francisquiniai

francisquini.ai

Sign in Subscribe

Como transformar lucro em prejuízo com uma análise míope: um exercício de inferência causal e segmentação

Inferência Causal Featured

Como transformar lucro em prejuízo com uma análise míope: um exercício de inferência causal e segmentação

Inferência causal é um dos pilares mais desafiadores e fascinantes da análise de dados: diferenciar correlação de causalidade e entender como cada decisão afeta diretamente os resultados. Em contextos onde existe uma segmentação de público, como em campanhas de marketing, saber como alocar cada usuário no grupo certo pode ser

Computação Quântica: Buscando um Elemento em uma Lista

Computação Quântica Featured

Computação Quântica: Buscando um Elemento em uma Lista

A computação quântica continua atraindo muita minha atenção por seu potencial em resolver problemas que são desafiadores para a computação clássica. Comecei a colocar a bola no chão e tentar explorar de forma mais prática como seria o mundo em que criamos algoritmos voltados para computadores quânticos. O Algoritmo de

LangGraph Agent para criar Histórias

LangGraph Agent para criar Histórias

O LangGraph é framework projetado para construir e visualizar modelos de linguagem complexos através de grafos estruturados. Com o LangGraph, é possível criar agentes LLM sofisticados que conectam por meio de arestas, melhorando a capacidade dos agentes de processar e responder a diversos inputs. Neste post quero explorar alguns fundamentos

Criando um agente para ler um recibo com LangChain

Criando um agente para ler um recibo com LangChain

Nos últimos tempos tenho sido bastante atingido por notícias sobre LLM-agents e como eles serão responsáveis pelo próximo grande passo das IAs. Especialmente no que se refere ao LangGraph para criação de multi-agent workflows. Desenvolvi algumas coisas e estou bastante animado pra continuar explorando. LangGraph é uma biblioteca para construir

GNNs: Melhorando Modelos de Machine Learning com Grafos

Classification Featured

GNNs: Melhorando Modelos de Machine Learning com Grafos

No campo do Machine Learning, é comum trabalhar com dataframes compostos por inúmeras linhas de features, que são utilizadas para treinar modelos visando prever rótulos com a máxima acurácia possível. Um desafio adicional é a construção de features a partir de dados brutos para aprimorar o desempenho do modelo. Frequentemente,

Computação Quântica: colocando o pé na água

Computação Quântica

Computação Quântica: colocando o pé na água

Computação Quântica é um tópico que sempre me deixou curioso, mas a única coisa que eu sabia era: na computação quântica, coisas podiam acontecer ao mesmo tempo. Confesso que nunca entendi de forma prática o impacto disso, ai decidi estudar. Embora eu quisesse uma abordagem mais prática para entender o

Explorando Embeddings do GPT para Classificação de Sentimentos em Tweets

Machine Learning

Explorando Embeddings do GPT para Classificação de Sentimentos em Tweets

Decidi quebrar o gelo com a API da OpenAI e decidi começar com a funcionalidade de embeddings usando o GPT. Nesse artigo vamos construir um classificador bem simples no melhor estilo POC a partir de um dataset para análise de sentimentos que encontrei no kaggle. Para começar, fiz alguns ajustes

AttentionHead: como os Transformers ajustam seu foco para tarefas específicas?

AttentionHead: como os Transformers ajustam seu foco para tarefas específicas?

No último post eu mostrei como funciona o mecanismo de atenção de um Transformer, mas aquela não é a história completa. Na verdade, o mecanismo de atenção tem mais algumas nuances para capturar informações que quero discutir nesse post. Antes de continuar, recomendo que você leia o post anterior para

Transformers: como funciona o mecanismo de atenção

Machine Learning

Transformers: como funciona o mecanismo de atenção

Quando comecei a me interessar por LLM's, me deparei com um conceito que até então era novo pra mim: o mecanismo de atenção em transformers. No começo era extremamente abstrato, mas depois de certa dedicação aos estudos tudo começou a fazer sentido. Meu objetivo nesse post é te

Um exercício sobre Inferência Causal: qual o impacto do treinamento no salário dos funcionários?

Inferência Causal Featured

Um exercício sobre Inferência Causal: qual o impacto do treinamento no salário dos funcionários?

Neste post, exploraremos conceitos de inferência causal utilizando dados simulados e técnicas de regressão linear para quantificar o impacto de um treinamento no salário dos funcionários. Será que o treinamento é responsável por um aumento salarial? Quanto do aumento salarial é explicado pelo treinamento? Esse será um exercício com dados

Como a mineração de dados revelou padrões importantes em dados de células tumorais

Como a mineração de dados revelou padrões importantes em dados de células tumorais

E quando as análises estatísticas convencionais não apontam nenhuma diferença significativa entre dois conjuntos de dados? E se pequenas diferenças desencadeassem modificações estruturais em todo o restante dos dados? Nesse post eu discuto um exemplo em que dois conjuntos de dados eram praticamente iguais, mas pequenas diferenças causaram um impacto

Modelo preditivo prejudicado por erros humanos: identificando e corrigindo anomalias em dados da COVID-19

Modelo preditivo prejudicado por erros humanos: identificando e corrigindo anomalias em dados da COVID-19

E se a performance do modelo preditivo for afetada por erros humanos cometidos na coleta dos dados? Estive envolvido em um trabalho que buscava prever o número diário de casos da COVID-19 nas capitais do Brasil considerando algumas métricas correlacionadas, como dados de clima e mobilidade urbana. Infelizmente, o modelo

PSI - monitoramento e feature selection

PSI - monitoramento e feature selection

Imagine que estamos no mês de janeiro e você quer ajudar o time de marketing a melhorar os anúncios realizados e direcionar campanhas personalizadas para os clientes com maior probabilidade de converterem. Para fazer isso você utiliza os dados históricos dos últimos 3 meses (outubro, novembro e dezembro) de todos

Detecção de anomalias e os padrões escondidos nos dados

Detecção de anomalias e os padrões escondidos nos dados

Desde que comecei a estudar e desenvolver técnicas para detecção de anomalias em dados me convenço cada vez mais de que essa tarefa é uma arte. Uma coisa é identificar quais instâncias de um conjunto de dados se encaixam em um determinado padrão anômalo. Outra coisa completamente diferente e mais

Grafos e NLP para redução de custos com Google Maps

Grafos e NLP para redução de custos com Google Maps

O foco do meu doutorado é detecção de anomalias em grafos. Uma vez realizei uma análise com um conjunto de dados que parecia perfeito para testar as técnicas que eu estava desenvolvendo naquele momento. O conjunto continha dados sobre a evolução de todos os casos COVID-19 de uma cidade ao

O problema de detecção de comunidades em grafos

O problema de detecção de comunidades em grafos

No último post [https://blog.francisquini.dev/o-que-e-um-grafo-e-para-que-serve/] eu falei sobre o que é um grafo e alguma de suas aplicações. Hoje eu quero falar sobre uma aplicação específica que é a minha preferida. Me refiro ao problema de detecção de comunidades. Lembre-se que um grafo é composto por um

O que é um grafo e para o que serve

O que é um grafo e para o que serve

Meu primeiro contato com grafos foi na época da faculdade e me gerou um certo desespero. Aqueles conceitos, definições e notações matemáticas não faziam sentido nenhum e pareciam um assunto de outra realidade. Depois de aprender da maneira mais difícil, eu comecei a utilizar grafos em aplicações práticas. Foi a