Específicos
Ciência de Dados
0 de 12 completos
- Algoritmos: regressões, árvores, Random Forest × XGBoost, SVM, KNN, K-Means
- Big data: 5 V's, Hadoop, Spark, Kafka, Lambda/Kappa, teorema CAP
- Deep learning: CNN, RNN/LSTM/GRU, Transformer, autoencoders, GANs
- Governança e ética: explicabilidade (SHAP, LIME), privacidade, adversarial, fairness
- LLMs e IA generativa: tokens, contexto, temperatura, RLHF, RAG × fine-tuning
- ML: pipeline, overfitting × underfitting, viés × variância, L1/L2, validação cruzada
- MLOps: versionamento, CI/CD/CT, serving, data drift × concept drift, feature store
- Métricas: matriz de confusão, precisão, recall, F1, AUC-ROC; MSE/RMSE/MAE/R²
- NLP: tokenização, stemming × lemmatização, BoW, TF-IDF, embeddings
- Qualidade de dados: dimensões, profiling, cleansing, linhagem
- Redes neurais: perceptron, ativações, backpropagation, otimizadores, dropout
- Tipos de aprendizado: supervisionado, não supervisionado, reforço, transferência