Pular para o conteúdo principal

Leituras

Recomendações de Livros

Recomendações de Livros por Assunto

Explore nossa seleção de livros recomendados sobre os principais assuntos abordados no blog.

Tecnologia e Programação

  • Clean Code: A Handbook of Agile Software Craftsmanship - Robert C. Martin
  • The Pragmatic Programmer: Your Journey to Mastery - Andrew Hunt e David Thomas
  • Design Patterns: Elements of Reusable Object-Oriented Software - Erich Gamma et al.

Docker e DevOps

  • Docker Deep Dive - Nigel Poulton
  • The DevOps Handbook: How to Create World-Class Agility, Reliability, and Security in Technology Organizations - Gene Kim et al.
  • Kubernetes Up & Running - Kelsey Hightower, Brendan Burns, e Joe Beda

Inteligência Artificial

  • Artificial Intelligence: A Guide to Intelligent Systems - Michael Negnevitsky
  • Deep Learning - Ian Goodfellow, Yoshua Bengio, e Aaron Courville
  • Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow - Aurélien Géron

Desenvolvimento Pessoal

  • Atomic Habits - James Clear
  • Deep Work: Rules for Focused Success in a Distracted World - Cal Newport
  • The Power of Now: A Guide to Spiritual Enlightenment - Eckhart Tolle

Empreendedorismo e Negócios

  • The Lean Startup: How Today's Entrepreneurs Use Continuous Innovation to Create Radically Successful Businesses - Eric Ries
  • Zero to One: Notes on Startups, or How to Build the Future - Peter Thiel
  • Hooked: How to Build Habit-Forming Products - Nir Eyal

Conclusão

Esses livros são excelentes para quem deseja aprofundar conhecimentos nos assuntos abordados aqui no blog. Caso tenha alguma sugestão de livro para adicionar à lista, entre em contato conosco!

Comentários

Postar um comentário

Postagens mais visitadas deste blog

Temperatura na Inteligência Artificial Generativa: O Que é e Como Afeta os Resultados

Temperatura na Inteligência Artificial Generativa: O Que é e Como Afeta os Resultados No contexto da Inteligência Artificial generativa, especialmente em modelos de linguagem como o GPT, a "temperatura" é um parâmetro que controla a aleatoriedade nas previsões do modelo. Esse controle influencia a qualidade e a criatividade das respostas geradas, sendo uma ferramenta essencial para personalizar os resultados conforme a necessidade do usuário. O Que é Temperatura? Em modelos de IA generativa, a temperatura é um parâmetro utilizado durante o processo de amostragem de probabilidades para gerar tokens (palavras ou caracteres). O modelo gera uma distribuição de probabilidade para o próximo token com base no contexto atual. A temperatura ajusta a "curvatura" dessa distribuição, controlando a diversidade das respostas geradas. Em termos simples, a temperatura pode ser vista como uma forma de controlar o "nível de criatividade" de uma resposta. Quanto mais ba...
Postar um comentário
Leia mais

Comparando Técnicas para Descobrir Similaridades em Embeddings

Os embeddings são representações numéricas densas que capturam a semântica de dados como palavras, frases ou até itens em sistemas de recomendação. Uma aplicação comum dos embeddings é encontrar contextos semelhantes, ou seja, identificar itens ou palavras relacionados com base em sua proximidade no espaço vetorial. Este artigo explora os principais métodos para encontrar contextos semelhantes em embeddings. 1. Similaridade do Cosseno A similaridade do cosseno é uma métrica amplamente utilizada para medir a semelhança entre dois vetores, considerando o ângulo entre eles em vez da magnitude. A fórmula é: sim(u, v) = (u · v) / (||u|| * ||v||) Aqui, u e v são os vetores, e ||u|| representa a norma (magnitude) de u. Um valor de similaridade próximo de 1 indica alta semelhança. 2. Distância Euclidiana A distância euclidiana mede a separação "linear" entre dois pontos no espaço vetorial. A fórmula é: dist(u, v) = √(Σ(u_i - v_i)²) Vetores mais próximos têm distâncias menor...
Postar um comentário
Leia mais

Data Shift: O Desafio de Mudanças nos Dados e Como Lidar com Eles

Data Shift: O Desafio de Mudanças nos Dados e Como Lidar com Eles Em Machine Learning, um dos maiores desafios ao implementar modelos é lidar com mudanças nos dados ao longo do tempo. Essas mudanças podem afetar diretamente o desempenho dos modelos e são frequentemente referidas como Data Shift ou Deslocamento de Dados . Neste post, vamos explorar o que é o Data Shift, os diferentes tipos e como lidar com eles para garantir que seus modelos se mantenham eficazes e precisos. O Que é o Data Shift? O Data Shift ocorre quando os dados usados para treinar um modelo de Machine Learning se tornam diferentes dos dados com os quais o modelo é aplicado ou testado ao longo do tempo. Isso pode acontecer por vários motivos, como mudanças no comportamento dos usuários, alterações no ambiente de coleta de dados ou até mesmo evoluções nos próprios dados em si. Essas mudanças podem afetar negativamente a performance de um modelo, uma vez que ele foi treinado com um conjunto de dados que não rep...
Postar um comentário
Leia mais