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

PrimoCast: Thiago Nigro e Carlos Melo conversam sobre Data Science

Dizem que os dados são o novo petróleo da humanidade, e agora você vai ver por que isso é verdade. Descubra também as oportunidades para a carreira de Cientista de Dados em 2023.

Carlos Melo por Carlos Melo
janeiro 5, 2023
em Carreira, Data Science, Entrevistas
0
35
COMPARTILHAMENTOS
1.2k
VIEWS
Publicar no LinkedInCompartilhar no FacebookCompartilhar no Whatsapp

Tenho a satisfação de anunciar que o Sigmoidal chegou até um dos maiores podcasts do Brasil, o Primocast. Nesse bate-papo com o Thiago Nigro (o Primo Rico), Rodrigo Gianotto, Kaique e Lucão, todos do Grupo Primo, saíram inúmeros insights sobre como os dados podem ajudar o seu negócio a prosperar, crescer e vender ainda mais.

Além disso, conversamos muito sobre o mercado de trabalho de tecnologia atual, as oportunidades para quem quer começar uma nova carreira do absoluto zero e qual o caminho para conquistar uma vaga de cientista de dados em 2023. Como você vai ver, Data Science não é apenas a área mais inovadora do mundo, mas também a mais democrática, pois independe da sua idade ou formação.

Participação do episódio 224 do Primocast

1 de 6
- +
GESTÃO DE DADOS: aprenda Data Science ou pague o preço de uma decisão errada | PrimoCast com Thiago Nigro

A era do Data Science

A frase que diz que dados são o novo petróleo é creditada ao matemático Clive Humby, porém ganhou popularidade após uma publicação da revista The Economist, em 2017.

“Data is the new oil.”

Clive Humby

Se essa comparação parece desproporcional ou inadequada para você, não deveria. Se você parar para analisar o papel crítico que os dados assumiram, praticamente o de uma força motriz para a economia digital, você verá que é apenas um retrato fiel do cenário que vem se desenhando ao longo dos últimos anos.

Na última década, as empresas que adotaram um modelo de decisão baseado em dados (data-driven decision) assumiram o topo do ranking das mais valiosas corporações do mundo. 

A verdade é que nunca antes a humanidade produziu tantos dados como agora. A título de curiosidade, a cada dois dias a população mundial cria a mesma quantidade de dados criados do início da civilização humana até 2003.

Como ilustração, Thiago Nigro cita alguns números sobre as redes sociais:

  • em 1 minuto, os usuários do Twitter enviam 473 mil tweets;
  • em 1 minuto, os usuários do Instagram postam 49 mil fotos;
  • em 1 minuto, o LinkedIn ganha 120 novos usuários;
  • a cada 1 segundo, o Google processa mais de 40 mil pesquisas; e
  • 1,5 bilhão de pessoas estão ativas no Facebook.

Que estamos na era da informação, dos dados, não é muito novidade para ninguém. Afinal de contas, o que são dados?

Dados são o novo bacon

De acordo com a Wikipedia, “Os dados são uma coleção de valores discretos que transmitem informações, descrevendo quantidade, qualidade, fatos, estatísticas, outras unidades básicas de significado, ou simplesmente sequências de símbolos que podem ser posteriormente interpretados.”

Em uma definição mais prática (e não tão acadêmica), dados são, por exemplo, fotos digitais, arquivos de texto, arquivos de áudio ou arquivos do Excel. Organizados em estruturas que fornecem um contexto e significado adicionais, são usados em pesquisas científicas, no mercado financeiro e praticamente qualquer forma de atividade organizacional que você consiga imaginar.

A partir de dados, gera-se inteligência. Fonte: Mariana Carvalho

Porém, dados sozinhos não significam nada! Assim como o petróleo bruto que não passou pela refinaria ainda, dados devem ser organizados, processados e analisados a fim de se tornarem informação. Essa informação, ao ser estruturada e colocada na forma correta, deve se transformar em conhecimento, o qual, aplicado da maneira correta, será convertido em inteligência estratégica para a empresa.

Para percorrer esse caminho de transformação, temos, no nosso arsenal, técnicas e ferramentas de Data Science — a arte de “transformar dados em vantagem estratégica”. Chegando ao final do texto, você quer saber a minha opinião sincera sobre a controversa frase do Clive Humby? Para mim, dados não são o novo petróleo. Dados são o novo Bacon — o que é muito melhor!

“O que diferencia uma organização de outra não é a capacidade de armazenamento de dados; é a capacidade de seu pessoal extrair conhecimento desses dados.”

Carlos Melo

O Que É Data Science

Data Science envolve os princípios, processos e técnicas que permitem entender fenômenos por meio de análises de dados. Porém, obviamente, não é possível definir Ciência dos Dados ignorando o contexto de sua aplicação.

Dentro do escopo trabalhado no Primocast, eu diria que o objetivo do Data Science é o aprimoramento do processo decisório dentro da organização e todos os processos associados. Aqui no Brasil, a prática de decidir com base na análise dos dados contrasta fortemente com a cultura quase que enraizada do “eu”presa, em que as decisões são muitas vezes passionais ou amparadas pela “intuição” do líder.

 

Aula sobre Data Science para o mercado financeiro na Finclass
Aula sobre Data Science para o mercado financeiro na Finclass

Respondendo à pergunta do Nigro sobre que dados precisariam ser coletados para uma plataforma de finanças (a exemplo da Finclass), expliquei que, em primeiro lugar, deve-se ter a compreensão inteira dessa plataforma para fazer uma estruturação real do problema. Ou seja, deve-se entender como aquele negócio funciona, do que ele é composto, seus objetos, para saber que dados procurar para melhorar o negócio.

Além dessa visão mais macro, outros aspectos foram citados: para os assinantes, é preciso saber o NPS (Net Promoter Score, que avalia a fidelidade dos clientes à empresa) e a taxa de Churn (taxa de cancelamento), identificando os padrões do comportamento de pessoas que deixaram de assinar a plataforma.

Por exemplo, há quanto tempo a pessoa não acessa a plataforma, como ela navega dentro da plataforma (que conteúdos consome e tal) ou quanto tempo ela permanece consumindo um dado conteúdo. Porque é muito mais fácil (barato), se pararmos para raciocinar, oferecer alguma vantagem para esse cliente propenso a cancelar do que fazer com que uma pessoa de fora assine a plataforma.

Somado a isso, Rodrigo cita os aspectos relacionados ao login na plataforma (quando o assinante entra, que horário, por quanto tempo lá permanece) e o Lifetime Value (LTV).

“Tudo começa pela análise dos dados. Possuindo esses dados, buscas são feitas em cima deles para responder uma pergunta de negócio. Não adianta só a análise; deve-se responder ao negócio, o que o negócio está exigindo.”

Rodrigo Gianotto

Rodrigo Gianotto divide a Ciência de Dados (Data Science) em três segmentos: análise de dados, engenharia de dados e uma área voltada à construção de modelos predicativos:

  1. A análise de dados é o início, em que o analista vai utilizar a linguagem SQL para realizar as buscas nos banco de dados, analisar e gerar insights. O papel do analista é o de trazer conhecimento que estava “escondido” naquela multidão de dados soltos.
  2. Já na engenharia de dados, o engenheiro de dados tem o papel de, por exemplo, extrair dados de locais diferentes e alocá-los no mesmo local, o qual será utilizado pelo analista de dados.
  3. Por fim, sobre a área mais avançada, é aquela relacionada com Inteligência Artificial, Machine Learning. Essa última área é a mais inovadora, citando como exemplo as recomendações de séries e filmes da Netflix: algo dinâmico, que toma decisões a todo instante para fazer recomendações personalizadas.

Tomando Decisões Baseadas Em Dados

Por que os dados são utilizados? Claro, para tomar decisões mais acertadas. Na verdade, há uma explicação biológica, que tem a ver com uma própria limitação do cérebro humano.

“Tudo é óbvio desde que você saiba a resposta.”

Ducan J. Watts

A forma de ver o mundo das pessoas é enviesada (preferências e tal); as experiências pessoais são muito relacionadas com relações de causa-efeito (pode ser uma mera coincidência ou uma relação de muitas variáveis inter-relacionadas); a limitação da memória mesmo (não conseguimos lembrar ou relacionar os inúmeros eventos que presenciamos); e além da óbvia não onipresença (ao contrário do Google, não temos o registro dos acontecimentos em todos os confins do planeta).

Para ilustrar como os dados são utilizados estrategicamente no mercado, eu citei um exemplo com a Walmart. Essa empresa descobriu algo nada óbvio: como suprimento para lidar com furacões anunciados (relativamente comum nos Estados Unidos da América), seus consumidores compravam muito tortilhas de morango (um doce). Sabendo disso, essa empresa então abastecia suas lojas com esse produto nesses períodos.

Mais outro exemplo e também com a Walmart. Ela, analisando dados, chegou à conclusão de que a cerveja ao lado de fraldas aumenta a venda de cerveja. Dessa forma, colocaram estoques de cerveja perto do local onde estavam armazenadas as fraldas.

Visita ao Grupo Primo com toda a família
Visita ao Grupo Primo com toda a família

No entanto, nem tudo são flores. Como Thiago Nigro disse, dados, isoladamente, são inócuos, e dependerá de alguém experiente para saber lidar com eles para gerar insights e fundamentar decisões. Além disso, muitos dados pode ser um problema.

 A partir de muitas entradas (dados), algoritmos são capazes identificar padrões. Esses padrões não estavam atrás de um vidro limpo; na verdade, foi necessário analisar muitos dados para se chegar a essas conclusões. 

Em pleno 2022, com todo o acesso a informação, o mundo inteiro conectado, realmente não é muito responsável tomar determinadas decisões baseadas em pura intuição. Como falaram Lucas e Kaique no Primocast, os dois passaram a utilizar os dados coletados para direcionar suas decisões, como no caso do YouTube.

Nessa plataforma, eles testam como certos aspectos (por exemplo, título e thumbnail) interferem no consumo pelo seu público (visualizações), e suas futuras decisões são baseadas nesses resultados.

Assista ao episódio completo do Primocast

Eu quero convidá-lo a assistir ao episódio completo do Primocast sobre Data Science e Gestão de Dados. Nele, você vai acompanhar a visão e insights das pessoas que estão à frente de um negócio que fatura centenas de milhões de reais por ano e que possui uma base de mais de 200 mil assinantes.

Para aqueles que querem se preparar para conquistar uma vaga em tecnologia, nada como entender quais habilidades e tecnologias as maiores empresas do país buscam em um candidato.

Por fim, eu só quero agradecer pela oportunidade de ter participado de mais um evento no Grupo Primo, empresa que admiro e pela qual tenho um profundo carinho. Em todas as vezes que os visitei em São Paulo, pude acompanhar como eles são diferenciados em relação ao restante do mercado. Não há dúvidas de que serão cada vez maiores.

Um forte abraço a todo o time do Grupo Primo!

Carlos Melo

Compartilhar2Compartilhar14Enviar
Post Anterior

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

Próximo Post

Como escrever uma Cover Letter poderosa para Data Science

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
O que é Visão Computacional - Podcast Data Hackers
Carreira

O que é Visão Computacional — Data Hackers Episódio #92

por Carlos Melo
agosto 12, 2024
Próximo Post
Data Science no exterior - como fazer uma Cover Letter

Como escrever uma Cover Letter poderosa para Data Science

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.