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

Funções de Ativação em Redes Neurais: Tipos, Contextos e Aplicações

  Funções de Ativação em Redes Neurais: Tipos, Contextos e Aplicações As funções de ativação são componentes essenciais das redes neurais, permitindo que os modelos aprendam e representem relações complexas nos dados. Neste post, exploraremos os principais tipos de funções de ativação, suas características e como escolher a melhor para diferentes cenários. O Que São Funções de Ativação? As funções de ativação transformam as saídas lineares dos neurônios em representações não lineares, permitindo que as redes aprendam padrões complexos. Sem essas funções, as redes seriam equivalentes a simples regressões lineares. Principais Tipos de Funções de Ativação 1. Sigmoid A função sigmoid transforma valores em uma faixa entre 0 e 1: σ(x) = 1 / (1 + e^(-x)) Características: Boa para modelar probabilidades. Propensa ao problema de vanishing gradient em redes profundas. Aplicações: Classificação binária. 2. Tanh (Tangente Hiperbólica) A função tanh transfor...
Postar um comentário
Leia mais

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