mirror of
https://github.com/jackyzha0/quartz.git
synced 2025-12-20 03:14:06 -06:00
39 lines
1.9 KiB
Markdown
39 lines
1.9 KiB
Markdown
---
|
||
title: IA
|
||
---
|
||
>[!warning]
|
||
> Se você é membro da dev e quer contribuir com algum material, se liga no **Guia do Hub** disponível na seção Extras: [[../05-guiahub/01-guia-onboarding-hub|Guia do Hub]]
|
||
|
||
## O que é a trilha de Inteligência Artificial (IA)?
|
||
|
||
A trilha de **Inteligência Artificial (IA)** é o eixo do Hub dedicado à **modelagem preditiva, aprendizado de máquina e deep learning**, com foco em construção de **modelos robustos, reprodutíveis e aplicados a problemas reais** (finanças, economia, ciências sociais, negócios etc.).
|
||
Aqui integramos de forma estruturada:
|
||
|
||
- **Aprendizado de máquina clássico**
|
||
(regressão, árvores, ensembles, SVM, modelos lineares e generalizados)
|
||
- **Redes neurais e deep learning**
|
||
(MLP, CNN, RNN/LSTM, Transformers, arquiteturas modernas)
|
||
- **Aprendizado não supervisionado e representação**
|
||
(clustering, redução de dimensionalidade, embeddings, autoencoders)
|
||
|
||
O objetivo é dar visibilidade aos projetos criados internamente e organizar materiais que mostrem **como se formula, implementa, avalia e documenta modelos de IA de ponta a ponta** – desde a coleta/tratamento de dados até a escolha de métricas, comparação de modelos e análise de erros.
|
||
|
||
---
|
||
|
||
## Pra quem é essa trilha?
|
||
|
||
> 👇 Se você se identificou com pelo menos um ponto, essa trilha é pra você:
|
||
|
||
- Quer **aprender machine learning e deep learning**
|
||
- Gosta de **programar em Python** e quer aplicar isso em problemas quantitativos e de negócio
|
||
- Quer entender **como cientistas de dados, engenheiros de ML e quants** projetam, treinam e validam modelos
|
||
- Está se preparando para **estágios/trainees em dados, IA, pesquisa aplicada ou áreas quantitativas**
|
||
|
||
Não precisa já dominar IA – o importante é estar disposto a **estudar, experimentar modelos diferentes, medir resultados e compartilhar código**.
|
||
|
||
---
|
||
|
||
## Como navegar pela trilha
|
||
|
||
Use o menu à baixo para acessar os conteúdos de cada semestre:
|