## sobre o tema
Ciência de dados é a disciplina que transforma dados brutos em decisões — combinando estatística, programação e conhecimento de negócio. Este hub reúne os artigos do CodeCrush sobre dados e machine learning: fundamentos estatísticos (regressão, testes, vieses como o paradoxo de Simpson), ferramentas do ecossistema Python (NumPy, pandas), técnicas de análise e os modelos de machine learning usados em produção. Diferente do hub de Inteligência Artificial — focado em aplicações e LLMs —, aqui o foco é a base analítica: como os modelos aprendem, como avaliar resultados com rigor e como construir um pipeline de dados confiável. Ideal para quem quer migrar para a área de dados ou dar fundamento técnico ao trabalho com IA.
## todos os artigos
Artigos sobre Ciência de Dados e Machine Learning
IA para Saúde: o que é e como transforma o cuidado
IA para saúde usa aprendizado de máquina para analisar dados médicos, apoiar diagnósticos, acelerar fármacos e personalizar tratamentos com mais precisão.
Ler artigo
HenricoImunologia Computacional: o que é e como funciona
Imunologia computacional é a área que aplica bioinformática, modelos matemáticos e machine learning para estudar e prever o comportamento do sistema imune.
Ler artigo
Ana-carolinaParadoxo de Simpson: quando dados agregados enganam
O Paradoxo de Simpson ocorre quando uma tendência vista em subgrupos some ou se inverte ao agregar os dados. Veja por que acontece e como tratá-lo em Python.
Ler artigo
RenataNumPy: o que é e para que serve a biblioteca Python
O NumPy é a biblioteca Python de computação numérica que fornece arrays multidimensionais e operações vetorizadas rápidas para dados e ciência.
Ler artigoHenricoDistância Euclidiana: O Que É, Fórmula e Usos em Python
Distância euclidiana é a medida em linha reta entre dois pontos, obtida pela raiz da soma dos quadrados das diferenças; é a base de KNN e K-Means.
Ler artigoHenricoLinguagem R: o que é, para que serve e como começar
R é uma linguagem open source para estatística e visualização de dados, com mais de 24 mil pacotes no CRAN e uso central em ciência de dados.
Ler artigoRenataFundamentos de Machine Learning: conceitos e algoritmos
Machine Learning é o campo da IA em que algoritmos aprendem padrões a partir de dados. Veja algoritmos, tipos de aprendizado e métricas de avaliação.
Ler artigoRenataTipos de Regressão Linear: Simples, Múltipla, Ridge e Lasso
Conheça os tipos de regressão linear — simples, múltipla, polinomial, Ridge e Lasso — com equações, casos de uso e critérios para escolher o modelo certo.
Ler artigoHenricoInteligência Artificial na Medicina: Benefícios e Riscos
A IA na medicina acelera diagnósticos e personaliza tratamentos: a FDA já autorizou mais de 1.250 dispositivos com IA. Veja benefícios e riscos.
Ler artigoHenricoMineração de Dados vs Machine Learning vs Deep Learning
Mineração de dados descobre padrões em bases existentes; machine learning treina modelos que aprendem; deep learning usa redes neurais profundas.
Ler artigoHenricoComo Criar Projetos de Machine Learning: Guia em 5 Etapas
Projetos de machine learning exigem preparação de dados, algoritmos adequados, pipelines iterativos, escalabilidade e métricas como recall e F1-Score.
Ler artigoHenricoMachine Learning vs Inteligência Artificial: a diferença
Inteligência Artificial é o campo amplo que simula capacidades humanas; Machine Learning é a subárea em que algoritmos aprendem com dados.
Ler artigoRenataGatekeeper e UBA: Análise de Comportamento do Usuário
A UBA monitora o comportamento dos usuários para detectar anomalias; integrada ao Gatekeeper, expõe ameaças internas que a autenticação sozinha não vê.
Ler artigoHenricoData Warehouse: o que é, arquitetura e como funciona
Data Warehouse é um repositório central que integra dados de várias fontes para análise histórica, relatórios e apoio à decisão via ETL e BI.
Ler artigoRenataO que é Power BI e para que serve na análise de dados
O Power BI é a suíte de business intelligence da Microsoft que transforma dados brutos em painéis interativos e relatórios para decisões orientadas por dados.
Ler artigoRenataPipeline de Dados: o que é e como funciona
Um pipeline de dados é uma série de processos automatizados que coletam, transformam e movem dados da origem até o destino para análise e decisão.
Ler artigoHenricoGeorreferenciamento: o que é e como funciona
Georreferenciamento é o processo de atribuir coordenadas geográficas a dados ou objetos, permitindo localizá-los e analisá-los com precisão em um mapa.
Ler artigoHenricoCiência de Dados: 65 Áreas de Aplicação com Exemplos Reais
Ciência de dados usa estatística e machine learning para gerar decisões: veja 65 áreas de aplicação, de finanças e saúde a cidades inteligentes.
Ler artigoRenataComo Estudar Machine Learning: Guia de Métodos e Recursos
Para estudar Machine Learning, comece por Python, estatística e álgebra linear, avance para algoritmos e pratique em projetos reais no Kaggle.
Ler artigoHenrico e RenataRegressão Linear: O que é, Como Modelar e Avaliar
Entenda a regressão linear: como ela modela relações entre variáveis por uma reta, prevê valores contínuos e é avaliada com R², RMSE e análise de resíduos.
Ler artigoHenricoMachine Learning: o que é, como funciona e onde é usado
Machine Learning é o campo da IA em que algoritmos aprendem padrões a partir de dados para prever, classificar e decidir sem programação explícita.
Ler artigoHenrico