fbpx
Sigmoidal
  • Home
  • Cursos
  • Pós-Graduação
  • Blog
  • Sobre Mim
  • Contato
Sem Resultado
Ver Todos Resultados
  • English
  • Home
  • Cursos
  • Pós-Graduação
  • Blog
  • Sobre Mim
  • Contato
Sem Resultado
Ver Todos Resultados
Sigmoidal
Sem Resultado
Ver Todos Resultados

7 Livros de Data Science em 2021

Carlos Melo por Carlos Melo
outubro 8, 2021
em Blog, Data Science, Destaques, Youtube
1
40
COMPARTILHAMENTOS
1.3k
VIEWS
Publicar no LinkedInCompartilhar no FacebookCompartilhar no Whatsapp

Frequentemente me perguntam, tanto os alunos do Data Science na Prática e Escola de Data Science quanto o pessoal do Instagram, quais livros eu recomendo para quem está começando ou até para quem quer se aprofundar em Data Science.

A literatura é extensa e cresce a cada dia, mas que livros irão realmente o ajudar e fazer com que você cresça na sua carreira e em suas habilidades? É exatamente isso que vamos discutir hoje!

Sobre Data Science

Se você chegou até aqui, já deve ter uma ideia do que é Data Science. Apesar de haver várias linhas de pensamento tentando definir o que é Data Science, uma delas é o uso de dados e modelos de Machine Learning para gerar previsões e insights em uma determinada área.

Data Science é um conjunto de técnicas e ferramentas que torna isso possível. Apesar do crescente movimento de bibliotecas no-code ou low-code, é extremamente importante, para um profissional que quer se destacar no mercado de Data Science, entender os contextos e os acontecimentos por trás das bibliotecas e, além disso, ter um amplo conhecimento do mercado em que o problema está inserido.

Pensando em ajudá-lo a criar essa ponte entre ciência e negócios, vamos começar a nossa lista de livros essenciais para quem quer se destacar em Data Science.

Se conseguir uma vaga como Cientista de Dados é algo do seu interesse, participe da Semana Data Science na Prática, que vai acontecer entre os dias 06 e 12 de Dezembro. Inscreva-se na Semana Data Science na Prática e conheça um plano à prova de falhas para levá-lo do zero à vaga em Ciência de Dados.


7- Introduction to Computation and Programming Using Python – John V. Guttag

Introduction to Computation and Programming Using Python - Sigmoidal

Esse livro também pode ser encontrado em formato de curso, pelo MIT, na EdX. Foi um dos primeiros livros e cursos que fiz quando estava entrando na área. O diferencial desse livro é sua capacidade técnica, que é voltada para a academia — mas não é um livro acadêmico, trazendo conhecimentos desde o básico ao avançado. Fique atento: compre a edição mais atualizada.


6- Data Science from Scratch – Joel Grus

Data Science from scratch

Com esse livro, precisamos mais uma vez ter atenção à sua edição. A versão em Português está desatualizada, por isso busque a versão em inglês. Lembre-se de que tecnologias evoluem muito rápido, por isso os materiais também ficam desatualizados rapidamente. Busque sempre as versões mais atualizadas dos livros.

O legal desse livro é que ele foca em ensiná-lo os conceitos, e lhe mostra como fazer tudo na mão, na raça, sem depender muito de bibliotecas ou outras coisas nesse sentido feitas para facilitar a sua vida. Isso é muito bacana, pois lhe dá uma base incrível.


5- Storytelling com Dados – Cole Nussbaumer Knaflic

Storytelling com Dados - Sigmoidal

Para quem acompanha o Sigmoidal há um tempo, sabe a importância e o destaque que damos para Storytelling. Esse livro é valioso mesmo para quem não trabalha nessa área. Você pode ser o melhor da sua área, mas se você não sabe se comunicar, não sabe apresentar seus resultados, não vai adiantar de nada.

É muito comum que Cientistas de Dados foquem muito na técnica, no código, e nem sempre as pessoas que vão consumir seu trabalho serão técnicas o suficiente ou estarão interessadas nas pequenas nuances técnicas, que só quem programa e trabalha com isso vai entender.

A importância de conseguir comunicar seus resultados de forma efetiva e que transforme a sua comunicação em uma vantagem competitiva é o que torna esse livro tão relevante. Esse é um dos livros mais importantes dessa lista.


4- Data Science Para Negócios – Foster Provost e Tom Fawcett

Data Science Para Negócios - Sigmoidal

Esse livro também não é só para quem trabalha com dados, com tecnologia. Ele traz insights de negócios e de resolução de problemas que vão além do Data Science. Entender essas coisas é vital para o Cientista de Dados, assim como é muito importante para quem está ao redor dele, mesmo que não atue em uma área diretamente ligada à Ciência de Dados.

Gerentes, diretores, recrutadores, todo mundo que pode estar permeando a área de Data Science vai se beneficiar da leitura desse livro. Ele pode criar a ponte entre quem cria as demandas e quem entrega os resultados de Data Science, para que haja mais performance, mais entrega, e até mais rentabilidade.


3- The Hundred Page Machine Learning Book – Andriy Burkov

The Hundred Page Machine Learning Book - Sigmoidal

Quando comecei a estudar, sentia dificuldade em romper o gap entre intermediário e avançado. Entre o básico e o intermediário, a linha é mais clara, e é mais fácil de romper, mas falta material do intermediário para o avançado.

Esse livro visa a trabalhar esse gap, e levá-lo realmente ao avançado, trabalhando feature engineering, tratamento de dados e avaliação de modelos de uma forma mais técnica e avançada, ajudando-o a alcançar esse próximo nível em Data Science.


2- Approaching (Almost) Any Machine Learning Problem – Abhishek Thakur

Approaching (Almost) Any Machine Learning Problem - Sigmoidal

Esse livro mudou a minha vida! Ele segue a linha do anterior, ajudando-o a quebrar o gap entre o intermediário e o avançado.

Muita coisa que esse livro traz não é fácil de achar em outros lugares, o que o torna ainda mais valioso. Ele traz desde otimização de hiper-parâmetros, cross validation, avaliação de métricas, ajuda-o a sair do seu Jupyter Notebook para que você possa montar uma estrutura de base para projetos, entre muitas e muitas outras coisas.

Esse é, sem dúvidas, um dos livros mais valiosos e avançados de Data Science; é leitura obrigatória para qualquer Cientista de Dados. Só não está em primeiro lugar nessa lista pois o número 1 é a verdadeira bíblia do Machine Learning!


1- Hands–On Machine Learning with Scikit–Learn, Keras and TensorFlow – Aurelien Geron

Como eu falei ali em cima, esse livro é a verdadeira bíblia do Machine Learning! Porém, muito cuidado, pois a versão em Português, mais uma vez, está desatualizada! Busque pela segunda edição, em Inglês, para ter acesso ao material atualizado.

A segunda edição está atualizada para o Tensorflow 2, que mudou algumas coisas muito importantes, como a API do Keras, que fazem com que a primeira edição fique realmente obsoleta.

O livro tem mais de 800 páginas de muita explicação detalhada, exemplos com código, muito material. Esse não é um livro para você sentar e ler. É um livro para degustar, para apreciar e estudar por um bom período. Não tenha pressa!

Aprenda a estudar, busque entender e não só jogar os exemplos no Jupyter Notebook ou no terminal. A prática deve ser 80% do seu estudo, mas esses 20% de teoria não podem ser esquecidos, e devem ser muito bem aproveitados na hora de estudar esse livro.

Chegou a hora de você conhecer o caminho para eliminar a frustração de não saber por onde começar e investir a sua energia no que realmente vai gerar grandes resultados para você.

Participe da Semana Data Science na Prática, entre os dias 06 e 12 de dezembro, em que vou mostra-lhe o caminho para aprender Data Science e conseguir uma vaga na área.

Clique no botão abaixo e participe da Semana Data Science na Prática

QUERO ME INSCREVER NA SEMANA DATA SCIENCE NA PRÁTICA

Você também pode ver o vídeo que eu fiz, no qual falei sobre esses livros, e muito mais conteúdo sobre Data Science, VFX, Filmmaking e muito mais no meu canal no YouTube. Inscreva-se no canal para ficar por dentro de todas as novidades!

Compartilhar3Compartilhar16Enviar
Post Anterior

Estratégias de Balanceamento de Dados em Machine Learning

Próximo Post

Normalização e Padronização de Dados

Carlos Melo

Carlos Melo

Engenheiro de Visão Computacional graduado em Ciências Aeronáuticas pela Academia da Força Aérea (AFA) e Mestre em Engenharia Aeroespacial pelo Instituto Tecnológico de Aeronáutica (ITA).

Relacionado Artigos

Curso de Pós-Graduação em Data Science
Data Science

Vale a pena fazer uma Pós-Graduação em Data Science?

por Carlos Melo
janeiro 20, 2025
Review do Livro “Mãos à obra: Aprendizado de Máquina com Scikit-Learn, Keras & TensorFlow”
Livros

Review do Livro “Mãos à obra: Aprendizado de Máquina com Scikit-Learn, Keras & TensorFlow”

janeiro 18, 2025
Carlos Melo e Sérgio Sacani – Ciência Sem Fim
Youtube

Carlos Melo e Sérgio Sacani – Ciência Sem Fim

por Carlos Melo
janeiro 16, 2025
Carlos Melo da Pós Graduação em Data Science do Sigmoidal
Aeroespacial

Oportunidades no Setor Espacial para Cientistas de Dados

por Carlos Melo
janeiro 15, 2025
Visão Computacional

Processamento de Nuvens de Pontos com Open3D e Python

por Carlos Melo
janeiro 2, 2025
Próximo Post
Normalização e Padronização de Dados

Normalização e Padronização de Dados

Comentários 1

  1. Gabriel says:
    3 anos atrás

    Show

    Responder

Deixe um comentário Cancelar resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Pós-Graduação em Data Science Pós-Graduação em Data Science Pós-Graduação em Data Science

Mais Populares

  • Introdução ao MediaPipe e Pose Estimation

    Introdução ao MediaPipe e Pose Estimation

    463 compartilhamentos
    Compartilhar 185 Tweet 116
  • ORB-SLAM 3: Tutorial Completo para Mapeamento 3D e Localização em Tempo Real

    394 compartilhamentos
    Compartilhar 158 Tweet 99
  • Geometria da Formação de Imagens: Matrizes, Transformações e Sistemas de Coordenadas

    373 compartilhamentos
    Compartilhar 149 Tweet 93
  • Equalização de Histograma com OpenCV e Python

    118 compartilhamentos
    Compartilhar 47 Tweet 30
  • Processamento de Nuvens de Pontos com Open3D e Python

    35 compartilhamentos
    Compartilhar 14 Tweet 9
  • Em Alta
  • Comentários
  • Mais Recente
Como Tratar Dados Ausentes com Pandas

Como Tratar Dados Ausentes com Pandas

agosto 13, 2019
Como usar o DALL-E 2 para gerar imagens a partir de textos

Como usar o DALL-E 2 para gerar imagens a partir de textos

dezembro 25, 2022
Introdução ao MediaPipe e Pose Estimation

Introdução ao MediaPipe e Pose Estimation

julho 15, 2023

ORB-SLAM 3: Tutorial Completo para Mapeamento 3D e Localização em Tempo Real

abril 10, 2023
Como Analisar Ações da Bolsa com Python

Como Analisar Ações da Bolsa com Python

15
Setembro Amarelo: Análise do Suicídio no Brasil, com Data Science

Setembro Amarelo: Análise do Suicídio no Brasil, com Data Science

13
Como Aprender Data Science?

Como Aprender Data Science?

9
Qual o Cenário de Data Science no Brasil hoje?

Qual o Cenário de Data Science no Brasil hoje?

8
DeepSeek vazamento de dados de usuários

DeepSeek: Vazamento de dados expõe dados de usuários

fevereiro 1, 2025
DeepSeek R1 vs OpenAI o1 – Qual é o Melhor Modelo de IA

DeepSeek R1 vs OpenAI o1 – Qual é o Melhor Modelo de IA?

janeiro 25, 2025
Trump Anuncia Investimento de US$ 500 Bilhões em Infraestrutura de IA

Trump Anuncia Investimento de US$ 500 Bilhões em Infraestrutura de IA

janeiro 22, 2025
Trump revoga decreto de Biden sobre regulação de Inteligência Artificial

Trump revoga decreto de Biden sobre regulação de Inteligência Artificial

janeiro 21, 2025

Seguir

  • Geo4D apresenta uma nova abordagem para reconstrução 4D monocular de cenas dinâmicas, reutilizando modelos de difusão de vídeo. 

🌀 A técnica dispensa sensores múltiplos ou dados reais — treinando apenas com dados sintéticos e generalizando bem em zero-shot. Isso é possível porque modelos de difusão capturam priors temporais e espaciais consistentes. 

O método prevê múltiplas modalidades geométricas: mapas de pontos, profundidade e raios. Em seguida, utiliza um algoritmo leve de alinhamento multi-modal para fundi-las de forma coerente. Esse processo acontece em janelas deslizantes, permitindo reconstruções 4D contínuas e robustas mesmo em vídeos longos.

Nos benchmarks, o Geo4D superou métodos SOTA como MonST3R em estimativa de profundidade e alcançou bons resultados em pose de câmera. Uma prova do poder de integrar visão computacional e modelos generativos. 🧠

Se curtiu a ideia, deixa seu like e fortalece o post!

Fonte: Zeren Jiang

#machinelearning #computervision #datascience
  • 📸 Reconstrução 3D do Arco do Triunfo com Gaussian Splatting, a partir de um único vídeo

A técnica usada é o Gaussian Splatting, uma abordagem moderna de renderização neural que substitui malhas e voxels por distribuições gaussianas no espaço 3D.

Esses pontos flutuantes carregam cor, opacidade e variância, permitindo uma renderização ultrarrápida e detalhada - ideal para aplicações em realidade aumentada, mapeamento urbano e digital twins.

Diferente dos métodos tradicionais, esse modelo ajusta diretamente os parâmetros das gaussianas, tornando o processo leve e eficiente, inclusive em tempo real.

📌 Fonte: Bohdan Vodianyk

#ComputerVision #VisãoComputacional #MachineLearning #GaussianSplatting
  • Você ainda acredita que resolver as top-150 questões do LeetCode é suficiente para ser aprovado em uma entrevista de Machine Learning Engineer ou Computer Vision Engineer?

Talvez já tenha sido… alguns anos atrás.

Hoje, no entanto, empresas que seguem o padrão de avaliação das FAANG - como Meta (Facebook), Apple, Amazon, Netflix e Google - vêm exigindo muito mais do que apenas conhecimento em algoritmos e estrutura de dados.

✅ Espera-se domínio em ML System Design
✅ Clareza ao comunicar trade-offs técnicos
✅ Experiência real em colocar modelos de machine learning em produção

Passar pela etapa de screening é só o começo.

Se você quer realmente se destacar, aqui estão 3 livros essenciais para estudar com estratégia! Arraste o carrossel para conferir a lista.

📌 Comente se você incluiria algum outro título.
📤 Compartilhe com um colega que também está se preparando.

#machinelearning #computervision #datascience
  • 🚀 NASA testa novo laser 3D para medir ventos e melhorar previsões meteorológicas

Desde o outono de 2024, a NASA tem utilizado um instrumento avançado chamado Aerosol Wind Profiler (AWP) para medir ventos em 3D com alta precisão.

Montado em uma aeronave especial, o AWP usa pulsos de laser para detectar velocidade e direção dos ventos, além da concentração de aerossóis (poeira, fumaça, sal marinho etc).

Esses dados são valiosos para modelos de Machine Learning aplicados à previsão do tempo, detecção de anomalias e simulação atmosférica.

📊 Oportunidades diretas para ML:

🔹 Treinamento supervisionado: previsões mais precisas usando dados reais de velocidade e direção dos ventos em múltiplas altitudes.

🔹 Modelagem de séries temporais: LSTMs e Transformers podem capturar padrões em sistemas complexos como furacões.

🔹 Data fusion: integração de sensores distintos (AWP, HALO, dropsondes) é um problema clássico resolvido com ML multimodal.

🔹 Assimilação de dados: ML pode atuar em tempo real para corrigir modelos físicos via técnicas híbridas (physics-informed ML).

Se você trabalha com IA, clima ou sensoriamento remoto, esse é o tipo de dado que muda o jogo!
  • Cada passo te aproxima do que realmente importa. Quer continuar avançando?

🔘 [ ] Agora não
🔘 [ ] Seguir em frente 🚀
  • 🇺🇸 Green Card por Habilidade Extraordinária em Data Science e Machine Learning

Após nossa mudança para os EUA, muitas pessoas me perguntaram como consegui o Green Card tão rapidamente. Por isso, decidi compartilhar um pouco dessa jornada.

O EB-1A é um dos vistos mais seletivos para imigração, sendo conhecido como “The Einstein Visa”, já que o próprio Albert Einstein obteve sua residência permanente através desse processo em 1933.

Apesar do apelido ser um exagero moderno, é fato que esse é um dos vistos mais difíceis de conquistar. Seus critérios rigorosos permitem a obtenção do Green Card sem a necessidade de uma oferta de emprego.

Para isso, o aplicante precisa comprovar, por meio de evidências, que está entre os poucos profissionais de sua área que alcançaram e se mantêm no topo, demonstrando um histórico sólido de conquistas e reconhecimento.

O EB-1A valoriza não apenas um único feito, mas uma trajetória consistente de excelência e liderança, destacando o conjunto de realizações ao longo da carreira.

No meu caso específico, após escrever uma petição com mais de 1.300 páginas contendo todas as evidências necessárias, tive minha solicitação aprovada pelo USCIS, órgão responsável pela imigração nos Estados Unidos.

Fui reconhecido como um indivíduo com habilidade extraordinária em Data Science e Machine Learning, capaz de contribuir em áreas de importância nacional, trazendo benefícios substanciais para os EUA.

Para quem sempre me perguntou sobre o processo de imigração e como funciona o EB-1A, espero que esse resumo ajude a esclarecer um pouco mais. Se tiver dúvidas, estou à disposição para compartilhar mais sobre essa experiência! #machinelearning #datascience
  • 🚀Domine a tecnologia que está revolucionando o mundo.

A Pós-Graduação em Visão Computacional & Deep Learning prepara você para atuar nos campos mais avançados da Inteligência Artificial - de carros autônomos a robôs industriais e drones.

🧠 CARGA HORÁRIA: 400h
💻 MODALIDADE: EAD
📅 INÍCIO DAS AULAS: 29 de maio

Garanta sua vaga agora e impulsione sua carreira com uma formação prática, focada no mercado de trabalho.

Matricule-se já!

#deeplearning #machinelearning #visãocomputacional
  • Green Card aprovado! 🥳 Despedida do Brasil e rumo à nova vida nos 🇺🇸 com a família!
  • Haverá sinais… aprovado na petição do visto EB1A, visto reservado para pessoas com habilidades extraordinárias!

Texas, we are coming! 🤠
  • O que EU TENHO EM COMUM COM O TOM CRUISE??

Clama, não tem nenhuma “semana” aberta. Mas como@é quinta-feira (dia de TBT), olha o que eu resgatei!

Diretamente do TÚNEL DO TEMPO: Carlos Melo &Tom Cruise!
  • Bate e Volta DA ITÁLIA PARA A SUÍÇA 🇨🇭🇮🇹

Aproveitei o dia de folga após o Congresso Internacional de Astronáutica (IAC 2024) e fiz uma viagem “bate e volta” para a belíssima cidade de Lugano, Suíça.

Assista ao vlog e escreve nos comentários se essa não é a cidade mais linda que você já viu!

🔗 LINK NOS STORIES
  • Um paraíso de águas transparentes, e que fica no sul da Suíça!🇨🇭 

Conheça o Lago de Lugano, cercado pelos Alpes Suíços. 

#suiça #lugano #switzerland #datascience
  • Sim, você PRECISA de uma PÓS-GRADUAÇÃO em DATA SCIENCE.
  • 🇨🇭Deixei minha bagagem em um locker no aeroporto de Milão, e vim aproveitar esta última semana nos Alpes suíços!
  • Assista à cobertura completa no YT! Link nos stories 🚀
  • Traje espacial feito pela @axiom.space em parceria com a @prada 

Esse traje será usados pelos astronautas na lua.
para acompanhar as novidades do maior evento sobre espaço do mundo, veja os Stories!

#space #nasa #astronaut #rocket
Instagram Youtube LinkedIn Twitter
Sigmoidal

O melhor conteúdo técnico de Data Science, com projetos práticos e exemplos do mundo real.

Seguir no Instagram

Categorias

  • Aeroespacial
  • Artigos
  • Blog
  • Carreira
  • Cursos
  • Data Science
  • Deep Learning
  • Destaques
  • Entrevistas
  • IA Generativa
  • Livros
  • Machine Learning
  • Notícias
  • Python
  • Teoria
  • Tutoriais
  • Visão Computacional
  • Youtube

Navegar por Tags

camera calibration carreira chatgpt cientista de dados cnn computer vision Cursos dados desbalanceados data science data science na prática decision tree deep learning gpt-3 histograma IA generativa image formation inteligência artificial jupyter kaggle keras machine learning matplotlib mnist nft openai opencv overfitting pandas profissão python redes neurais redes neurais convolucionais regressão linear regressão logística salário scikit-learn seaborn sklearn tensorflow titanic tutorial visão computacional vídeo youtube árvore de decisão

© 2024 Sigmoidal - Aprenda Data Science, Visão Computacional e Python na prática.

Welcome Back!

Login to your account below

Forgotten Password?

Retrieve your password

Please enter your username or email address to reset your password.

Log In

Add New Playlist

Sem Resultado
Ver Todos Resultados
  • Home
  • Cursos
  • Pós-Graduação
  • Blog
  • Sobre Mim
  • Contato
  • English

© 2024 Sigmoidal - Aprenda Data Science, Visão Computacional e Python na prática.