Alberto Ivo

Se você estuda algoritmos e estruturas de dados, em algum momento se deparou com códigos recursivos (como o famoso Merge Sort ou a busca binária). Calcular o tempo de execução desses algoritmos exige resolver algo chamado relação de recorrência.

Imagine que você está na maior biblioteca do mundo. Há milhões de livros ao seu redor. Agora, alguém te pede para encontrar um livro específico.

Se você já fez um TCC, dissertação ou tese, sabe que a reta final é muitas vezes ofuscada por um monstro burocrático: a formatação nas normas da ABNT. Ajustar margens, espaçamentos, citações e referências em um arquivo .docx caótico não é apenas entediante, é um verdadeiro ralo de produtividade e paz mental.

If you’ve ever wondered how a computer can predict whether an email is spam or not, whether a customer will buy a product, or whether a patient has a disease, then you’ve already brushed against the power of Logistic Regression.

Welcome back to our blog, where we dive into the fascinating world of computer vision! Today, we are going to explore a fundamental concept in image processing: operations in spatial and frequency domains. 🖥️🔍

In the vast landscape of Machine Learning, some algorithms stand out for their intuitive nature and powerful performance. Decision-Based Learning centers around models that make decisions by following a series of rules, much like how humans make choices step by step. This approach often leads to models that are easy to understand and interpret.

Deep Learning is a powerful subset of Machine Learning that draws inspiration from the human brain’s structure and function, particularly through artificial neural networks. Instead of explicit programming, deep learning models learn intricate patterns and representations directly from raw data. This remarkable ability allows them to excel in complex tasks like image recognition and natural language processing.

Machine Learning (ML) is a fascinating field where computers learn from data without being explicitly programmed. Instead of writing rigid rules for every possible scenario, we feed algorithms data, and they figure out patterns, make predictions, or take actions based on what they’ve “learned.” It’s like teaching a child by showing them examples rather than giving them a rulebook.

If you’re diving into the world of machine learning with Python, you’ll quickly come across scikit-learn. It’s an open-source library that provides a wide range of efficient tools for various machine learning tasks. Think of scikit-learn as a Swiss Army knife for data scientists – it has almost everything you need for common machine learning workflows, all neatly organized and easy to use.

In the rapidly evolving world of artificial intelligence, deep learning stands out as a transformative technology. At its core, deep learning relies on frameworks that allow developers and researchers to build, train, and deploy complex neural networks. Two of the most prominent players in this arena are TensorFlow and PyTorch.

Life is full of uncertainties, from whether it will rain tomorrow to the chances of your favorite sports team winning their next game. Probability is the language we use to quantify these uncertainties. It provides a framework for understanding the likelihood of different events occurring. Think of it as a way to put a number on how likely something is to happen. A probability of 0 means an event is impossible, while a probability of 1 means it’s certain. Anything in between represents varying degrees of likelihood.

Ever wondered how to make sense of a jumble of numbers? That’s where descriptive statistics come in! Think of descriptive statistics as your data’s personal storyteller. It helps you summarize, organize, and simplify complex datasets without delving into complex conclusions or predictions. It’s the first crucial step in any data analysis journey, giving you a clear picture of what you’re working with.

Have you ever wondered who actually builds the artificial intelligence tools we use every day? Not the scientist who invents the algorithm in a lab, but the person who connects that “magic” to real products like Netflix, Google, or GitHub Copilot.

Functional programming in Java in a better way.

Heart rate variability, or HRV for short, is a measure of your autonomic nervous system that is widely considered one of the best objective metrics for physical fitness and determining your body’s readiness to perform.

Exercícios pliométricos são usados em programas para desenvolver potência muscular. Iniciantes conseguem ganhar potência apenas com treino de força, porém atletas mais experientes podem precisar de um treino mais específico para desenvolver potência. Este post vai indicar, a partir de estudos científicos, alguns exercícios pliométricos específicos para remadores. O que fazer e o que não fazer.

A diversificação é uma estratégia de gerenciamento de riscos que combina uma ampla variedade de investimentos em um portfólio.

O ROIC, Retorno Sobre o Capital Investido é um cálculo usado para avaliar a eficiência de uma empresa na alocação do capital sob seu controle para investimentos lucrativos.

O Retorno Sobre Ativos ou Return on assets (ROA), indica o quanto uma empresa é lucrativa em relação ao total de ativos. Ele dá a um gerente, investidor ou analista uma ideia de como a administração de uma empresa é eficiente em usar seus ativos para gerar lucros.

O Sharpe Ratio foi desenvolvido pelo ganhador do Prêmio Nobel William F. Sharpe e tem sido uma das medidas de risco/retorno mais referenciadas nas finanças.

ETF (Exchange-Traded Fund) é um tipo de fundo que detém vários ativos subjacentes, em vez de apenas uma ação. Eles podem ter dezenas ou centenas de ações em vários setores ao mesmo tempo ou apenas um setor específico. E, por isso, eles podem ser uma boa escolha para a diversificação.

Uma das formas mais comuns de medir o spread dos nossos dados é observar o resumo dos 5 números (5-number summary) que nos dá valores para calcular a Amplitude Interquartil:

Pandas é uma biblioteca open source, licenciada pelo BSD, que fornece estruturas de dados de alto desempenho, fáceis de usar e ferramentas de análise de dados para a linguagem de programação Python.

OBV é um indicador criado por Joseph Granville em 1963 que usa o fluxo de volume para prever mudanças no preço das ações.

MACD - Moving Average Convergence Divergence é a diferença entre as médias móveis exponenciais de 26 períodos com a de 12 períodos. O resultado deste cálculo nos dá a linha de MACD.

O Índice de Força Relativa (IFR) - ou Relative Strength Index (RSI) é um indicador de momentum que mede a magnitude das mudanças recentes de preço para avaliar as condições de sobrecompra ou sobrevenda no preço de uma ação ou outro ativo.

Bandas de Bollinger® identifica os pontos de alta e baixa volatilidade de uma ação. Embora possa ser um verdadeiro desafio prever preços futuros e ciclos de preços, as mudanças e os ciclos de volatilidade são relativamente fáceis de identificar. Isso ocorre porque as ações se alternam entre períodos de oscilação com uma maior ou menor intensidade.

Média Móvel (MA - Moving Average) é amplamente utilizado na análise técnica. É um indicador de seguimento de tendência, ou atraso, porque se baseia em preços passados.

Earnings Before Interest and Taxes ou Lucro Antes dos Impostos e Juros - é usado para analisar o desempenho das principais operações de uma empresa sem que os custos operacionais e as despesas tributárias impactem o lucro. Por isso também é chamado de Lucro Operacional.

A carreira de Cientista de Dados é frequentemente citada como uma das mais promissoras do século. Mas como dar os primeiros passos nesse universo, especialmente utilizando Python?

Medidas de Dispersão (ou Measures of Spread) são usadas para nos dar uma ideia de como os nossos dados se espalham (ou o quão distantes eles estão) uns dos outros. As mais comuns são: Amplitude, Amplitude Interquartil, Desvio Padrão e Variância.

Python has several artithmetic operators: +, -, *, /, %, **, //.

Lucro por ação (LPA) - do inglês Earnings Per Share (EPS) - serve como um indicador da lucratividade de uma empresa. De uma forma geral, quanto maior o LPA de uma empresa, mais rentável ela é considerada.

São três as Medidas de Centro: Média, Mediana e Moda.

O índice de Preço/Valor Patrimonial por Ação (P/VPA) é, basicamente, uma métrica que relaciona o quanto a empresa vale e o quanto os investidores estão dispostos a pagar por ela. Em outras palavras, ele nos indica se a empresa está sendo negociada abaixo do seu valor patrimonial. Em tese, quanto mais baixo este índice, mais barata é a empresa.

Retorno sobre o patrimônio líquido (Return on Equity – ROE) é uma medida de desempenho financeiro calculada dividindo-se o lucro líquido pelo patrimônio líquido. Como o patrimônio líquido é igual aos ativos de uma empresa menos sua dívida, o ROE poderia ser considerado como o retorno sobre os ativos líquidos.

O Índice Preço/Vendas (PSR - em inglês) compara o preço das ações de uma empresa com suas receitas. É um indicador do valor colocado em cada R$ das vendas ou receitas de uma empresa.

Dividendo é uma forma de remuneração que as empresas fazem aos seus acionistas de tempos em tempos. O ganho do investidor é proporcional à quantidade de ações que possui. Quanto mais ações, maior será o valor recebido.

Abertura de Diafragma (Aperture) controla a quantidade de luz que entra na câmera e é representada pela letra ƒ. Conforme pode ser vista na imagem acima, quanto menor o número, maior a abertura do diafragma, logo, mais luz vai entrar no sensor porém menor será a profundidade de campo.

O Obturador ou Shutter Speed controla o tempo pelo qual a luz deve entrar na câmera para sensibilizar o sensor. Em outras palavras: “controla o tempo de exposição do sensor à luz.”

ISO é a sensibilidade do filme (ou no caso da fotografia digital, do sensor) à luz. Quanto menor o número, menor é essa sensibilidade. Consequentemente, é preciso mais luz para a fotografia ficar clara. Se o ISO é aumentado, a sensibilidade do sensor aumenta também e, mesmo com menos luz é possível captar a cena desejada.

console.xxx is a great way to debug the code. I know that we could use a debug tool, but I prefer console. So let’s see some useful hint about it.

Array instances inherit from Array.prototype. As with all constructors, you can change the constructor’s prototype object to make changes to all Array instances. For example, you can add new methods and properties to extend all Array objects. This is used for polyfilling, for example.

If the first line of a script file starts with #!, it is known as a “shebang” line. Linux and other Unix like operating systems have native support for such lines and they are commonly used on such systems to indicate how a script should be executed. This launcher allows the same facilities to be used with Python scripts on Windows.

O target='_blank' é muito usado quando queremos abrir um link em outra aba. Apenas não o use sozinho por questões de segurança.

Quem nunca usou o console.log para depurar um código e ver o valor daquela variável ou até mesmo para checar se uma função foi chamada devidamente? 🙈

Como publicar seu app JS no Firebase usando a ferramenta de Integração Contínua Travis CI

O GitHub é uma ótima ferramenta não só para repositório de código mas também para publicar nossos apps/websites. Veja como é fácil publicar lá.

O Firebase é uma plataforma para desenvolvimento mobile e web do Google. Com ela, você pode desenvolver apps de qualidade rapidamente. Neste post, vamos focar na publicação gratuita.