCS0IY.zip 2.8 KB
et/GD56A36D.zip 2.8 KB
et/KPCNX3I7.zip 2.8 KB
et/W0Z18L7Y.zip 2.8 KB
4. Ensembles (Stacking) para Time Series/3. 3 Redes Neurais e Primeira Stack/Materiais/2_nnipynb.zip 2.7 KB
et/9BS66F53.zip 2.7 KB
et/EKAQ7175.zip 2.7 KB
et/NGU5DN55.zip 2.7 KB
et/NSY2UEP1.zip 2.7 KB
et/YNVCR2DF.zip 2.7 KB
3. Feature Engineering/15. 211 Denoising Autoencoder/Materiais/9_denoising_autoencoderipynb.zip 2.6 KB
3. Feature Engineering/9. 25 Encoding de Categóricas - CountFrequency e Target Encoding Simples/Materiais/3_categorical_rapidsipynb.zip 2.6 KB
3. Feature Engineering/10. 26 Encoding de Categóricas - Cuidados com Vazamento de Dados no Target Encoder e KNN/Materiais/3_categorical_rapidsipynb.zip 2.6 KB
4. Ensembles (Stacking) para Time Series/10. 10 Stack Final com Média Ponderada de 2 Modelos/Materiais/16_stack7ipynb.zip 2.6 KB
3. Feature Engineering/9. 25 Encoding de Categóricas - CountFrequency e Target Encoding Simples/Materiais/2b_baseline_winsoripynb.zip 2.5 KB
4. Ensembles (Stacking) para Time Series/10. 10 Stack Final com Média Ponderada de 2 Modelos/Materiais/15_stack6ipynb.zip 2.4 KB
3. Feature Engineering/16. 212 Transformação de Numéricas para Categóricas com Decision Trees/Materiais/10_num_to_leavesipynb.zip 2.4 KB
2. Validação Avançada para Time Series/4. 4 Prequential Sliding/Materiais/4_prequential_slidingipynb.zip 2.3 KB
4. Ensembles (Stacking) para Time Series/6. 6 XGBoost na GPU e Diversidade em Grupos de Linhas/Materiais/10_xgb_feature_groupsipynb.zip 2.3 KB
2. Validação Avançada para Time Series/3. 3 Prequential Expanding/Materiais/3_prequential_expandingipynb.zip 2.3 KB
4. Ensembles (Stacking) para Time Series/2. 2 Split de dados e LightGBM/Materiais/1_lgbmipynb.zip 2.2 KB
4. Ensembles (Stacking) para Time Series/5. 5 Diversidade com Grupos de Features e Mais uma Rede Neural/Materiais/9_nn2ipynb.zip 2.2 KB
4. Ensembles (Stacking) para Time Series/2. 2 Split de dados e LightGBM/Materiais/0_splitipynb.zip 2.1 KB
4. Ensembles (Stacking) para Time Series/3. 3 Redes Neurais e Primeira Stack/Materiais/3_stack1ipynb.zip 2.0 KB
5. Redes Neurais para Time Series/1. 1 Redes Neurais Convolucionais para Time Series - Primeiros Passos/desc.html 2.0 KB
4. Ensembles (Stacking) para Time Series/9. 9 Stacking (com Model Selection) Usando Ridge/Materiais/14_stack5ipynb.zip 1.8 KB
4. Ensembles (Stacking) para Time Series/2. 2 Split de dados e LightGBM/Materiais/0_data_prepipynb.zip 1.8 KB
5. Redes Neurais para Time Series/6. 24 Redes Neurais Recorrentes para Time Series - LSTM com previsão a cada passo/Materiais/rnn_lstm2_emb1ipynb.zip 1.7 KB
4. Ensembles (Stacking) para Time Series/7. 7 Diversidade de Hiperparâmetros e Ideias Criativas com XGBoost/Materiais/12_xgb_hyperipynb.zip 1.7 KB
2. Validação Avançada para Time Series/2. 2 Repeated Holdout/Materiais/2_rep_holdoutipynb.zip 1.6 KB
2. 2 Prepare os Dados/8. 27 Criando as Primeiras Features/desc.html 1.3 KB
4. Ensembles (Stacking) para Time Series/4. 4 EXTRA Análise de Overfitting entre Validação e Teste (Robustez)/Materiais/4_linearipynb.zip 1.1 KB
5. Redes Neurais para Time Series/9. 27 Comparando a CNN e a RNN/desc.html 1.0 KB
6. Lives do Canal Editadas/3. Live 24 - Tutorial Básico de Pytorch/desc.html 906 bytes
1. Atualização O Scraper Quebrou E Agora/1. 1 Consertando o Extrator de Dados (Módulo 2)/desc.html 871 bytes
5. Redes Neurais para Time Series/10. 28 Encoder-Decoder (Seq2Seq) para Time Series/desc.html 852 bytes
3. Feature Engineering/14. 210 Autoencoder Clássico (Self-supervised Learning)/desc.html 833 bytes
2. 2 Prepare os Dados/3. 22 Criando o Extrator de Dados da Página de Busca do Youtube/desc.html 831 bytes
4. 4 Coloque em Produção/4. 44 Criando o Contêiner com Docker/desc.html 806 bytes
2. Validação Avançada para Time Series/1. 1 Holdout Simples/desc.html 783 bytes
4. 4 Coloque em Produção/6. 46 Enviando para o Heroku/desc.html 754 bytes
5. Redes Neurais para Time Series/4. 22 Redes Neurais Recorrentes para Time Series - LSTM parte 2/desc.html 744 bytes
4. Ensembles (Stacking) para Time Series/8. 8 (Boosted) Random Forest/desc.html 736 bytes
4. Ensembles (Stacking) para Time Series/6. 6 XGBoost na GPU e Diversidade em Grupos de Linhas/desc.html 720 bytes
4. Ensembles (Stacking) para Time Series/2. 2 Split de dados e LightGBM/desc.html 707 bytes
2. Validação Avançada para Time Series/2. 2 Repeated Holdout/desc.html 699 bytes
2. Validação Avançada para Time Series/3. 3 Prequential Expanding/desc.html 694 bytes
1. 1 Defina o Problema/3. 12 Como Escolher um Problema para Resolver/desc.html 643 bytes
3. Feature Engineering/16. 212 Transformação de Numéricas para Categóricas com Decision Trees/desc.html 604 bytes
2. 2 Prepare os Dados/7. 26 Limpando e Transformando os Dados/desc.html 590 bytes
3. 3 Crie o Modelo/2. 32 LightGBM e Bayesian Optimization/desc.html 588 bytes
3. Feature Engineering/5. 21 Juntando informações de time series diferentes/desc.html 572 bytes
2. 2 Prepare os Dados/6. 25 Inspecionando os Dados Extraídos da Página de Vídeo/desc.html 570 bytes
2. Validação Avançada para Time Series/7. 7 Comentários sobre o Paper que Usei como Referência/desc.html 511 bytes
2. 2 Prepare os Dados/4. 23 Criando o Coletor de Dados da Página de Vídeo/desc.html 490 bytes
2. 2 Prepare os Dados/10. 29 Active Learning e Adicionando Features de Texto do Título/desc.html 490 bytes
3. Feature Engineering/2. 12 Transformação Avançada de Categóricas com Likelihood e P-value - Likelihood/desc.html 441 bytes
3. Feature Engineering/15. 211 Denoising Autoencoder/desc.html 425 bytes
2. 2 Prepare os Dados/2. 21 Criando o Coletor da Página de Busca do Youtube/desc.html 424 bytes
5. X Melhorando o App/1. X1 Armazenando dados numa DB SQL com SQLite3/desc.html 395 bytes
info.txt 385 bytes
4. 4 Coloque em Produção/5. 45 Construindo e Rodando o Docker/desc.html 359 bytes
4. 4 Coloque em Produção/1. 41 Criando o Web App com o Flask - apppy/desc.html 350 bytes
2. 2 Prepare os Dados/5. 24 Criando o Extrator de Dados da Página de Vídeo/desc.html 333 bytes
4. Ensembles (Stacking) para Time Series/3. 3 Redes Neurais e Primeira Stack/desc.html 305 bytes
2. Validação Avançada para Time Series/4. 4 Prequential Sliding/desc.html 297 bytes
2. Validação Avançada para Time Series/5. 5 Block e Combinatorial Cross-Validation/desc.html 297 bytes
2. Validação Avançada para Time Series/6. 6 Comparação dos Métodos com a Distribuição de Avaliações do Teste/desc.html 297 bytes
3. Feature Engineering/10. 26 Encoding de Categóricas - Cuidados com Vazamento de Dados no Target Encoder e KNN/desc.html 290 bytes
3. 3 Crie o Modelo/3. 33 Regressão Logística/desc.html 284 bytes
5. Redes Neurais para Time Series/6. 24 Redes Neurais Recorrentes para Time Series - LSTM com previsão a cada passo/desc.html 261 bytes
5. X Melhorando o App/2. X2 Criando a API predict para retornar previsões em vídeos fora da DB/desc.html 258 bytes
3. Feature Engineering/3. 13 Transformação Avançada de Categóricas com Likelihood e P-value - Weighted Likelihood/desc.html 253 bytes
8. Material de Suporte/2. Expanda seu conhecimento sobre validação de modelos para criar soluções mais robustas/desc.html 250 bytes
3. Feature Engineering/1. 11 Transformação Avançada de Categóricas com Likelihood e P-value - Pré-processamento dos dados/desc.html 249 bytes
2. 2 Prepare os Dados/9. 28 Visualizando e Interpretando uma Árvore de Decisão/desc.html 248 bytes
1. 1 Defina o Problema/2. 11 Traduzindo a Ideia para a Linguagem da Data Science/desc.html 232 bytes
3. Feature Engineering/12. 28 Encoding de Categóricas - Embeddings Supervisionados/desc.html 222 bytes
6. Lives do Canal Editadas/2. Live 18 - Introdução Básica a Redes Neurais com Tensorflow/desc.html 221 bytes
3. Feature Engineering/4. 14 Transformação Avançada de Categóricas com Likelihood e P-value - Featurização e Modelagem/desc.html 201 bytes
2. 2 Prepare os Dados/11. 210 Selecionando Exemplos para o Active Learning/desc.html 196 bytes
4. 4 Coloque em Produção/7. 47 Analisando a Solução Final/desc.html 175 bytes
3. 3 Crie o Modelo/4. 34 Ensemble Final/desc.html 167 bytes
5. Redes Neurais para Time Series/3. 21 Redes Neurais Recorrentes para Time Series - LSTM parte 1/desc.html 141 bytes
8. Material de Suporte/1. Tutorial rápido de Scrapy/desc.html 125 bytes
3. Feature Engineering/7. 23 As 4 (5) Features Fundamentais dos Modelos de Time Series - Parte 1/desc.html 121 bytes
3. Feature Engineering/11. 27 Encoding de Categóricas - Model Likelihood, Reduzir Cardinalidade e PCA/desc.html 94 bytes
6. Lives do Canal Editadas/1. Live 1 - Perguntas Gerais Sobre Data Science/desc.html 92 bytes

Como Criar uma Solução Completa de Data Science

File List

Download Torrent

Related Resources

Copyright Infringement