IAsmin: Manutenção Inteligente

Descubra como os Efeitos Locais Acumulados (ALE) oferecem uma análise rápida e precisa, superando os desafios dos Partial Dependence Plots (PDPs). (João Assaoka)

Interprete Seus Modelos de Regressão Linear: Aprenda a treinar e explorar a interpretabilidade dos modelos. (João Assaoka)

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)

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

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)

Uma introdução a um dos algoritmos mais clássicos em aprendizado de máquina. Aqui, vamos aprender como treinar uma árvore de decisão em Python e como visualizar as decisões tomadas pelo modelo. (João Assaoka)