Publicação de Carlos Miguel

Recentemente durante as aulas de Cálculo do professor Carlos R. Bifi, Dr. , observei a relação do Big O com Limites e Derivadas, por isso resolvi trazer essa postagem como reflexão do tema: 🔍 Desvendando o Big O com Limites e Derivadas 📊 Se você trabalha com desenvolvimento de software, já deve ter esbarrado com o conceito de Big O ao avaliar a eficiência de algoritmos. Mas o que exatamente essa notação nos diz? E como ela se conecta com conceitos matemáticos como limites e derivadas? 🎯 O que é o Big O? O Big O basicamente nos mostra como o tempo de execução (ou o uso de memória) de um algoritmo cresce conforme aumentamos o tamanho da entrada. Em outras palavras, ele nos dá uma ideia de como o algoritmo vai se comportar no pior cenário, quando os dados são muitos. 📈 Limites: Uma forma de prever o futuro Para entender isso de um jeito simples, pense nos limites. Esse conceito matemático ajuda a prever o comportamento de uma função quando a entrada cresce para o infinito. Quando falamos que um algoritmo é O(n), por exemplo, estamos dizendo que o tempo de execução cresce linearmente conforme o número de elementos aumenta. O limite nos dá essa visão, mostrando como o algoritmo se comporta quando "as coisas ficam grandes". ⚙️ Derivadas: Explorando a taxa de crescimento Já as derivadas entram em cena quando queremos saber quão rápido a função cresce. Elas ajudam a identificar mudanças na taxa de variação da função de tempo de execução. Isso pode ser crucial para otimizar o código, pois podemos identificar pontos onde ele se torna mais lento e pensar em maneiras de melhorá-lo. ✨ Por que isso é importante? Entender Big O não é só uma questão de teoria. No mundo real, otimizar algoritmos pode fazer a diferença entre um sistema que responde em milissegundos ou um que deixa os usuários esperando. E conceitos como limites e derivadas são ferramentas que nos ajudam a ir além das simples classificações de desempenho, permitindo otimizações mais inteligentes e direcionadas. No fim das contas, é sobre encontrar o equilíbrio entre simplicidade e performance. 🚀

Muitas pessoas sem o devido conhecimento pensam que o valor do cientista de dados é saber Python, SQL ou saber usar ferramenta X ou Y. O verdadeiro valor do cientista de dados é gerar Insights acionaveis, ou seja, basicamente é gerar algum conhecimento baseado no método científico no qual esse conhecimento será usado para fazer as escolhas corretas em determinado negócio. Fazer a empresa ter um direcionamento que não seja baseado em achismo. Isso só não se aplica em vagas muito específicas como o cientista de dados da Tesla que trabalha com computer vision e carros autônomo, mas isso representa uma quantidade mínima das vagas. Nesse último caso, ter um excelente conhecimento em programação é essencial.

Olá, minha rede! Seis tão Bão? Quando comecei esse caminho de dados, algumas pessoas me disseram que eu precisaria estudar. Principalmente, pensando em ciência de dados. Atualmente, fazendo estatística na Faculdade de Tecnologia de São Paulo - FATEC-SP, percebi que eu não sabia nada sobre o tema. As IA's estão dominando o mundo, mas poucos são os que dominam as IA's. Por isso, estou levando essa matéria o mais sério possível. Não para apenas passar, porém para também compreender esse mundo que cada vez mais estará presente em nosso dia a dia. E sim, eu sou bem nerd rs Bora estudar mais um pouco, pois ficar parado é fácil demais!

Você sabe o que é lógica? E por que algoritmos são essenciais? Descubra esses conceitos com o carrossel de hoje! 😉 💡 Entenda como a lógica facilita a vida no dia a dia e por que é uma base essencial para quem está começando na área de tecnologia. 📢 Compartilhe sua experiência: Qual foi o maior desafio que você encontrou ao aprender lógica? Spoiler: Logo mais, trago dicas de sites para praticar lógica e aprimorar suas habilidades! 🚀

Você sabia que tudo o que você vê na internet, incluindo os dados e a inteligência artificial, é pura matemática? As fórmulas que resolvem problemas do seu dia a dia em Análise de Dados estão na base de tudo isso. Agora imagine dominar essas ferramentas e aplicá-las em soluções reais. Pois é exatamente isso que as alunas da WoMakersCode estão fazendo: virando mestres em Probabilidades e Amostragem com Python! Nós já conseguimos resolver qualquer problema do tipo "se isso, então aquilo", usando distribuição binomial, probabilidade condicional, complementar e muito mais. E o melhor: tudo isso é aplicado aos desafios do mundo real com dados (desculpa, M.B. Jordan, mas já te deixamos para trás!). A matemática virou nossa melhor amiga, e estamos prontas pra enfrentar qualquer desafio. E você? Está preparada para transformar fórmulas complexas em soluções práticas e poderosas? Aqui, com foco e diversão, a gente domina qualquer fórmula. Oxente, bora conquistar o mundo com matemática e tecnologia! 🦋 🚀

Depois de dois anos atuando com manutenção e improvement de modelos já implementados, vi na Engenharia de Software uma aliada para discutir o desenvolvimento de modelos dentro de sistemas integrados e esteiras MLOps. Falei um pouquinho neste artigo sobre as principais diferenças entre a construção de algoritmos em contextos acadêmicos/portfólios pessoais e sua construção produtizada dentro de grandes corporações. Tem indicação de livro no início do texto :)

Hoje tem aula do evento Game Changer com a PoD Academy sobre: Engenharia de Dados e Negócios. Uma boa oportunidade para quem quer saber mais sobre essas áreas e como pode atuar com as profissões que trabalham com dados.

Inteligência Artificial vai acabar com as vagas de engenheiros de dados? Fujam todos para as colinas! Vamos ficar sem emprego? Calma. Não é bem assim. Quando a gente está começando, a gente vai, pega ali, começa a estudar, quer migrar um JSON para um CSC. E a gente joga ali no ChatGPT e fica impressionado, porque ele coloca todo aquele código pandas em segundos. E a gente fala, ferrou! Porque eu demoraria uma semana para fazer, ele fez em cinco minutos. Vou desistir. Vou largar tudo. Vou estudar para concurso público. Aí você vai ver que o concurso público acabou para piorar tudo ainda. O que eu vou fazer da minha vida? Calma. Não é assim. Esse tipo de tarefa, realmente, a inteligência vai fazer. Porque é só você ler 20 minutos de documentação, você aprenderia a fazer isso também. Mas a engenheira de dados real é longe dessa simplificação. Assiste nesse vídeo que eu vou te falar a minha opinião sobre isso.

No campo da ciência e análise de dados, entender o funcionamento dos algoritmos de ordenação ultrapassa a simples organização de listas. Trata-se de dominar conceitos que otimizam processos e solucionam problemas de maneira eficiente, o que se reflete diretamente no desempenho de sistemas. Recentemente, ao estudar algoritmos como Insertion Sort, Quick Sort, Merge Sort e Heap Sort, pude perceber como essa base é essencial para aplicações práticas. A compreensão desses algoritmos é fundamental para selecionar a solução mais adequada a cada cenário, seja para lidar com grandes volumes de dados, otimizar buscas em bancos de dados ou estruturar sistemas eficientes. Além disso, explorar os pseudocódigos de cada algoritmo aprimora a lógica de programação e a capacidade de resolver problemas complexos. A escolha do algoritmo ideal depende do contexto. Por exemplo, o Quick Sort é bastante utilizado em linguagens modernas por seu desempenho geral, mas em situações que exigem estabilidade, o Merge Sort se destaca. Já o Heap Sort é indicado em ambientes com limitações de memória. Cada algoritmo possui sua aplicabilidade e compreender essa diversidade permite escolhas mais assertivas. Compreender algoritmos de ordenação é mais do que um exercício acadêmico; é uma ferramenta valiosa para quem busca eficiência e solução de problemas no dia a dia. E você, como escolhe o algoritmo de ordenação ideal para seus projetos? Compartilhe suas experiências nos comentários! Abaixo, preparei uma tabela comparando quando usar cada modelo de algoritmo com base em cada cenário

𝗢 𝗣𝗮𝗽𝗲𝗹 𝗱𝗼𝘀 𝗔𝗹𝗴𝗼𝗿𝗶𝘁𝗺𝗼𝘀 𝗻𝗼 𝗠𝗲𝗿𝗰𝗮𝗱𝗼 𝗔𝘁𝘂𝗮𝗹 💻 Você já parou para pensar como os algoritmos estão moldando o mercado atual? Hoje, algoritmos não são mais apenas ferramentas matemáticas; eles são a base que movimenta negócios, decisões e inovação. Desde otimizações logísticas até personalização de serviços, a eficiência gerada por essas fórmulas inteligentes é gigantesca. Mas para entender e construir algoritmos poderosos, é necessário mais do que programar. Você precisa dominar os fundamentos: matemática, estatística, e uma boa base em lógica de programação. Na Algoritmos Academy, abordamos algoritmos de maneira prática e direta ao ponto. O que isso significa? Significa que, mais do que saber como eles funcionam, você será capaz de implementá-los e ajustá-los às necessidades do mundo real. Cada escolha de técnica, cada decisão no código, precisa ser embasada em sólidos fundamentos. Se você quer avançar sua carreira em IA, Machine Learning ou Data Science, invista tempo em aprender o que acontece “por trás das cortinas”. Entenda os conceitos teóricos antes de aplicá-los em grandes escalas. Esse é o caminho para soluções verdadeiramente inovadoras. https://lnkd.in/dqfneUPc