IAsmin: Manutenção Inteligente

Mapeamento de Ativação de Classe Ponderado por Gradiente (Grad-CAM)

Mapeamento de Ativação de Classe Ponderado por Gradiente (Grad-CAM)

28 April 2025
A técnica Grad-CAM (Gradient-weighted Class Activation Mapping) é uma abordagem para a visualização de áreas de interesse em imagens analisadas por redes neurais convolucionais (CNNs).
Efeitos Locais Acumulados (ALE)

Efeitos Locais Acumulados (ALE)

31 October 2024
Descubra como os Efeitos Locais Acumulados (ALE) oferecem uma análise rápida e precisa, superando os desafios dos Partial Dependence Plots (PDPs). (João Assaoka)
Introdução à Regressão Linear

Introdução à Regressão Linear

24 October 2024
Interprete Seus Modelos de Regressão Linear: Aprenda a treinar e explorar a interpretabilidade dos modelos. (João Assaoka)
Gráficos de Dependência Parcial (PDP)

Gráficos de Dependência Parcial (PDP)

17 October 2024
Entenda como criar curvas que revelam como as previsões variam com o aumento de uma variável e identifique pontos críticos para a previsão. (João Assaoka)
SHAP: Desvendando as Decisões dos Modelos de Machine Learning

SHAP: Desvendando as Decisões dos Modelos de Machine Learning

10 October 2024
Descubra como o SHAP pode desvendar as decisões dos modelos de machine learning e tornar suas previsões mais transparentes e confiáveis. (João Assaoka)
Importância por Permutação

Importância por Permutação

03 October 2024
Quer saber quais variáveis realmente importam para o seu modelo de machine learning? A importância por permutação é a técnica que você precisa. Neste post, vamos explorar como essa abordagem simples e eficaz pode transformar suas previsões. (João Assaoka)
© IAsmin - Unifesp 2025