Pablo.md
English

Eai meu chapa, eu sou o Pablo (ou como minha rapaziada me chama, Pablin)

Tô tentando sobreviver no mestrado em Computação aplicada a inteligência artificial, sou meio que um nerdzão que curte Machine Learning, IA, modelos quantizados e modelos rodando na minha infra, principalmente SLMs (fuck big techs... Caô, óbvio que usei tio claudinho e o primo geminius pra criar o blog uahsuahsuahu). Esse blog é onde eu documento meus estudos (eu e meus modelos locais ou não), com metáfora e tudo, mas sem fugir dos termos técnicos. O lance aqui é tentar fazer você pegar alguma informação e sentir que vai conseguir aplicar isso no seu projeto ou estudo (assim como eu tô tentando também).

Últimos posts

Ver tudo
  • Do Primeiro wx+b até Aqui: Fechando o Curso

    2026-09-09

    20 posts depois, o primeiro curso da especialização (Regressão e Classificação Supervisionada) acabou. Uma revisão do que ficou de pé, o certificado, e o que essa playlist me ensinou sobre reaproveitar a mesma ferramenta em vez de aprender uma nova a cada capítulo.

  • O Gradiente Descendente Não Precisou Aprender Nada de Novo

    2026-09-08

    Semana 3, Lab 6: depois de sigmoide, fronteira de decisão, perda e custo logísticos, falta só uma peça pra treinar de verdade. E a notícia boa é que essa peça já existe desde a Semana 1: o mesmo loop de gradiente descendente, só que descendo um morro diferente.

  • O Que Levou Seis Labs, o Scikit-Learn Faz em Três Linhas

    2026-09-08

    Semana 3, Lab 7: sigmoide, fronteira de decisão, perda, custo e gradiente descendente, tudo escrito à mão nos últimos seis labs, vira import, fit, predict. E a comparação com o sklearn de verdade entrega um spoiler do próximo assunto da matéria.

Timeline

Ver tudo

Playlists

  • Machine Learning Specialization (Andrew Ng)

    Meus estudos passo a passo pela especialização de Machine Learning do Andrew Ng (DeepLearning.AI / Stanford), curso por curso, lab por lab.

  • Reconhecimento de Padrões

    Minhas anotações da disciplina de Reconhecimento de Padrões, aula por aula, com o livro do Bishop como base teórica.

  • Redes Neurais

    Minhas anotações da disciplina de Redes Neurais, aula por aula, com o livro do Aggarwal como base teórica. Playlist viva, crescendo junto com o curso.

  • Artigos

    Leitura diagonal de artigos e surveys que eu achei maneiros, sem a pretensão de virar aula. Código simples, gráfico pra dar uma visão, e a conversa de sempre com você.

  • Modelos Pequenos de Linguagem

    Capítulo a capítulo do livro "How to Build and Fine-Tune a Small Language Model", do J. Paul Liu. Por que treinar seu próprio modelo em vez de terceirizar tudo pra API, e como montar um GPT do zero até ele imitar Machado de Assis.