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

Qual o Cenário de Data Science no Brasil hoje?

Carlos Melo por Carlos Melo
maio 13, 2020
em Blog, Carreira, Data Science
8
17
COMPARTILHAMENTOS
560
VIEWS
Publicar no LinkedInCompartilhar no FacebookCompartilhar no Whatsapp

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.

Definir o cenário de Data Science no Brasil era algo muito subjetivo, baseado em muitos “achismos” e opiniões próprias.

Agora não é mais. Graças a uma iniciativa do Data Hackers, provavelmente a mais completa já feita no Brasil, temos dados de uma pesquisa respondida por mais de 1.700 pessoas.

Análise completa do cenário de Data Science no Brasil em 2020

São dados sobre a faixa salarial, formação, linguagens utilizadas, entre outros insumos fornecidos pelos participantes desse survey.

Vamos dar uma olhada nesse dataset e tentar responder algumas perguntas de interesse.

Data Hackers Survey 2019

A pesquisa Data Hackers Survey 2019 foi realizada pela comunidade Data Hackers durante o mês de novembro de 2019.

Conduzida de forma online, foram feitas 36 perguntas, e o resultado (anonimizado) foi disponibilizado dentro da plataforma Kaggle. Veja algumas das perguntas feitas:

  • Pergunta_1 (P1) = Idade?
  • Pergunta_2 (P2) = Gênero?
  • Pergunta_8 (P8) = Qual seu nível de ensino?
  • Pergunta_10 (P10) = Qual sua situação atual de trabalho?
  • Pergunta_16 (P16) = Qual sua faixa salarial atual?
  • Pergunta_19 (P19) = Você se considera um profissional que atua na área de Data Science?
  • Pergunta_21 (P21) = Quais das linguagens de programação listadas abaixo você utiliza no trabalho?

Para ter acesso ao dicionário de variáveis completo, basta acessar o conjunto de dados completo no link lá em cima.

# importar as bibliotecas necessárias
import pandas as pd
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns
# melhorar a visualização
pd.set_option('max_columns',170)
%matplotlib inline
%config InlineBackend.figure_format = 'svg'
# importar o dataset para um DataFrame
df = pd.read_csv('https://www.dropbox.com/s/915cbi019cxfpuo/datahackers-survey-2019-anonymous-responses.csv?dl=1')
# extrair o nome da variável da tupla
df.columns = [eval(col)[1] for col in df.columns]

Acima, apenas importei as bibliotecas necessárias e importei o dataset para um DataFrame. Como as colunas são tupla, também extrai o elemento que continha apenas o nome da feature.

Vamos começar a responder algumas perguntas.

Onde vivem os Cientistas de Dados?

Como o objetivo deste artigo é analisar a situação de cientistas de dados, filtrei o DataFrame para os casos em que a resposta para a pergunta “Você se considera um profissional que atua na área de Data Science?” foi sim.

Na sequência, plotei os valores por estados que as pessoas moram atualmente.

# countplot de estado onde mora
plt.figure(figsize=(15,10))
ax = sns.countplot(x="living_state", data=df[df['is_data_science_professional'] == 1], order=df['living_state'].value_counts().index)
plt.title('Cientistas de Dados por Estado', size=14)
plt.xlabel('Estados', size=12)
plt.show()
Análise completa do cenário de Data Science no Brasil em 2020

De acordo com as respostas de profissionais de Data Science, pode-se notar que os estados de São Paulo, Minas e Rio de Janeiro juntos somam 62% dos profissionais do Brasil.

(Des)equilíbrio de gêneros em Data Science no Brasil

Todos sabemos do desequilíbrio que há entre os gêneros femininos e masculinos em Data Science no mundo.

Apesar das diversas iniciativas e conscientização da sociedade nos últimos anos, conseguimos ver que essa balança ainda está longe do ideal.

# plotar gráfico de gêneros
plt.figure(figsize=(8,8))
ax = sns.countplot(x="gender", data=df[df['is_data_science_professional'] == 1], order=df['gender'].value_counts().index)
plt.title('Cientistas de Dados por Gênero', size=14)
plt.xlabel('Gênero', size=12)
plt.show()

Dos participantes do survey que se consideram profissionais de Data Science, apenas 17% se declararam mulheres.

O contraste com os 83% de homens mostra que o desbalanceamento de classes é nítido.

Qual a formação dos cientistas de dados no Brasil?

O retrato mostrado pela pesquisa Data Hacker mostra um cenário brasileiro composto de profissionais que têm em sua maioria o diploma de graduação ou bacharelado.

# ver formação dos profissionais de data science
plt.figure(figsize=(18,10))
ax = sns.countplot(x="degreee_level", data=df[df['is_data_science_professional'] == 1], order=df['degreee_level'].value_counts().index)
plt.title('Cientistas de Dados por Nível Educacional', size=14)
plt.xlabel('Nível Educacional', size=12)

Um detalhe interessante é que, enquanto 32% dos entrevistados possuem graduação ou bacharelado, 21% deles ainda são estudantes de graduação.

Cientistas de Dados com Mestrado ou Doutorado+ representam apenas 13% do universo analisado.

Qual a idade média dos Cientistas de Dados no Brasil?

A idade média do profissional de Data Science é de aproximadamente 30 anos.

Você pode acompanhar o perfil dessa distribuição olhando o histograma abaixo.

# plotar histograma de idade
plt.figure(figsize=(12,6))
ax = sns.distplot(df.age)
plt.title('Cientistas de Dados por Idade', size=14)
plt.xlabel('Idade', size=12)
plt.show()

Outras informações estatísticas da idade puderam ser extraídas usando df.age.describe():

  • O profissional mais jovem tinha 18 anos de idade
  • O profissional mais experiente tinha 50 anos.

Qual o salário de um cientista de dados no Brasil?

Os salários são, talvez, o maior atrativo na narrativa a favor da Ciência de Dados como profissão. Vemos em todos os lugares notícias de salários altíssimos na empresa X, na empresa Y, que são, realmente, excelentes.

Porém, será essa a realidade dos Cientistas de Dados no Brasil?

Vamos dar uma olhada nos dados do nosso dataset, e entender como está essa distribuição de acordo com a nossa realidade.

ordem_salarios = ["Menos de R$ 1.000/mês",
         "de R$ 1.001/mês a R$ 2.000/mês",
         "de R$ 2.001/mês a R$ 3000/mês",
         "de R$ 3.001/mês a R$ 4.000/mês",
         "de R$ 4.001/mês a R$ 6.000/mês",
         "de R$ 6.001/mês a R$ 8.000/mês",
         "de R$ 8.001/mês a R$ 12.000/mês",
         "de R$ 12.001/mês a R$ 16.000/mês",
         "de R$ 16.001/mês a R$ 20.000/mês",
         "de R$ 20.001/mês a R$ 25.000/mês"]
labels = ["Menos de R\$ 1.000",
         'de R\$ 1.001 a R\$ 2.000',
         "de R\$ 2.001 a R$ 3.000",
         "de R\$ 3.001 a R\$ 4.000",
         "de R\$ 4.001 a R\$ 6.000",
         "de R\$ 6.001 a R\$ 8.000",
         "de R\$ 8.001 a R\$ 12.000",
         "de R\$ 12.001 a R\$ 16.000",
         "de R\$ 16.001 a R\$ 20.000",
         "de R\$ 20.001 a R\$ 25.000"]
# plotar o gráfico de salários
ax = sns.countplot(df[df['is_data_science_professional'] == 1].salary_range, order=ordem_salarios)
ax.set_xticklabels(labels=labels, rotation=45, horizontalalignment='right');
Salários de cientistas de dados (Data Science) no Brasil

Temos, sim, salários altos, com alguns respondentes declarando salários acima dos 25 mil reais mensais. Entretanto, vemos que a maioria dos Cientistas de Dados do Brasil ganham entre 3 e 12 mil reais.

Sendo mais específico, a maior parte dos profissionais pertence à categoria “de R$ 4.001 a R$ 6.000”.

Pode chamar atenção o fato de termos Cientistas de Dados ganhando menos de R$ 3.000; entretanto, precisamos lembrar que essa pesquisa envolve desde estagiários a cargos mais altos da área, o que provavelmente explica esse intervalo.

Qual a linguagem de programação mais usada em Data Science?

Para quem acompanha o Sigmoidal, isto não é novidade: Python é o campeão absoluto nesse quesito.

Ainda na frente do R, temos SQL, que faz sentido, visto que profissionais utilizando das mais diversas tecnologias precisarão acessar seus dados de alguma maneira, o que muitas vezes é feito por meio de queries em SQL.

# plotar linguagens mais usadas
plt.figure(figsize=(10,5))
ax = sns.countplot(x="most_used_proggraming_languages",
                   data=df.replace("Não utilizo nenhuma das linguagens listadas", "N.D.A."))
plt.title('Cientistas de Dados por Linguagem de Programação Mais Utilizada', size=14)
plt.xticks(rotation= 45,horizontalalignment='right')
plt.xlabel('Linguagem de Programação Mais Utilizada', size=12);
Linguagem mais usada em Data Science.

Mesmo tendo um número de adeptos consideravelmente maior que as linguagens restantes, a diferença entre R e Python é realmente significativa.

Ou seja, mais um motivo para você escolher o Python como sua linguagem de programação.

Como Aprender Data Science

Se você se interessou pela área e deseja saber mais sobre carreira, salários e como começar uma carreira do zero, convido-o a participar da Semana Data Science na Prática.

Serão 4 aulas 100% gratuitas, em que vou explicar a minha metodologia para você aprender Data Science. Além disso, vou mostrar na prática como fazer um projeto completo.

Espero-o na nossa Semana Data Science na Prática. Clique no botão abaixo e faça sua inscrição agora.

RESERVAR MEU LUGAR

Depois da inscrição, aproveite para acompanhar todas as novidades e atualizações do evento diretamente pelo meu Instagram. Um forte abraço!

Compartilhar1Compartilhar7Enviar
Post Anterior

Guia Básico de Pré-Processamento de Dados

Próximo Post

Python e Data Science: Respondendo todas as suas dúvidas

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
Python e Data Science: Respondendo todas as suas dúvidas

Python e Data Science: Respondendo todas as suas dúvidas

Comentários 8

  1. Pedro Henrique says:
    5 anos atrás

    Sensacional a forma didática de como vc consegue expor os dados e até uma pessoa leiga no assunto como eu consigo compreender o essencial de primeira!

    Responder
  2. Marcos Costa da Silva says:
    5 anos atrás

    Excelente conteúdo.
    Poderia também ser analisada as faixas salariais de acordo com a linguagem de programação utilizada pelos Data Scientist.

    Responder
    • Carlos Melo Carlos Melo says:
      2 anos atrás

      Muito obrigado pelo comentário! No YouTube eu cheguei a fazer duas lives, se não me engano, analisando com detalhes a pesquisa – tamanha a riqueza de detalhes que podemos extrair. Um forte abraço.

      Responder
  3. Janete Ribeiro says:
    5 anos atrás

    A quase ausência feminina na área corrobora com estudos que já venho participando desde 2015 nos EUA , Brasil e mundo. Gostaria de saber se foi levantado as tecnologias utilizadas por esses profissionais. Tenho percebido que há alguns “gaps” de dominio de ferramentas de coleta, tratamento e análise de dados. Também vejo espaço para incentivar não só mulheres, mas todos profissionais com 40+ que tenham interesse na área, pois poderiam agregar experiência em diferentes setores da economia às analises que venham fazer.

    Responder
    • Carlos Melo Carlos Melo says:
      2 anos atrás

      Muito obrigado pelo comentário! Um forte abraço para você.

      Responder
  4. Lucas S says:
    5 anos atrás

    A pesquisa fez perguntas relacionadas a formação dos cientistas, além do grau de instrução? Seria interessante ver a área de formação (Exatas, Humanas, Biológicas) e curso (Estatística, Engenharias etc)

    Responder
  5. Daniel says:
    4 anos atrás

    Muito legal. Acabei de me formar em Tecnologia em manufatura avançada e seu site tem sido pra mim uma fonte de orientações pra começar minha carreira em data science.
    Continue assim!!

    Responder
  6. Ivan dos Santos Araújo says:
    4 anos atrás

    Bom dia
    Tenho 45 anos e 20 anos de experiência em Finanças e Controladoria. No momento atual e diante dos cenários me vejo diante de várias oportunidades em Data Science. Hoje temos aí o Power BI que está dominando boa parte das empresas e acredito que num breve espaço de tempo, uns 5 anos, será a área de IA e Data Science que será uma realidade consolidada.
    Eu lhe pergunto, com a idade média de 30 e poucos anos e eu com 45, até estudar praticar deverá levar uns 3 anos, com isso e pelas suas experiências estarei no caminho certo para esta mudança, ou apenas prevalecerá os mais jovens. Se somarmos uma meta de 10 anos estarei com 55 anos aproximadamente, a idade pesa para uma empresa mesmo com uma boa experiência na área de Data Science? Ou para esta área não tem limite de idade, apenas vontade de aprender e tocar o barco. Vocês podem me ajudar com as vossas experiências e tudo mais quais os perigos que eu posso enfrentar na minha idade vs. trabalhar com Data Science?
    Obrigado!
    PS. Caso não tenha ficado claro as minhas perguntas na resposta do email posso complementar melhor

    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

    469 compartilhamentos
    Compartilhar 188 Tweet 117
  • ORB-SLAM 3: Tutorial Completo para Mapeamento 3D e Localização em Tempo Real

    397 compartilhamentos
    Compartilhar 159 Tweet 99
  • Geometria da Formação de Imagens: Matrizes, Transformações e Sistemas de Coordenadas

    376 compartilhamentos
    Compartilhar 150 Tweet 94
  • Equalização de Histograma com OpenCV e Python

    119 compartilhamentos
    Compartilhar 48 Tweet 30
  • Processamento de Nuvens de Pontos com Open3D e Python

    37 compartilhamentos
    Compartilhar 15 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

  • 🚨 FALTAM 2 DIAS!
As inscrições para a nova Pós em Visão Computacional & Deep Learning encerram neste domingo, 8 de junho, às 23h59.

Essa é sua chance de dominar IA aplicada, com foco total em projetos, e conquistar oportunidades como Machine Learning Engineer ou Computer Vision Specialist, no Brasil ou no exterior.

🔗 Link na bio para garantir sua vaga com bônus e valor promocional!

#VisaoComputacional #DeepLearning
  • 🤔🤔🤔 verdade ou mentira??
  • 🚀 NOVA PÓS EM VISÃO COMPUTACIONAL!

Seja especialista em Visão Computacional e Deep Learning! 

✔️ 400h de conteúdo
✔️ Curso reconhecido pelo MEC
✔️ Foco em prática e projetos reais

💡 1 CURSO, 2 CARREIRAS
Atue como Machine Learning Engineer E Computer Vision Engineer! 

📅 Aula de lançamento: 1º de junho, 20h

📍 Link na bio. Ative o lembrete e participe!

#computervision #machinelearning #datascience
  • 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
  • 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!
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.