Pinned Repositories
analise-de-experimentos
Planejamento de experimentos para a coleta de dados, propusão de modelos matemáticos para entender um dado problema, testes de significância estatística dos parâmetros de um modelo matemático, construção de mapas de cores para auxiliar a interpretação dos dados e análise dos dados coletados.
backend-lapes-2023-javascript
Projeto de backend de um sistema de e-commerce, desenvolvido para o desafio de backend do Laboratório de Pesquisa de Engenharia de Software (CESUPA). Inclui detalhes sobre tecnologias utilizadas, estrutura e funcionalidades. Contém mensagem pessoal do autor, tutorial de instalação e documentação das rotas.
classificacao-como-funciona
classificacao-marketing-investimento-churn
fashion-mnist-classification-keras
Primeiro projeto com Deep Learning usando Keras e TensorFlow! Trabalhei com o conjunto de dados Fashion MNIST para classificar imagens de itens de vestuário em 10 categorias. O modelo de rede neural construído alcançou uma precisão de cerca de 83,24% no conjunto de teste.
lab-keras-tf-torch
regressao-multipla-house-pricing
Regressão linear múltipla utilizando dados de preços imobiliários. Previsões baseadas em características como área, garagem, banheiros, lareiras, acabamento em mármore e número de andares. R² de 0.67 indica boa explicação da variação dos preços a partir das variáveis explicativas.
riemann_integration_methods_python
Notebook Jupyter dedicado a métodos numéricos de integração, como as Somas de Riemann e a Regra do Trapézio, utilizando Python. Contém explicações detalhadas, exemplos práticos e análises comparativas para compreender e aplicar esses métodos na aproximação de integrais.
stardew_optimizer
Solução desenvolvida para os jogadores de Stardew Valley que buscam maximizar suas atividades agrícolas. Através de uma interface web intuitiva, fornece recomendações personalizadas para a seleção de sementes com base em diversos fatores, como fundos disponíveis, dias restantes na estação e espaço para plantio.
worldclim-pandas-spark-benchmark
Benchmark de carregamento e consulta de dados climáticos da WorldClim com Pandas e Apache Spark, comparando o desempenho entre processamento não-distribuído e distribuído. Destaca a superioridade do Spark em escalabilidade e eficiência para grandes conjuntos de dados, enfatizando a importância do armazenamento colunar com Parquet.
bruno-kalel's Repositories
bruno-kalel/backend-lapes-2023-javascript
Projeto de backend de um sistema de e-commerce, desenvolvido para o desafio de backend do Laboratório de Pesquisa de Engenharia de Software (CESUPA). Inclui detalhes sobre tecnologias utilizadas, estrutura e funcionalidades. Contém mensagem pessoal do autor, tutorial de instalação e documentação das rotas.
bruno-kalel/analise-de-experimentos
Planejamento de experimentos para a coleta de dados, propusão de modelos matemáticos para entender um dado problema, testes de significância estatística dos parâmetros de um modelo matemático, construção de mapas de cores para auxiliar a interpretação dos dados e análise dos dados coletados.
bruno-kalel/classificacao-como-funciona
bruno-kalel/classificacao-marketing-investimento-churn
bruno-kalel/fashion-mnist-classification-keras
Primeiro projeto com Deep Learning usando Keras e TensorFlow! Trabalhei com o conjunto de dados Fashion MNIST para classificar imagens de itens de vestuário em 10 categorias. O modelo de rede neural construído alcançou uma precisão de cerca de 83,24% no conjunto de teste.
bruno-kalel/reducao-dimensionalidade
bruno-kalel/regressao-linear-multipla-tratamento-assimetria
Este projeto explora as etapas de análise e estimação de modelos de regressão linear, abordando técnicas de transformação de variáveis assimétricas e testes formais de parâmetros de regressão.
bruno-kalel/regressao-multipla-house-pricing
Regressão linear múltipla utilizando dados de preços imobiliários. Previsões baseadas em características como área, garagem, banheiros, lareiras, acabamento em mármore e número de andares. R² de 0.67 indica boa explicação da variação dos preços a partir das variáveis explicativas.
bruno-kalel/worldclim-pandas-spark-benchmark
Benchmark de carregamento e consulta de dados climáticos da WorldClim com Pandas e Apache Spark, comparando o desempenho entre processamento não-distribuído e distribuído. Destaca a superioridade do Spark em escalabilidade e eficiência para grandes conjuntos de dados, enfatizando a importância do armazenamento colunar com Parquet.
bruno-kalel/riemann_integration_methods_python
Notebook Jupyter dedicado a métodos numéricos de integração, como as Somas de Riemann e a Regra do Trapézio, utilizando Python. Contém explicações detalhadas, exemplos práticos e análises comparativas para compreender e aplicar esses métodos na aproximação de integrais.
bruno-kalel/bruno-kalel
bruno-kalel/cluster-analysis
bruno-kalel/customizacao-matplot
bruno-kalel/ds_college_assignments
bruno-kalel/estatistica_correlacao_e_regressao
bruno-kalel/estatistica_distribuicoes_e_medidas
bruno-kalel/estatistica_probabilidade_e_amostragem
bruno-kalel/estatistica_testes_de_hipoteses
bruno-kalel/general_learning_notes_2023
bruno-kalel/general_learning_notes_2024
bruno-kalel/k-means-song-recommendations
bruno-kalel/lapes_obv_trading_indicator
Implementação de uma estratégia de negociação usando o indicador On-Balance Volume (OBV) para identificar sinais de compra e venda em um ativo financeiro. O projeto inclui visualizações dos preços, do OBV, da EMA do OBV e dos sinais de compra e venda.
bruno-kalel/linear_regression_beer_consumption_sao_paulo
Regressão linear explorando a relação entre temperatura e consumo de cerveja em São Paulo. Os resultados revelam uma correlação moderada, com previsões sugerindo um aumento no consumo em dias mais quentes.
bruno-kalel/machine-learning-validando-modelos
bruno-kalel/museu_goeldi_annelida_collection_analysis
bruno-kalel/pnad_2015_average_income_between_states
bruno-kalel/pnad_2015_descriptive_analysis
bruno-kalel/pnad_2015_probabilities_sampling_and_estimations
bruno-kalel/regressao-multipla-beer-consumption-sao-paulo
Explora o consumo de cerveja em São Paulo, utilizando regressão linear múltipla para prever o consumo com base em variáveis como temperatura, chuva e final de semana. Analisa dados, constrói e compara modelos para entender os padrões de consumo.
bruno-kalel/sorting_algorithms_time_analysis_python