Skip to content

Mergulhando no universo da Álgebra Linear

Estudar matemática “sozinho”, não é uma tarefa das mais fáceis. Ainda mais pela quantidade que assuntos que são interdependentes. Como o foco é completar a Jornada Data Science, o ideal é focar no que é mais essencial para a evolução nessa área. Obviamente, se você não tiver uma base mínima em matemática, vai ter que penar um pouco mais nos estudos.

Como um Data Scientist, matemática fará parte do seu dia assim como o ar que você respira. Dentre os diversos ramos da matemática, vamos nos deparar com estatísticas avançadas, probabilidades, testes de hipótese entre outras… E por consequência, vamos  ter que passar por Álgebra e Cálculo.

Meu pontapé inicial foi procurar conteúdo na internet. Hoje temos uma gama enorme de possibilidades. Através do site  https://pt.khanacademy.org/math eu encontrei uma gama bastante vasta de materiais para estudo de matemática. Sobretudo sobre Álgebra Linear. Mas acho super válido para quem opta por fazer algum curso pago, ou algo do tipo.

Mas, o que realmente é Álgebra?

Álgebra é o ramo da matemática que introduz o conceito de variável na representação de um número. Equações, polinômios e operações envolvendo incógnitas fazem parte dos cálculos algébricos. E dentro o universo Data Science, o estudo de Álgebra Linear é  muito importante para quem trabalha ou pretende se aprofundar na área assim como eu.

O que estuda a Álgebra Linear?

A Álgebra Linear estuda os espaços vetoriais (Um espaço vetorial é um conjunto de vetores), além de funções lineares que associam vetores entre dois espaços vetoriais – para quem já tem uma bagagem inicial em programação de computadores, já começa a fazer sentido a importância do aprofundamento nesse assunto.

O que pude entender até o momento é que uma boa compreensão da Álgebra Linear é fundamental para analisar algoritmos de Machine Learning, especialmente para estudos mais profundos, como o uso de técnicas de Deep Learning. Além disso,  os modelos lineares assumiram bastante importância na computação gráfica, criptografia, sistemas de controle, reconhecimento facial, edição de imagens, programação linear, cálculo estocástico, dentre outros.

Encontrei muito material interessante na internet que me ajudou bastante. Um deles é o site https://www.tiger-algebra.com onde podemos inserir uma expressão algébrica e ele nos ajuda a entender como se dá a resolução do problema. E logo em seguida encontrei um, na minha opinião, muito melhor e em  português https://www.mathway.com (pago).

Naturalmente encontrei vários desafios em conceitos básicos envolvendo resoluções relativamente simples. Tive que voltar um pouco no tempo e revisar os conceitos fundamentais de Álgebra. Fiz a aquisição do livro Álgebra o O Guia Completo Para Quem Não É C.D.F. (Estou decidido a fazer um estudo profundo) e está sendo praticamente o meu livro de cabeceira. Realmente eu consegui entender a importância do domínio de Álgebra Linear.

Por que álgebra linear é importante para Machine Learning?

Os vetores e matrizes que encontramos em Álgebra Linear vão tornar nosso pensamento mais amplo. Podemos utilizar mais parâmetros para um componente de um modelo preditivo, usar mais operações matriciais, visualizar e criar gráficos de plotagem diferentes ou até mesmo aplicar um código único e melhor. A Álgebra Linear atua também como um pré-requisito para termos uma sólida compreensão dos conceitos estatísticos avançados. Nos processamentos de imagens, podemos utilizar tensores, que são matrizes de números com várias dimensões. Outros conceitos como o uso de escalar – é apenas um número, mas geometricamente, um escalar é um ponto de dimensão zero, como exemplo o número 3. Utilizaremos bastante vetores (lista de números), etc..

Algebra linear tipos

No final desta página, eu coloco algumas das dezenas de referências onde encontrei abordagens super interessantes a respeito de Álgebra Linear, sobretudo na aplicação em Machine Learning.  O interesse do mercado é tão grande em relação aos profissionais desta área, que empresas como Intel, Amazon, Google, entre outras,  oferecem cursos gratuitos sobre o tema. Eu sei que estou ainda “engatinhando” no assunto, mas estou bastante confiante que conseguirei alcançar este objetivo de me tornar Data Scientist.  Continue me acompanhando nessa Jornada louca rumo à Data Science.

Confiança Sempre!!!

Fontes:

  • Adicionar ao Livro de Frases
    • Não há listas de palavras para Português -> Inglês…
    • Criar uma nova lista de palavras…
  • Copiar
  • Adicionar ao Livro de Frases
    • Não há listas de palavras para Português -> Inglês…
    • Criar uma nova lista de palavras…
  • Copiar
  • Adicionar ao Livro de Frases
    • Não há listas de palavras para Inglês -> Português…
    • Criar uma nova lista de palavras…
  • Copiar
  • Adicionar ao Livro de Frases
    • Não há listas de palavras para Português -> Inglês…
    • Criar uma nova lista de palavras…
  • Copiar
  • Adicionar ao Livro de Frases
    • Não há listas de palavras para Inglês -> Português…
    • Criar uma nova lista de palavras…
  • Copiar
Published inJornada Data Science

Be First to Comment

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *