Início

Data Science

Testes A/B em Projetos de Data Science – Uma Ferramenta de Negócio Estratégica

Os testes A/B tornaram-se uma ferramenta essencial em projetos de Data Science orientados a negócios. Eles permitem que empresas tomem decisões embasadas em dados, comparando diferentes abordagens antes de implementar mudanças amplamente. Nesta série de 3 artigos, exploramos em detalhe o que são testes A/B, como funcionam e são conduzidos, exemplos práticos de uso empresarial, seus benefícios, desafios e limitações, e como impactam o retorno financeiro e as decisões estratégicas da empresa. Aqui está a Parte 1.

CONSULTE MAIS INFORMAÇÃO

Comparativo Tecnico Apache Iceberg Delta Lake Apache Hudi
Casos de Uso Comparativo Técnico Engenharia de Dados

Comparativo Técnico e Casos de Uso – Apache Iceberg, Delta Lake e Apache Hudi

No universo de Data Lakes e Lakehouses, três tecnologias destacam-se por oferecerem transações ACID (Atomicity, Consistency, Isolation, Durability), controle de versões e eficiência na gestão de dados: Apache Iceberg, Delta Lake e Apache Hudi. Cada uma surgiu para resolver problemas específicos de processamento de grandes volumes de dados, garantindo confiabilidade e flexibilidade. Este artigo traz um comparativo técnico, porém acessível a diferentes públicos, comparando essas soluções – suas características, vantagens, desvantagens e casos de uso reais.

CONSULTE MAIS INFORMAÇÃO

Termo de Compromisso de Estagio
Pós-Graduação

Termo de Compromisso de Estágio

O Termo de Compromisso de Estágio (TCE) é um documento obrigatório no Brasil que formaliza a relação entre o estudante, a empresa concedente do estágio e a instituição de ensino. Ele deve seguir as diretrizes estabelecidas pela Lei do Estágio (Lei nº 11.788/2008) e tem como objetivo garantir que o estágio cumpra sua função educativa, sem configurar vínculo empregatício.

CONSULTE MAIS INFORMAÇÃO

Como RAG Funciona Para Personalizar os LLMs
Inteligência Artificial Processamento de Linguagem Natural Retrieval-Augmented Generation (RAG)

Como RAG (Retrieval-Augmented Generation) Funciona Para Personalizar os LLMs?

Com o uso de RAG, é introduzido um componente de recuperação de informações que utiliza a entrada do usuário para extrair informações de uma nova fonte de dados primeiro. A consulta do usuário e as informações relevantes são fornecidas ao LLM. O LLM usa esse novo conhecimento e seus dados de treinamento para criar respostas mais adaptadas.

CONSULTE MAIS INFORMAÇÃO

Inteligencia Artificial em Alto Nivel com LLMs e Retrieval Augmented Generation
Inteligência Artificial Large Language Models (LLMs) Retrieval-Augmented Generation (RAG)

Inteligência Artificial em Alto Nível com LLMs e Retrieval-Augmented Generation (RAG)

Os LLMs (Large Language Models) varreram o universo da Inteligência Artificial, em especial nas tarefas de Processamento de Linguagem Natural (PLN). Mas, como qualquer tecnologia, os LLMs têm limitações. E algumas dessas limitações estão sendo superadas com um processo de RAG (Retrieval-Augmented Generation), personalizando o uso de LLMs para necessidades específicas das empresas.

CONSULTE MAIS INFORMAÇÃO

Data Science

Pós-Graduação em Engenharia Analítica

A Pós-Graduação em Engenharia Analítica é um programa de extensão Lato Sensu que combina técnicas e ferramentas de engenharia de dados e análise de dados, com o objetivo de formar profissionais capazes de projetar, implementar e gerenciar pipelines de dados robustos e escaláveis para atender às demandas analíticas mais modernas. O programa é reconhecido pelo MEC e oferece título de especialista.

CONSULTE MAIS INFORMAÇÃO

© 2021 Data Science Academy