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

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

Utilizando Deep Learning e modelos treinados pela OpenAI, o Dall-E 2 permite criar imagens de altíssima qualidade a partir de textos.

Carlos Melo por Carlos Melo
dezembro 25, 2022
em Deep Learning, IA Generativa, Tutoriais, Visão Computacional
2
556
COMPARTILHAMENTOS
18.5k
VIEWS
Publicar no LinkedInCompartilhar no FacebookCompartilhar no Whatsapp

Nem todos possuem habilidades para desenho ou manipulação no Photoshop. No entanto, agora todos podem ter acesso à Inteligência Artificial (IA) da empresa OpenAI, conhecida como DALL-E 2, para criar imagens a partir de simples descrições textuais.

O mais interessante é que o DALL-E 2 cria imagens 100% originais, realistas, e ainda pode combinar conceitos, atributos e estilos de artistas conhecidos. Inclusive, esse tipo de tecnologia impulsionou a onda da NFTs, que pudemos acompanhar recentemente no mundo.

Se você acha que eu estou falando de imagens malfeitas, eu o convido a dar uma olhada na galeria abaixo. Todas estas imagens foram geradas a partir das descrições da legenda.

Você diria que elas foram feitas por uma máquina?

Exemplos do Dall-E 2

1 de 6
- +

1. 3D render of a cute tropical fish in an aquarium on a dark blue background, digital art

2. A photo of a white fur monster standing in a purple room

3. High quality photo of a monkey astronaut

4. A synthwave style sunset above the reflecting water of the sea, digital art

5. A comic book cover of a superhero wearing headphones

6. A pencil and watercolor drawing of a bright city in the future with flying cars

DALL-E 2, uma extensão natural do GPT-3

Lançado em 2020, o GPT-3 causou muita euforia e espanto na comunidade de tecnologia ao demonstrar sua capacidade de produzir textos que seriam facilmente confundidos com aqueles produzidos por humanos.

Os modelos do tipo Generative Pretrained Transformer (GTP) introduziram modelos de linguagem muito poderosos, capazes de responder a perguntas, traduzir artigos inteiros e realizar vinculações textuais, e sem que houvesse  a necessidade de treinamento supervisionado.

O DALL-E (lê-se “dolly”) é, de maneira resumida, uma versão com 12 bilhões de parâmetros do famoso GPT-3; para entender um, é necessário entender o outro. Caso você queira entender melhor sobre as engrenagens dos modelos GPTs que viabilizam o DALL-E, recomendo ler este artigo que publicamos aqui no blog.

Exemplos de aplicações do GPT-3 da OpenAI

Deep Learning e Transformadores: o poder por trás do DALL-E

O DALL-E foi escrito em Python e foi treinado usando o framework PyTorch. O seu modelo de rede neural possui cerca de 12 bilhões de parâmetros e foi treinando usando um Transformador (“Transformer“, uma arquitetura de Deep Learning que tem por objetivo resolver tarefas sequence-to-sequence) e milhões de exemplos de descrições de imagens.

Na prática, o DALL-E é uma extensão natural do próprio GPT-3. Só que, enquanto este analisa prompts de texto e responde com palavras, aquele responde com imagens.

Os Transformadores foram introduzidos em 2017 e são usados principalmente no campo do Processamento de Linguagem Natural (NLP).

Diferentemente das Redes Neurais Recorrentes (RNNs), apesar dos Transformadores terem sido idealizados para lidar com dados de entrada sequenciais (para aplicações de tradução ou resumo de texto, por exemplo), não exigem que os elementos da sequência sejam processados na sua ordem natural.

Essa característica do Transformer faz com que ele identifique o contexto que significa uma palavra dentro de uma frase, permitindo um maior grau de paralelização em relação às RNNs.

Em resumo, o DALL-E foi construído em cima de uma arquitetura que permitia a interpretação do texto considerando o contexto, só que “respondendo” o usuário com a geração de imagens.

Como criar suas imagens com o DALL-E 2

Por muito tempo, houve uma lista de espera para aqueles que quisessem testar o DALL-E. Por meses, muitos tiveram que acompanhar as postagens feitas por outros usuários que tinham recebido um convite antecipado, enquanto aguardavam a sua vez chegar.

Porém, atualmente (no momento em que escrevo este artigo), não existe mais essa wait list. Basta acessar a página da OpenAI e criar o seu cadastro para começar a testar seus prompts.

Uma coisa que vale a pena lembrar é que o DALL-E não serve apenas para criar imagens a partir do zero. É possível também você enviar uma foto sua e pedir para que o modelo trabalhe a partir dela como referência primária.

Para editar uma foto usando Dall-E, você pode usar uma técnica chamada máscara. Isso envolve selecionar uma área da imagem que deseja alterar ou adicionar algo. Isso pode ser feito apagando um pedaço da foto e salvando a imagem como PNG (para exportar o canal alpha, responsável pela transparência da imagem).

Ou você pode criar um arquivo separado contendo apenas a mascará mesmo, o que seria mais adequado para aqueles que optarem por usar a API, e não a interface gráfica disponibilizada na seção Playground da OpenAI.

Imagens geradas pelo DALL-E a partir input “Cientistas de Dados programando em um mundo distópico”.

Construa apps com a API DALL-E 2

Particularmente, eu recomendo você conhecer a API Python do DALL-E 2. Dessa maneira você poderá conhecer mais à fundo as funcionalidades da OpenAI e ainda criar aplicações próprias. A API é extremamente bem documenta e cheia de exemplos.

Para você ter uma ideia de implementação, vou trazer um exemplo de foto que fiz para o Natal (está publicada no meu perfil pessoal do Instagram).No caso, eu queria usar uma foto que tirei com o Theo no meu ombro, e colocar um Papai Noel atrás, como se ele estivesse participando do momento.

 

1 de 2
- +

Para que o Dall-E entendesse as minhas intenções, eu gerei uma mascara em branco e preto para estabelecer o “espaço reservado para o Papai Noel”. Essa técnica é útil para adicionar elementos a uma imagem de maneira precisa e controlada, sem afetar o resto da imagem. É uma maneira fácil de explorar sua criatividade e deixar suas fotos ainda mais incríveis.

No caso, eu usei a API Python fornecida pela OpenAI e informei que gostaria de “um pai com seu filho, e o Papai Nicolau Noel ao fundo”. Com menos de 10 linhas de código (desconsiderando os comentários), veja a simplicidade com a qual eu consigo acessar o DALL-E:

# importar as bibliotecas necessárias
import os
import openai

# conectar à API do OpenAI
openai.organization = "sigmoidal"
openai.api_key = os.getenv("OPENAI_API_KEY")
openai.Model.list()

# gerar imagem com foto
response = openai.Image.create_edit(
  image=open("theo.png", "rb"),
  mask=open("mask.png", "rb"),
  prompt="Um pai com seu filho, e o Papai Nicolau Noel ao fundo.",
  n=1,
  size="1024x1024"
)
# imagem final gerada por AI
image = response['data'][0]['url']

Apenas para esclarecer, na Linha 7 eu acessei a chave da API, que estava disponível como variável no meu computador. Quando você criar o seu cadastro, conseguirá gerar a sua própria chave também.

Conclusão

O DALL-E, assim como o ChatGPT, é realmente impressionante e pode contribuir muito na sua produtividade. Como disse no começo do artigo, a maior parte das pessoas não entende nada sobre desenho, ilustração ou manipulação de imagens.

Se você se interessar pelo assunto e mergulhar à fundo na documentação e nas discussões em fóruns, irá conseguir criar artes realmente incríveis.

E caso você também seja entusiasta das criptomoedas, você vai encontrar no DALL-E uma ferramenta estratégica para criar sua arte.

A qualidade dos resultados é tão grande, que vimos crescer a preocupação de vários artistas “humanos” com essa potencial ameaça da “AI Art”. Houve inclusive a criação de um movimento chamado “Free AI Image Generator”, apoiado por artistas famosos e empresas como Canva, Behance e Artstation.

Agora que você já entendeu o que é, que tal criar sua conta e compartilhar suas artes geradas pelo DALL-E comigo, lá no Instagram?

Compartilhar39Compartilhar222Enviar
Post Anterior

Como a França usou Inteligência Artificial para detectar 20 mil piscinas

Próximo Post

PrimoCast: Thiago Nigro e Carlos Melo conversam sobre 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

Por que o ChatGPT mente para você?
Artigos

Por que o ChatGPT mente para você?

por Carlos Melo
setembro 16, 2025
O Que é Amostragem e Quantização no Processamento de Imagens
Artigos

O Que é Amostragem e Quantização no Processamento de Imagens

por Carlos Melo
junho 20, 2025
Carlos Melo e Sérgio Sacani – Ciência Sem Fim
Youtube

Carlos Melo e Sérgio Sacani – Ciência Sem Fim

por Carlos Melo
janeiro 16, 2025
Visão Computacional

Processamento de Nuvens de Pontos com Open3D e Python

por Carlos Melo
janeiro 2, 2025
Meta Movie Gen para gerar vídeos a partir de textos
Youtube

Inteligência Artificial criando filmes? Conheça Movie Gen, a nova ferramenta da META.

por Carlos Melo
outubro 30, 2024
Próximo Post
GESTÃO DE DADOS: aprenda Data Science ou pague o preço de uma decisão errada | PrimoCast com Thiago Nigro

PrimoCast: Thiago Nigro e Carlos Melo conversam sobre Data Science

Comentários 2

  1. Sandra Borges Garcia says:
    2 anos atrás

    Não sei usar muito esse site,acho confuso ,devido não dar para traduzir para o português Brasil

    Responder
  2. CLUSTER RUSH ONLINE says:
    5 meses atrás

    Ótimo post! Adorei aprender como usar o DALL-E 2 para criar imagens a partir de textos. As dicas foram super úteis e já estou animado para experimentar. Obrigado por compartilhar!

    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

    511 compartilhamentos
    Compartilhar 204 Tweet 128
  • Por que o ChatGPT mente para você?

    9 compartilhamentos
    Compartilhar 4 Tweet 2
  • ORB-SLAM 3: Tutorial Completo para Mapeamento 3D e Localização em Tempo Real

    424 compartilhamentos
    Compartilhar 170 Tweet 106
  • Geometria da Formação de Imagens: Matrizes, Transformações e Sistemas de Coordenadas

    397 compartilhamentos
    Compartilhar 159 Tweet 99
  • Processamento de Nuvens de Pontos com Open3D e Python

    56 compartilhamentos
    Compartilhar 22 Tweet 14
  • 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
Por que o ChatGPT mente para você?

Por que o ChatGPT mente para você?

setembro 16, 2025
Green Card aprovado por habilidades extraordinárias em Data Science

Green Card aprovado por habilidades extraordinárias em Data Science

julho 14, 2025
O Que é Amostragem e Quantização no Processamento de Imagens

O Que é Amostragem e Quantização no Processamento de Imagens

junho 20, 2025
DeepSeek vazamento de dados de usuários

DeepSeek: Vazamento de dados expõe dados de usuários

fevereiro 1, 2025

Seguir

  • 💰 Você sabe o que faz e quanto ganha um cientista de dados?

Ser Cientista de Dados significa trabalhar com inteligência artificial, estatística e programação para transformar dados em decisões que movimentam negócios e impactam bilhões de pessoas.

É a função que dá vida a recomendações personalizadas, modelos preditivos e sistemas inteligentes que mudam a forma como empresas inovam.

E não é apenas fascinante...

💼💰 É também uma das carreiras mais bem remuneradas da área de tecnologia!

Se você quer uma carreira com futuro, relevância e excelente retorno financeiro, Data Science é o caminho certo!

#cientistadedados #datascience #python
  • Você colocaria fraldas do lado das cervejas no seu supermercado? 🤔

Parece estranho, mas foi exatamente essa descoberta que mudou as vendas do Walmart.

Os cientistas de dados da empresa analisaram milhões de transações com uma técnica de Data Mining que identifica padrões de compra e combinações inesperadas de produtos.

Então, usando algoritmos da Data Science, cruzaram dados de horário, perfil de cliente e itens comprados juntos.

Encontraram algo curioso: homens que passavam no mercado após as 18h para comprar fraldas, muitas vezes no caminho de casa, também compravam cerveja 🍺.

O Walmart testou a hipótese: colocou fraldas perto da seção de cervejas.

O resultado? As vendas de cerveja dispararam. 🚀

Esse é um exemplo clássico de como Data Science gera impacto direto no negócio.

Não é sobre algoritmos complexos apenas; é sobre transformar dados históricos em decisões inteligentes e lucrativas.

#datascience #cientistadedados #machinelearning
  • Conheça as formações da Academia Sigmoidal.

Nossos programas unem rigor acadêmico, prática aplicada e dupla certificação internacional, preparando você para atuar em Data Science, Visão Computacional e Inteligência Artificial com impacto real no mercado.

🤖 Pós-Graduação em Data Science: Forma Cientistas de Dados e Engenheiros de Machine Learning do zero, com Python, estatística e projetos práticos do mundo real.

👁️ Pós-Graduação em Visão Computacional: Especialize-se em processamento de imagens, Deep Learning, redes neurais e navegação autônoma de drones, tornando-se Engenheiro de Visão Computacional ou Engenheiro de Machine Learning.

📊 MBA em Inteligência Artificial: Voltado a profissionais de qualquer área, ensina a aplicar IA estrategicamente em negócios, usando automação, agentes de IA e IA generativa para inovação e competitividade.

Além do título de Especialista reconhecido pelo MEC, você ainda conquista uma Dupla Certificação Internacional com o STAR Research Institute (EUA).

💬 Interessado em dar o próximo passo para liderar no mercado de tecnologia? Me envie uma mensagem e eu te ajudo pessoalmente com a matrícula.

#DataScience #InteligenciaArtificial #VisaoComputacional
  • Treinar um modelo significa encontrar um bom conjunto de parâmetros. Esse conjunto é definido pela função objetivo, também chamada de função de perda. 👀

O gradient descent é o algoritmo que ajusta esses parâmetros passo a passo. Ele calcula a direção de maior inclinação da função de perda e move o modelo para baixo nessa curva. ⬇️

Se o parâmetro é o peso que multiplica X ou o bias que desloca a reta, ambos são atualizados. Cada iteração reduz o erro, aproximando o modelo da solução ótima.

A intuição é simples: sempre que a função de perda é maior, o gradiente aponta o caminho. O algoritmo segue esse caminho até que não haja mais descida possível. 🔄 

#inteligênciaartificial #datascience #machinelearning
  • Qual a melhor linguagem? PYTHON ou R?

Diretamente do túnel do tempo! Resgatei esse vídeo polêmico de 2021, quem lembra??

#DataScience #Python #R #Programação
  • 🎥 Como começar uma CARREIRA como CIENTISTA DE DADOS

Você já pensou em entrar na área que mais cresce e que paga os melhores salários no mundo da tecnologia?

Domingo você vai descobrir o que realmente faz um Cientista de Dados, quais são as habilidades essenciais e o passo a passo para dar os primeiros passos na carreira.

Eu vou te mostrar um mapa para você sair do zero e se preparar para trabalhar com Data Science em 2026.

📅 Domingo, 28 de setembro
🕖 20:00h (horário de Brasília)
🔗 Link nos Stories

Clique no link dos Stories e receba o link da aula ao vivo!

#datascience #machinelearning #cientistadedados
  • VISÃO COMPUTACIONAL está no centro de um dos avanços mais impressionantes da exploração espacial recente: o pouso autônomo da missão Chang’e-5 na Lua. 🚀🌑

Durante a descida, câmeras de alta resolução e sensores a laser capturavam continuamente o relevo lunar, enquanto algoritmos embarcados processavam as imagens em tempo real para identificar crateras e obstáculos que poderiam comprometer a missão.

Esses algoritmos aplicavam técnicas de detecção de bordas e segmentação, aproximando crateras por elipses e cruzando a análise visual com dados de altímetros. Assim, a IA conseguia selecionar regiões planas e seguras para o pouso, ajustando a trajetória da nave de forma autônoma. 

Esse processo foi indispensável, já que a distância entre Terra e Lua gera atraso de comunicação que inviabiliza controle humano direto em tempo real.

Esse caso ilustra como IA embarcada está deixando de ser apenas uma ferramenta de análise pós-missão para se tornar parte crítica das operações espaciais autônomas em tempo real — um passo essencial para missões em Marte, asteroides e no lado oculto da Lua.

(PS: Vi o Sérgio Sacani, do @spacetoday , postando isso primeiro.)

#visaocomputacional #machinelearning #datascience
  • 🔴Aprenda a MATEMÁTICA por Trás do MACHINE LEARNING

Você já se perguntou como as máquinas aprendem?🤖 

A resposta está na matemática que dá vida ao Machine Learning. E neste vídeo, você vai aprender os conceitos fundamentais que sustentam os algoritmos de inteligência artificial, de forma clara e acessível.

Mais do que apenas fórmulas, a ideia é mostrar como cada peça matemática se conecta para transformar dados em aprendizado. Se você deseja compreender a lógica por trás do funcionamento das máquinas, essa aula é um ótimo ponto de partida.

📅 Domingo, 21 de setembro
🕖 20:00h (horário de Brasília)
🔗 Link nos Stories

#machinelearning #datascience #cientistadedados
  • 🚀 As matrículas estão abertas!
Depois de quase 1 ano, a nova turma da Pós-Graduação em Data Science chegou.

NOVIDADE: agora com Dupla Certificação Internacional:
🇧🇷 Diploma de Especialista reconhecido pelo MEC
🇺🇸 Certificado do STAR Research Institute (EUA)

Aprenda Data Science na prática, domine Machine Learning e IA, e conquiste reconhecimento no Brasil e no mundo.

2025 pode ser o ano em que você dá o passo decisivo para se tornar Cientista de Dados.

🔗 Clique no link da bio e reserve sua vaga!
#datascience #cienciadedados #python
  • Por que o CHATGPT MENTE PARA VOCÊ? 🤔

Já percebeu que o ChatGPT às vezes responde com confiança... mas está errado? 

Isso acontece porque, assim como um aluno em prova, ele prefere chutar do que deixar em branco.
Essas respostas convincentes, mas erradas, são chamadas de alucinações.

E o que o pesquisadores da OpenAI sugerem, é que esse tipo de comportamento aparece porque os testes que treinam e avaliam o modelo premiam o chute e punem a incerteza.

Então, da próxima vez que ele ‘inventar’ algo, lembre-se: não é pessoal, ele apenas for treinado dessa maneira!
#inteligênciaartificial #chatgpt #datascience
  • ChatGPT: um "estagiário de LUXO" para aumentar sua produtividade na programação.

 #programacao #copiloto #produtividade #streamlit #dashboard #tecnologia #devlife
  • Da série “Foi a IA que me deu”, vamos relembrar minha viagem pra Tromsø, na Noruega, 500 km acima da linha do Círculo Polar Ártico. 🌍❄️

No vídeo de hoje, você vai aprender o que é um "fiorde"! 

Como você dormia sem saber o que era um fiorde?? 😅
  • Qual LINGUAGEM DE PROGRAMAÇÃO é usada na TESLA?

A Tesla utiliza diferentes linguagens de programação em cada fase do ciclo de desenvolvimento. 

O treinamento das redes neurais convolucionais (CNN) é feito em Python, aproveitando bibliotecas científicas e a rapidez de prototipagem. Isso permite testar arquiteturas de CNN com agilidade no ambiente de pesquisa.

Já a implementação embarcada ocorre em C++, garantindo alta performance. Como os modelos de CNN precisam responder em tempo real, o C++ assegura baixa latência para tarefas como detectar pedestres e interpretar placas de trânsito.

Com isso, a Tesla combina Python para pesquisa e C++ para produção, equilibrando inovação e velocidade em sistemas críticos de visão computacional.

#python #machinelearning #inteligenciaartificial
  • Aproveitando o domingo… vamos relaxar um pouco e falar sobre cinema 🎬

Em
  • Já se perguntou como conseguimos distinguir intuitivamente um gato de um cachorro, mesmo com tantas semelhanças físicas? 

Para nós, essa identificação é quase automática.

Na filosofia aristotélica, a inteligência é um atributo da alma: o mundo real é captado pelos sentidos, transformado em imagens na imaginação (fantasmas), e organizado em conceitos que nos permitem compreender a realidade de forma imediata.

Já as máquinas não têm alma nem intuição. Para aprender essa mesma tarefa, precisam decompor o problema em camadas hierárquicas: 

Nas primeiras, redes neurais profundas extraem padrões simples (bordas, texturas); nas intermediárias, formas mais abstratas (orelhas, olhos, focinho); e apenas nas finais esses elementos são combinados em conceitos de alto nível como “gato” ou “cachorro”.

Enquanto nós chegamos ao entendimento de forma direta, a inteligência artificial depende de sucessivas representações para “fazer sentido” do mundo. 🤖

#inteligênciaartificial #redesneurais #deepLearning #filosofia #tecnologia
  • INTELIGÊNCIA ARTIFICIAL se tornou a carreira mais promissora atualmente.

Este mercado, em constante crescimento global, oferece oportunidades de trabalho remoto, seja como freelancer ou contratado por empresas. 

Para quem busca uma carreira flexível e em expansão, a área de DATA SCIENCE / IA pode ser o caminho ideal. 

Afinal, você consgue me dizer quais outras áreas oferecem tamanha versatilidade e crescimento? 

#cienciadedados #python #inteligenciaartificial #mercadodetrabalho #tecnologia #oportunidades
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.