[{"data":1,"prerenderedAt":196},["ShallowReactive",2],{"lang-switch-post-\u002Fplaylists":3,"playlists-index-pt":4},null,[5,40,97,168],{"id":6,"title":7,"body":8,"cover":3,"description":30,"extension":31,"meta":32,"navigation":33,"order":34,"path":35,"seo":36,"status":37,"stem":38,"__hash__":39},"playlists\u002Fpt\u002Fplaylists\u002Fmachine-learning-specialization\u002Findex.md","Machine Learning Specialization (Andrew Ng)",{"type":9,"value":10,"toc":26},"minimark",[11,20,23],[12,13,14,15,19],"p",{},"Essa playlist é o meu caderno de anotações público enquanto estudo a ",[16,17,18],"strong",{},"Machine Learning Specialization",", do Andrew Ng (DeepLearning.AI \u002F Stanford), provavelmente o curso mais recomendado pra quem tá começando em ML.",[12,21,22],{},"A ideia aqui não é só \"resolver o notebook e seguir\". Cada lab do curso vira um post onde eu reconto o que entendi, com metáfora, exemplo do dia a dia, e claro, o nome técnico certo, porque isso você vai precisar quando for procurar mais coisa sobre o assunto depois.",[12,24,25],{},"Começamos pelo começo: representar o modelo mais simples que existe, a regressão linear com uma variável.",{"title":27,"searchDepth":28,"depth":28,"links":29},"",2,[],"Meus estudos passo a passo pela especialização de Machine Learning do Andrew Ng (DeepLearning.AI \u002F Stanford), curso por curso, lab por lab.","md",{},true,1,"\u002Fpt\u002Fplaylists\u002Fmachine-learning-specialization",{"title":7,"description":30},"published","pt\u002Fplaylists\u002Fmachine-learning-specialization\u002Findex","E9Okc28mL6OITzVoZv3DkKW9sSyof7S1q6TRo9ovEso",{"id":41,"title":42,"body":43,"cover":3,"description":91,"extension":31,"meta":92,"navigation":33,"order":28,"path":93,"seo":94,"status":37,"stem":95,"__hash__":96},"playlists\u002Fpt\u002Fplaylists\u002Fpattern-recognition\u002Findex.md","Reconhecimento de Padrões",{"type":9,"value":44,"toc":89},[45,58,71,81],[12,46,47,48,51,52,57],{},"Essa playlist é o caderno de anotações da matéria de Reconhecimento de Padrões que eu cursei, dada pelo ",[16,49,50],{},"Dr. Francisco Boldt",". Ele é fera, literalmente coda os modelos na mão, ao vivo, na aula, sem slide de fórmula pronta, e agora tá me lecionando ",[53,54,56],"a",{"href":55},"\u002Fplaylists\u002Fneural-networks","redes neurais também",". Se você caiu aqui vindo de uma aula dele, já sabe do que eu tô falando.",[12,59,60,61,65,66,70],{},"Diferente da ",[53,62,64],{"href":63},"\u002Fplaylists\u002Fmachine-learning-specialization","playlist da especialização do Andrew Ng",", aqui os notebooks das aulas são bem mais enxutos: pouquíssima célula de markdown, é o professor codando ao vivo e a gente acompanhando. Então o trabalho de esmiuçar o \"por quê\" por trás de cada linha de código é maior, e pra isso eu uso como referência teórica o livro ",[67,68,69],"em",{},"Pattern Recognition and Machine Learning",", do Christopher Bishop (2006), praticamente uma bíblia da área.",[12,72,73,74,80],{},"Os notebooks vêm do repositório da matéria, ",[53,75,79],{"href":76,"rel":77},"https:\u002F\u002Fgithub.com\u002Fpablobelmiro\u002Faulasml\u002Ftree\u002F2026-1",[78],"nofollow","pablobelmiro\u002Faulasml",", um fork do repositório original do próprio Dr. Boldt, onde ele publica o código de cada aula. Nos posts dessa playlist, quem \"faz\" o código é sempre ele, o professor; a explicação de fundamento, com a metáfora, a analogia torta e o tom de colega do lado, essa é a minha.",[12,82,83,84,88],{},"Cada aula da matéria vira um post aqui. Começamos pelo começo: o mesmo problema de ",[53,85,87],{"href":86},"\u002Fplaylists\u002Fmachine-learning-specialization\u002Flab02-model-representation","regressão linear que já vimos na outra playlist",", só que agora com o código sendo escrito na cara do quadro.",{"title":27,"searchDepth":28,"depth":28,"links":90},[],"Minhas anotações da disciplina de Reconhecimento de Padrões, aula por aula, com o livro do Bishop como base teórica.",{},"\u002Fpt\u002Fplaylists\u002Fpattern-recognition",{"title":42,"description":91},"pt\u002Fplaylists\u002Fpattern-recognition\u002Findex","XpBRgaSNS0YRRtovdqN7u3MdAmbF-PKEJQoOiyOjl-M",{"id":98,"title":99,"body":100,"cover":3,"description":161,"extension":31,"meta":162,"navigation":33,"order":163,"path":164,"seo":165,"status":37,"stem":166,"__hash__":167},"playlists\u002Fpt\u002Fplaylists\u002Fneural-networks\u002Findex.md","Redes Neurais",{"type":9,"value":101,"toc":159},[102,112,129,143],[12,103,104,105,107,108,111],{},"Segunda playlist com o ",[16,106,50],{}," (a primeira foi ",[53,109,42],{"href":110},"\u002Fplaylists\u002Fpattern-recognition","), agora na disciplina de Redes Neurais. Mesmo estilo de sempre: código na mão, ao vivo, na aula, sem slide de fórmula pronta. Se você já leu a playlist anterior, sabe exatamente o que esperar.",[12,113,114,115,118,119,123,124,128],{},"O livro de referência muda: aqui eu uso ",[67,116,117],{},"Neural Networks and Deep Learning: A Textbook",", do Charu Aggarwal (2018), pra fazer o papel que o Bishop fazia na playlist passada, encher de fundamento o que o notebook só mostra em código. Boa parte do assunto também conecta direto com o que eu já vi antes: ",[53,120,122],{"href":121},"\u002Fplaylists\u002Fpattern-recognition\u002Flinear-regression-estimator","regra delta e regressão linear já apareceram lá no Reconhecimento de Padrões",", e ",[53,125,127],{"href":126},"\u002Fplaylists\u002Fmachine-learning-specialization\u002Floss-functions","funções de custo já apareceram na especialização do Andrew Ng",", então sempre que der eu vou puxar esses fios em vez de reensinar do zero.",[12,130,73,131,136,137,142],{},[53,132,135],{"href":133,"rel":134},"https:\u002F\u002Fgithub.com\u002Fpablobelmiro\u002Faulasann",[78],"pablobelmiro\u002Faulasann",", um fork do repositório original do próprio Dr. Boldt, ",[53,138,141],{"href":139,"rel":140},"https:\u002F\u002Fgithub.com\u002Ffboldt\u002Faulasann",[78],"fboldt\u002Faulasann",", onde ele publica o código de cada aula. Mesma convenção da playlist anterior: quem \"faz\" o código é sempre ele, o professor; a explicação de fundamento é minha.",[12,144,145,146,149,150,153,154,158],{},"Um detalhe importante dessa vez: essa disciplina está sendo dada ",[16,147,148],{},"agora",", ao vivo, e o repositório só tem o começo do curso até este momento (perceptron, Adaline, funções de custo, e um gancho bem no limite do que um único neurônio consegue resolver). Diferente da playlist de Reconhecimento de Padrões, que eu comecei só depois que a matéria inteira já tinha acabado, essa aqui é uma ",[16,151,152],{},"playlist viva",": cresce toda vez que o professor publica uma aula nova, e eu volto pra continuar. Começamos pelo começo de tudo: ",[53,155,157],{"href":156},"\u002Fplaylists\u002Fneural-networks\u002Fmcculloch-pitts-perceptron","o neurônio mais simples que existe",".",{"title":27,"searchDepth":28,"depth":28,"links":160},[],"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.",{},3,"\u002Fpt\u002Fplaylists\u002Fneural-networks",{"title":99,"description":161},"pt\u002Fplaylists\u002Fneural-networks\u002Findex","E7qSDm0PDSKcEZo03_C5IczMHfp2NxtLtMpDImcPtBc",{"id":169,"title":170,"body":171,"cover":3,"description":189,"extension":31,"meta":190,"navigation":33,"order":191,"path":192,"seo":193,"status":37,"stem":194,"__hash__":195},"playlists\u002Fpt\u002Fplaylists\u002Fpapers\u002Findex.md","Artigos",{"type":9,"value":172,"toc":187},[173,176,179],[12,174,175],{},"As outras três playlists daqui são estudo de verdade: notebook de aula, livro-texto do lado, cada linha de código esmiuçada até doer. Essa aqui é outra vibe. De vez em quando eu leio um artigo ou survey que me deixa empolgado, geralmente na diagonal, sem ler cada página com lupa, e queria um lugar pra falar sobre ele sem toda a cerimônia de uma aula.",[12,177,178],{},"É isso que essa playlist é: eu conto o que achei mais maneiro do artigo, com metáfora torta, uma zoeira aqui e ali, e sempre que der, um código Python simples e um gráfico só pra dar aquela visão. Não espera rigor de notebook nem cobertura seção-por-seção, o objetivo aqui é papo reto sobre uma ideia interessante, não um resumo acadêmico.",[12,180,181,182,186],{},"Primeiro da série é sobre um assunto que não dá pra fugir hoje em dia: ",[53,183,185],{"href":184},"\u002Fplaylists\u002Fpapers\u002Fagentic-reasoning-for-large-language-models","raciocínio agêntico em modelos de linguagem",", um survey gigante que tenta organizar tudo que virou moda chamar de \"agente de IA\".",{"title":27,"searchDepth":28,"depth":28,"links":188},[],"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.",{},4,"\u002Fpt\u002Fplaylists\u002Fpapers",{"title":170,"description":189},"pt\u002Fplaylists\u002Fpapers\u002Findex","vdbQsWX-nWs5oIGxtPjwUJoPdxwWZJza7ld2fNeGb0o",1787338982218]