RelevantLatestTop

Leandro Dantas

3d atrás

Evitar erro de ValueError ao converter listas de listas em numpy.ndarray com dtype float32

#dados#numpy#python

12 reações5 comentários

7 min de leitura

Tiago MacedoA minha dúvida é sempre se vale a pena fazer esse padding ou se o melhor é tratar os dados de outra forma, tipo transformar em objetos ou usar listas de listas mesmo. Acho que depe

Leandro FreitasPra mim isso depende muito de quem vai cuidar quando sair do post e virar rotina do time.

Ver todos os 5 comentários →

Patricia Almeida

25 de set.

Remoção eficiente de espaços de largura estreita em strings JavaScript

#javascript#dados#regex

9 reações4 comentários

5 min de leitura

Gabriela CamposBoa o ponto do espaco de largura estreita passa batido facil. Essa regex resolve em varios casos que ja passei aqui.

Tiago FreitasEu faria uma rotina de limpeza que inclui inspecção com charCodeAt e depois a regex, assim evita remover espaço que faz sentido no contexto.

Ver todos os 4 comentários →

Tiago Campos

5 de set.

Controle avançado do tamanho e rotação das labels de ticks no Matplotlib

#dados#matplotlib#visualização

10 reações5 comentários

4 min de leitura

Mariana PereiraConcordo, o ajuste fino faz toda a diferença. Eu curto usar rotação de 45 ou 90 graus dependendo do espaço.

Wesley BarrosQuem cuida de migração gradual quando esse dados sair da fase de empolgação?

Ver todos os 5 comentários →

Igor Barros

31 de ago.

Precisão nas decisões de rollback em sistemas de produção com grandes volumes de dados

#dados#gestão#rollback

6 reações3 comentários

8 min de leitura

Camila EstevesExcelente abordagem, Igor. Aqui no meu time, percebemos que a maior dificuldade é manter os snapshots sempre atualizados e confiáveis. Vocês usam alguma ferramenta específica pra a

Tiago QueirozNo meu time, usamos transações atômicas sempre que possível, além de manter checkpoints em processos críticos. Mas acho que o maior desafio é testar esses procedimentos com frequên

Ver todos os 3 comentários →

Yuri Ramos

14 de ago.

Controle de versões de dados em ambientes de observabilidade com rollback seguro

#observabilidade#dados#rollback

12 reações3 comentários

11 min de leitura

Wesley DantasInteressante, mas acho que o maior desafio é automatizar esse controle de versões de forma que não impacte na performance do sistema. Como vocês ldiam com isso?

Sofia BarrosConcordo, o impacto na performance pode ser um problema, especialmente em ambientes de alta frequência de coleta. Talvez usar armazenamento incremental ou diff seja uma saída.

Ver todos os 3 comentários →

Patricia Teixeira

11 de ago.

Transformando dicionários aninhados em DataFrame multiindex no Pandas para análise eficiente

#dados#pandas#python

9 reações4 comentários

7 min de leitura

Daniel OliveiraÓtima abordagem. Já passei por isso e o que ajuda bastante é criar uma função que automatize essa transformação, assim evita retrabalho na hora do processamento.

Camila DantasConcordo, o ponto principal é cuidar para que todas as listas tenham o mesmo tamanho. Caso contrário, a gente acaba tendo linhas incompletas ou erro na hora de montar o DataFrame.

Ver todos os 4 comentários →

Helena Borges

4 de ago.

Gerenciamento de falhas em download de datasets no TensorFlow com Python

#cache#dados#tensorflow

13 reações4 comentários

4 min de leitura

Tiago AlmeidaPra mim pesa mais o custo de manter. No começo anda rápido, depois alguém precisa explicar, operar e revisar.

Vivian Macedoaham, ajudou pra cacete quando o time mede o antes e depois. Sem isso, vira só sensação boa de demo.

Ver todos os 4 comentários →

Patricia Macedo

3 de ago.

Como definir nomes de colunas ao exportar DataFrame para CSV no pandas

#csv#dados#pandas

7 reações4 comentários

6 min de leitura

Daniel GomesNo meu time eu tentaria achar onde risco entra no fluxo real. Sem esse recorte, fica fácil vender ganho e esquecer manutenção.

Daniel DantasPra mim isso depende muito de quem vai cuidar quando sair do post e virar rotina do time.

Ver todos os 4 comentários →

Tiago Lima

2 de ago.

Filtrando entradas de um DataFrame em Python com Pandas com base na frequência de ocorrência

#dados#Filtragem#pandas

13 reações3 comentários

3 min de leitura

Daniel LimaTem valor, só não compraria como regra geral. Precisa ficar claro quem opera, quem revisa e o que acontece quando falha.

Elisa AlmeidaO detalhe que pouca gente coloca na conta é risco. Dá para animar com artificialintelligence, mas alguém vai ter que sustentar isso no dia a dia.

Ver todos os 3 comentários →

Vivian Barros

31 de jul.

Limites do RAG em contagem e impacto na produção

#ai#dados#rag

12 reações4 comentários

2 min de leitura

Ana RamosConcordo que esse ponto de contagem passa meio despercebido, mas é exatamente o que pesou no meu time na hora de validar resultados. Testar a contagem antes de confiar é prioridade

Rafael SantanaA minha dúvida é: qual a melhor estratégia pra validar essa contagem? Alguma dica de ferramenta ou método que funcione bem na prática?

Ver todos os 4 comentários →