Data-Science

Uma necessidade de produto chegou sem métrica que a resolvesse: média de estrelas não distingue loja que era boa de loja que é boa. Não tinha o que comprar, então a gente escreveu a matemática. Essa é a jornada do RRi e do método que ficou dela: escrever as propriedades desejáveis e os problemas esperados antes de qualquer símbolo, montar a notação antes do código, revisar a álgebra em vez do programa, trocar o chute por critério de corte declarado, e descobrir que interpretabilidade, e não precisão, é a restrição que decide se a métrica vive.

Continuação do post sobre o alpinista no nevoeiro. Existe um cheatsheet clássico de fórmulas essenciais de data science: estatística descritiva, probabilidade, álgebra linear, cálculo, machine learning, information theory, data science essentials e séries temporais. Cada uma dessas oito famílias tem aplicação direta na operação da Plataforma Harmo, todo dia. Esse post mapeia onde cada uma mora.

Python se tornou a principal linguagem para inteligência artificial e ciência de dados. Mas ir além de notebooks e exemplos isolados é o verdadeiro desafio. Neste artigo mostramos como usar Python para construir pipelines de dados, processar grandes volumes de informação e integrar modelos de IA em sistemas reais. A partir de experiências práticas da Harmo, exploramos desde manipulação de dados até APIs de inferência e arquitetura de pipelines para produção.