Mensagens de 28 de agosto de 2017

Galera alguém tem alguma dica/sugestão para usar geolocalizacao como váriaveis explicativas autocorrelacionadas em uma regressão? Eu deveria usar a abordagem de VAR igual time series?

Nunca fiz nada parecido. Lat/long são variáveis categóricas?

Não né, contínuas, eu poderia usar kmeans, transformar em polígonos e criar variaveis categóricas, mas não é a intenção.

Interessante essa proposta: http://datacomics.net

não fiz isso em python (trabalhava diretamente com o banco de dados, ai usava a extensão PostGis do postgres), mas aparentemente tem o pacote geopandas que deve te dar uma ideia

Vc escolhe o tamanho do hash (na verdade, é o tamanho do quadrante)

Mas os hashes são únicos

Só fica atento q eles não respeitam geografia política.

Meu problema é levar em conta a auto correlação espacial

Parecido com os efeitos de impulso de série temporal onde os choques são propagados com alguma distribuição....

Se for só pegar dados e regionais da pra usar a api do Google maps e usar os locais agrupados por "política"

Caros colegas,   Peço a ajuda de vocês para divulgarem em sua rede de contatos os seguintes programas oferecidos pela NVIDIA.   NVIDIA DEVELOPER PROGRAM - https://developer.nvidia.com/developer-program voltado a todos os pesquisadores   NVIDIA INCEPTION PROGRAM - https://www.nvidia.com/en-us/deep-learning-ai/startups/ voltado para as Startup em AI   NVIDIA Deep Learning Institute - https://www.nvidia.com/en-us/deep-learning-ai/education/ com vários cursos online gratuítos   NVIDIA GTC ONDEMAND - http://on-demand-gtc.gputechconf.com/gtcnew/on-demand-gtc.php- assistam as palestras realizadas no nosso GTC (GPU Technology Conference)   E em parceira com a UFF oferecemos os seguintes cursos em Portugues para incentivarmos todos aqueles que não possuem total domínio do Inglês.   Curso completo de Programação em GPUs (legendado para Português):   Video-aulas da universidade de Illinois, com legendas em Português http://www2.ic.uff.br/~gpu/kit-de-ensino-gpgpu/   Curso de Deep Learning em GPUs (Português):   Autores: Cristina Nader e Esteban Clua http://www2.ic.uff.br/~gpu/learn-gpu-computing/deep-learning/   Curso de programação CUDA (texto):   Autores: Esteban Clua e Marcelo Zamith http://seer.ufrgs.br/index.php/rita/article/view/RITA-VOL22-NR2-233  

Acho q o problema dele não é simplesmente analisar, mas sim de feature engineering mesmo.

Procurar variáveis importantes para utilizar no seu modelo... Breve resumo

Valeu galera pela força, acho que encontrei uma saída usando modelos de autocorrelação endógena

Pessoal, como vocês tão sentindo o mercado de data science no brasil hoje? to fazendo mestrado agora e queria saber um pouco da perspectiva de quem já tá trabalhando

Breno, minha opinião é que está bastante aquecido, pelo menos em são paulo, recebo propostas frequentemente ...

Trabalhos "não-junior" estão escassos, mas ate onde eu sei os salarios estão na faixa de 5000-6000 reais por mês

Charles, minha impressão é que muitas empresas nao sabem oq essa função faz e estao chamando qualquer analista de dados, de bi, de planejamento de cientista de dados ...

Tambem acho que não sabem

Mas nós sabemos rsrs

A questão é: que salários estamos aceitando?

Já fui em entrevista que o pessoal começa descrever as funções e eu falo, isso não é ciência, não tem teste de hipóteses, não tem mineração, voces precisam de uma pessoa de BI

Charles, salário não é algo que dê para se alinhar, cada um tem sua realidade ... tem gente que vai aceitar valores menores para começar nessa nova carreira

obs: rodar keras e sklearn nao é ser cientista de dados, qualquer um com um minimo de programação faz isso

sim, há dois gargalos no mercado: um é sobre qual a função do cientista de dados. E a outra é sobre a valorização do profissional

mas acho importante conhecer a realidade do mercado em diferentes locais. Estar "aquecido" significa o que? Que há muitas vagas boas ou que simplesmente há muitas vagas?

Não sei dizer sobre qualidade.

Mas parece que existe demanda.