Notebooks do open colab para aprendizado intensivo (acelerado)

 Hoje percebi que é possível aprender computação, programação de maneira intensiva com conceitos já para serem executados no notebook do open colab. Digitei o seguinte prompt para o chatgpt:

 Estou começando a aprender aprendizado de máquina, pode me gerar um notebook sobre isso?

 Depois tive que pedir pra ele me gerar o arquivo no formato ipynb

Segue o exemplo:

Notebook 1 - Introdução ao machine learning 

https://colab.research.google.com/drive/1vAMKtHPzRI1xdKMp6SJ_wCM371wD_z0a?usp=drive_link  

Notebook 2 - Classificação

https://colab.research.google.com/drive/1sOjrFEbFkarxvwUGnf1f-UGjzMCm9Bfa?usp=drive_link

Notebook 3 - Árvores de decisão

https://colab.research.google.com/drive/13edhpcRX1Nq13J1vLJc2Vxz4gCB60zaW?usp=drive_link

Notebook 4 - Métricas reais

https://colab.research.google.com/drive/1lGjCfK9wuEGzsO35GgGvk8pYCLLuvEF_?usp=drive_link

  

 

 

 

 

Comentários

Postar um comentário

Postagens mais visitadas deste blog

Dados tabulares vs JSONL

 Tabela → agregação → JSONL → embedding → FAISS → retrieval   1. Dados em tabela = estrutura para máquinas tradicionais Dados tabulares são organizados em linhas e colunas . Cada linha representa um registro. Cada coluna representa um atributo. Exemplo simples: municipio semana febre mialgia casos Campinas 12 51 47 80 Aqui: linha = um registro coluna = significado fixo Isso é excelente para: ✅ SQL ✅ filtros ✅ agregações ✅ estatística ✅ joins ✅ processamento analítico Ou seja: tabelas são ótimas para cálculo.   2. Problema: LLM não "pensa" naturalmente em colunas Para um modelo de linguagem, isso: Campinas | 12 | 51 | 47 | 80 não é naturalmente interpretável. Porque o embedding funciona melhor quando existe contexto linguístico . A LLM entende melhor frases como: "No município de Campinas, na semana epidemiológica 12, foram observados 80 casos, com febre em 51 registros e mialgia em 47." ✅ aqui existe semântica explícita   3. JSONL = cada...
Leia mais

Moltbook: rede social que só inteligências artificiais podem usar já reúne milhões de 'perfis'

Imagem
Essa matéria foi publicada em no G1 em https://g1.globo.com/tecnologia/noticia/2026/02/02/moltbook-rede-social-que-so-inteligencias-artificiais-podem-usar-ja-reune-milhoes-de-perfis.ghtml  e por curiosidade pesquisei se havia discussões sobre ontologias e metadados. Encontrei um comentário sobre metadados que vou postar aqui por curiosidade:   Podcast FuturaMente episódio 17 (Agentes de IA e a automação do futuro) interessante que comentou sobre o moltbook: https://open.spotify.com/episode/1mODDdMoLZYa6nGN3LrIhM?si=06a91897c7084048  
Leia mais

Podcast nerdologia: RAG, Yann Lecun, etc

  Conversa interessante sobre ia que passa por temas como RAG, Yann LeCun (cientista chefe da Meta), Fake news com IA, política. https://open.spotify.com/episode/3naFVUgMKaFmIfXlOzX04o?si=X9pw3VKsTyy41Oypp0GbNA   Interessante pois fui olhar quem foi Yann LeCun e descobri que Mark Zukerberg contratou Alexandr Wang no lugar dele devido sua visão de mundo mas focada em LLM e rotulagem de dados.  https://www.youtube.com/watch?v=y12yZ7bQizk&t=1151s     
Leia mais