Jornada 30 Dias de Inglês para TI — English for Data Science | Day#30

Você sabe discutir um modelo de Machine Learning em inglês quando os números parecem bons, mas os resultados em produção contam uma história diferente? Chegamos ao Day#30 da Jornada 30 Dias de Inglês para TI! Nesta última aula, vamos entrar no universo de Data Science e trabalhar o inglês necessário para discutir modelos, dados, experimentos, métricas, problemas de produção e decisões baseadas em evidências. Imagine dois Data Scientists trabalhando em uma empresa de e-commerce. O time desenvolveu um modelo para prever quais clientes têm maior probabilidade de abandonar a plataforma. No validation set, os resultados parecem excelentes. Mas, quando o modelo é avaliado em dados mais recentes, a performance cai significativamente. O problema pode estar no modelo — mas também pode estar nos dados, nas features, na avaliação ou na própria mudança do comportamento dos usuários. É nesse tipo de situação que o inglês técnico de Data Science realmente aparece. _____________________________________________________________________ Glossário para prática: We may have a leakage problem. The model is underperforming on recent data. The validation results may be overly optimistic. This model outperforms the baseline. Precision improved, but recall dropped. Is the trade-off acceptable? I've been using an LLM to generate some of the exploratory SQL. Generating the query is easy. Knowing whether the query actually answers the right question is harder. ROC-AUC: Receiver Operating Characteristic – Area Under the Curve. _____________________________________________________________________ 🌐 Conheça meu trabalho: https://www.giorgibastos.com.br Entre em contato para saber maiores informações sobre mentorias e aulas particulares: Linkedin: / giorgibastos Email: giorgicb@gmail.com