Machine learning usando Python

,
Aqui no blog já fizemos vários artigos sobre machine learning, sempre usando o R. Dessa vez resolvemos encarar o desafio de usar o Python para essa análise.

Tidyverse: os pacotes mais usados no R

,
O tidyverse é uma coleção opinativa de pacotes no R. Eles são utilizados para manipulação, exploração e visualização de dados além de compartilharem uma filosofia de design comum.

Pacote Esquisse e gráficos interativos

,
O pacote Esquisse permite criar gráficos com ggplot2 de maneira interativa, com funcionalidades como arrastar e soltar para mapear suas variáveis.

Quais gráficos usar em uma análise de dados?

,
Neste artigo vamos apresentar os gráficos mais adequados de acordo com cada tipo de dado. Ele vai te ajudar na hora de apresentar e descrever os resultados das análises.

Uma visão geral sobre machine learning - Regressão e Clustering

,
Machine Learning é uma inteligência artificial que permite que computadores tomem decisões com a ajuda de algoritmos. Neste artigo vamos falar de regressão e clustering.

Uma visão geral sobre machine learning

,
Machine Learning (ou aprendizado de máquina) é uma inteligência artificial que permite que computadores tomem decisões com a ajuda de algoritmos. Esses algoritmos reconhecem padrões e se tornam capazes de fazer predições.

Data Table: como usar pacote no R?

, ,
Os objetos de dados do R podem ser exibidos como tabelas em HTM o Data Table fornece diferentes recursos para tornar essas tabelas mais interessantes.

Trabalhando com API no R

, ,
Existem várias formas de se obter os dados, que são a matéria prima da ciência de dados, mas as API vêm se tornando uma das formas mais comuns.

Pacote Highcharter no R

,
O pacote Highcharter no R realiza uma tarefa fundamental em qualquer análise de dados: a visualização. Ele é um pacote para a biblioteca Highcharts em JavaScript e oferece uma série de funções com a finalidade de facilitar a produção de gráficos e objetos dentro do R.

Entenda a Teoria das Filas usando o R

,
A Teoria das Filas tenta encontrar um ponto de equilíbrio que satisfaça o cliente e seja viável economicamente para o provedor do serviço.