segunda-feira, 29 de setembro de 2025

O enigmático alinhamento dos sete santuários dedicados a São Miguel

O enigmático alinhamento dos sete templos dedicados a São Miguel.

O enigmático alinhamento dos sete santuários dedicados a São Miguel.

Todo 29 de setembro a Igreja celebra os Arcanjos Miguel, Gabriel e Rafael. São Miguel é tradicionalmente invocado como o grande defensor da fé contra o mal. Uma das formas mais surpreendentes de devoção ao Arcanjo é a “linha de São Miguel”: sete santuários dedicados a ele que se alinham aproximadamente numa reta estendendo‑se da Irlanda até Israel. Tradicionalmente acredita‑se que essa linha simboliza a espada com que Miguel expulsou o diabo do céu e que se alinha com o pôr‑do‑sol do solstício de verão【Ateleia】. Embora os locais estejam espalhados por milhares de quilómetros e não formem uma reta perfeita por causa da curvatura da Terra【Ateleia】, o alinhamento é impressionante e inspirou peregrinos por séculos.

O itinerário da espada: os sete santuários

Os santuários dedicados a São Miguel estão localizados em ambientes isolados: ilhas rochosas, montes cercados pelo mar ou cavernas de difícil acesso. A dificuldade do acesso simboliza a jornada espiritual de quem busca a intercessão do arcanjo e destaca a importância que cada lugar adquiriu ao longo da história【Catholic News Agency】.

1. Skellig Michael (Irlanda)

A linha começa no extremo norte, na ilha rochosa de Skellig Michael (Sceilg Mhichíl). Esse isolado rochedo no Atlântico tornou‑se um mosteiro cristão entre os séculos VI e XII. Seu isolamento e as construções de pedra seca representavam a busca de uma vida ascética extrema. O local foi dedicado a São Miguel entre 950 e 1050【UNESCO – Skellig Michael】, e a UNESCO descreve a comunidade monástica como um feito artístico e espiritual único. Hoje é Património Mundial e, recentemente, serviu de cenário para filmes de Star Wars. As coordenadas aproximadas do rochedo são 51,77 ° N, −10,54 ° W (conforme dados cartográficos).

2. St Michael’s Mount (Inglaterra)

Próxima etapa, a costa da Cornualha abriga St Michael’s Mount. A colina‑ilha está ligada ao continente apenas na maré baixa. Segundo uma antiga lenda, em 495 d.C. marinheiros viram uma aparição de São Miguel na face ocidental da ilha, avisando‑os dos perigos do mar【St Michael’s Mount, site oficial】. O arcanjo, padroeiro dos pescadores, teria guiado os navegantes e inspirado a construção do mosteiro e da fortaleza que dominam o monte【St Michael’s Mount, site oficial】. Esse evento atraiu peregrinos durante séculos, e o local tornou‑se um ícone das supostas linhas energéticas (ley lines) que cruzam a Grã‑Bretanha. As coordenadas aproximadas são 50,12 ° N, −5,48 ° W (conforme dados cartográficos).

3. Mont‑Saint‑Michel (França)

Do outro lado do Canal da Mancha ergue‑se o Mont‑Saint‑Michel, famoso monte-tidal no norte da França. Em 708 o bispo Auberto de Avranches teria recebido uma visão do arcanjo que lhe ordenou construir um santuário no topo do rochedo【Site oficial de turismo de Mont Saint‑Michel】. Os beneditinos instalaram‑se em 966, e entre os séculos XI e XVI surgiram o conjunto de criptas, igreja abacial e muralhas que formam a “Maravilha do Ocidente”. A abadia gótica, a vila e a paisagem marinha circundante figuram hoje entre os destinos turísticos mais visitados do mundo. Suas coordenadas são 48,64 ° N, −1,51 ° W (conforme dados cartográficos).

4. Sacra di San Michele (Itália)

Situada no Vale de Susa, a cerca de 40 km de Turim, a Sacra di San Michele é uma abadia beneditina edificada entre 983 e 987 sobre o Monte Pirchiriano. O santuário integra uma rota de peregrinação com cerca de 2 000 km que liga o Mont‑Saint‑Michel ao Monte Sant’Angelo. Além da igreja principal, construções dos séculos XII e XIII abrigam sepulturas dos membros da Casa de Sabóia, e do alto vislumbra‑se toda a região do Vale de Susa e a cidade de Turim (informação extraída do site oficial de turismo de Turim). A abadia tornou‑se símbolo da devoção a São Miguel na Itália e fica nas coordenadas 45,09 ° N, 7,34 ° E (conforme dados cartográficos).

5. Santuário de Monte Sant’Angelo (Itália)

Na região de Apúlia, no promontório de Gargano, encontra‑se o Santuário de San Michele Arcangelo, em Monte Sant’Angelo. Segundo a tradição, em 490 d.C. o arcanjo apareceu ao bispo de Siponto instruindo‑o a dedicar a caverna a seu nome【Sanctuary of Monte Sant’Angelo】. Outra lenda conhecida como o episódio do touro conta que um senhor local, ao tentar matar um boi fugido, lançou uma flecha que voltou e o atingiu; esse milagre revelou a sacralidade da gruta (conforme relatado por fontes peregrinas). O santuário subterrâneo, escavado na rocha calcária, mantém as marcas de peregrinações medievais. Suas coordenadas são 41,42 ° N, 15,58 ° E (conforme dados cartográficos).

6. Monastério de Panormitis (Grécia)

Localizado na ilha de Symi, no arquipélago do Dodecaneso, o Monastério de Panormitis honra o arcanjo Miguel desde o século XV. Construído possivelmente sobre um antigo templo, o edifício atual apresenta afrescos bizantinos pintados pelos hagiográfos Nikitas e Michaelos Karakostidis, um iconostásio entalhado e museus que guardam ícones de prata, epitáfios e manuscritos【Greeka – Monastery of Panormitis】. Durante a dominação turca, o monastério foi reconstruído no estilo veneziano (1777‑1873) e ganhou uma impressionante imagem de São Miguel revestida de prata e um sino russo【Greek City Times】. A 8 de novembro celebra‑se uma grande festa em honra do arcanjo, que atrai fiéis de toda a Grécia【Greeka – Monastery of Panormitis】. Panormitis situa‑se a 36,32 ° N, 27,50 ° E (conforme dados cartográficos).

7. Monastério Stella Maris (Monte Carmelo, Israel)

A linha termina no Mediterrâneo oriental. No Monte Carmelo, em Haifa, os carmelitas reconstruíram o Monastério Stella Maris em 1631 e concluíram o complexo actual no século XVIII; suas paredes espessas e janelas pequenas refletem a necessidade de defesa na época【See the Holy Land】. O interior é decorado com mármore italiano e um afresco representando Elias sendo levado ao céu; acima do altar encontra‑se uma estátua de Nossa Senhora do Carmo em madeira de cedro e porcelana【See the Holy Land】. Escadas descem até uma gruta que a tradição associa ao profeta Elias, próxima a uma caverna venerada por judeus, cristãos e muçulmanos【See the Holy Land】. Embora não haja ligações históricas diretas a São Miguel, o monastério simboliza o fim da peregrinação espiritual e geográfica ao longo da linha. Suas coordenadas aproximadas são 32,39 ° N, 34,58 ° E (conforme dados cartográficos).

Curiosidades e reflexões

  • Equidistância: os três principais santuários — Mont‑Saint‑Michel, Sacra di San Michele e Monte Sant’Angelo — estão a distâncias quase iguais entre si【Aleteia】, alimentando a ideia de uma planificação divina.
  • Simbologia do solstício: a linha teria sido alinhada com o pôr‑do‑sol no solstício de verão, sugerindo um vínculo entre a liturgia cristã e o calendário celeste【Aleteia】.
  • Dificuldade de acesso: todos os locais encontram‑se em ilhas, promontórios ou cavernas remotos. Essa geografia hostil lembra que a fé exige desprendimento e coragem【Catholic News Agency】.
  • Desvio deliberado: guias do Sacra di San Michele explicam que a linha não é matematicamente reta devido à curvatura da Terra, mas isso não diminui a devoção nem a simbologia【Catholic News Agency】.

A “linha de São Miguel” continua a fascinar peregrinos, estudiosos e curiosos. Seja coincidência geográfica, engenharia consciente ou lenda, ela convida a percorrer a Europa e o Mediterrâneo em busca de beleza, história e espiritualidade. Nesta festa dos Santos Arcanjos, recordamos o exemplo de São Miguel: coragem para combater o mal, fidelidade a Deus e a promessa de proteção para todos os que nele confiam.


Referências:

  1. Aleteia – “A misteriosa linha reta que une 7 santuários dedicados a São Miguel: coincidência?”.
  2. Catholic News Agency – “Invisible 'sword' of St. Michael guides pilgrims to these 7 sacred sites”.
  3. UNESCO – Skellig Michael – descrição do sítio.
  4. St Michael’s Mount, site oficial – história e lendas.
  5. Site oficial de turismo de Mont Saint‑Michel.
  6. Site oficial de turismo de Turim – Sacra di San Michele (captura).
  7. Sanctuary of Monte Sant’Angelo – história da aparição.
  8. Greeka – Monastery of Panormitis – história e arte.
  9. Greek City Times – Monastery of Panormitis – restauração e arte sacra.
  10. See the Holy Land – Stella Maris Monastery e gruta de Elias.
Elaborado com auxílio do ChatGPT

domingo, 28 de setembro de 2025

São Carlo Acutis

HQ baseada em trechos da vida de São Carlo Acutis e preparada com o auxílio da Sora AI.

sexta-feira, 26 de setembro de 2025

Prognósticos das Semifinais e da Final da Libertadores 2025 com IA

Prognósticos — Semifinais e Final (Libertadores 2025, IA)

Prognósticos para as semifinais e final da libertadores 2025 com IA

Atualizado com as semifinais definidas (ida 22/10 e volta 29/10) e projeções da final em Lima (29/11). Modelo Poisson (força por time: todos os jogos de 2025; mando calibrado BRA 1,15× · ARG 1,10× · ECU 1,12×). Empate no agregado: pênaltis (50/50).

Semifinais — probabilidade de chegar à final

Semifinais — ida 22/10, volta 29/10
Semifinal P(LDU Quito na final)% P(Palmeiras na final)% P(pênaltis na semi)% P(Flamengo na final)% P(Racing Club na final)%
SF1: LDU Quito x Palmeiras 77.0 23.0 8.9 NaN NaN
SF2: Flamengo x Racing Club NaN NaN 10.7 42.1 57.6
SF1: LDU Quito × Palmeiras — volta no Brasil (29/10)
SF2: Flamengo × Racing — volta na Argentina (29/10)

Favoritismo ao título (agregado por todos os caminhos)

Probabilidade de título (ponderada pelos cruzamentos)
Time P(título)%
LDU Quito 48.3
Racing Club 26.2
Flamengo 15.8
Palmeiras 9.3

Finais possíveis (Lima, 29/11, campo neutro)

Projeção por final possível — jogo único em Lima
Final possível P(LDU Quito campeão | esta final)% P(Flamengo campeão | esta final)% P(ocorrer esta final)% P(Racing Club campeão | esta final)% P(Palmeiras campeão | esta final)%
LDU Quito x Flamengo 67.8 32.1 32.4 NaN NaN
LDU Quito x Racing Club 59.4 NaN 44.4 40.6 NaN
Palmeiras x Flamengo NaN 55.5 9.7 NaN 44.1
Palmeiras x Racing Club NaN NaN 13.2 62.1 37.9

Base de força 2025 (resumo)

Força por time — todos os jogos de 2025
Time País Jogos Gols pró Gols contra Ataque(rel) Defesa(rel)
LDU Quito ECU 37 63 39 1.09 0.67
Flamengo BRA 52 103 33 1.26 0.40
Palmeiras BRA 52 83 37 1.02 0.45
Racing Club ARG 36 59 32 1.04 0.57
Fontes de cruzamento e datas: imprensa e ESPN/CONMEBOL (atualizado 25–26/09/2025). Probabilidades aproximadas. Este post foi produzido com auxílio do ChatGPT.

terça-feira, 23 de setembro de 2025

Análise das chances de classificação para as semifinais da Copa Libertadores 2025

Análise das chances de classificação para as semifinais da Copa Libertadores 2025

A edição de 2025 da Copa Libertadores entrou em sua fase decisiva. De acordo com o calendário da CONMEBOL, os jogos de ida das quartas de final foram disputados entre 16 e 18 de setembro de 2025, e os confrontos de volta acontecerão de 23 a 25 de setembro de 2025. Utilizando os resultados de ida e algumas estatísticas básicas do torneio, elaboramos uma projeção das chances de cada clube avançar às semifinais.

Para estimar essas probabilidades, aplicamos um modelo simples que considera a vantagem obtida no jogo de ida (diferença de gols) e o fator casa para o segundo jogo. As partidas decisivas são disputadas em ida e volta, sem gol qualificado; em caso de empate na soma dos placares, a vaga é definida nos pênaltis. Assim, um time que venceu por dois gols de diferença e atuará fora de casa na volta ainda tem boa margem, enquanto uma vitória por um gol com mando invertido deixa a disputa mais equilibrada. O resultado final do modelo é uma probabilidade aproximada, com o objetivo de orientar torcedores e não substituir análises mais complexas ou apostas.

Resumo dos jogos de ida

Confronto (ida) Placar da ida Data da volta Probabilidade de classificação
LDU Quito (EQU) x São Paulo (BRA) LDU 2 × 0 São Paulo 25/09/2025 LDU Quito ≈ 81,8%; São Paulo ≈ 18,2%
Vélez Sarsfield (ARG) x Racing (ARG) Vélez 0 × 1 Racing 23/09/2025 Racing ≈ 81,8%; Vélez ≈ 18,2%
Flamengo (BRA) x Estudiantes (ARG) Flamengo 2 × 1 Estudiantes 25/09/2025 Flamengo ≈ 62,2%; Estudiantes ≈ 37,8%
River Plate (ARG) x Palmeiras (BRA) River Plate 1 × 2 Palmeiras 24/09/2025 Palmeiras ≈ 81,8%; River Plate ≈ 18,2%

Análises por confronto

LDU Quito x São Paulo

O primeiro jogo, disputado na altitude de Quito, terminou com vitória da LDU Quito por 2 × 0. O time equatoriano soube aproveitar a altitude e a pressão da torcida. O São Paulo, por sua vez, precisará reverter a desvantagem em casa e aposta nos gols de André Silva, que já marcou quatro vezes no torneio. Com dois gols de vantagem, o time equatoriano pode até perder por um gol no Morumbi e ainda se classificar. De acordo com nosso modelo, a LDU tem cerca de 81,8 % de chance de avançar, enquanto o Tricolor paulista fica com aproximadamente 18,2 % de probabilidade.

Vélez Sarsfield x Racing

O clássico argentino das quartas de final teve vitória do Racing por 1 × 0 fora de casa. O artilheiro do torneio, Adrián Martínez, chegou a sete gols marcados e foi decisivo no triunfo em Liniers. Para a partida de volta, em Avellaneda, o Racing terá a vantagem de jogar com sua torcida e ainda poder empatar para avançar. Assim, o “La Academia” possui cerca de 81,8 % de probabilidade de classificação, enquanto o Vélez, que precisará vencer por pelo menos um gol para levar a decisão aos pênaltis, aparece com 18,2 %.

Flamengo x Estudiantes

No Maracanã, o Flamengo venceu o Estudiantes por 2 × 1 e abriu pequena vantagem antes da viagem para La Plata. O time carioca contou com boa atuação de seus atacantes, mas ainda precisa confirmar a vaga fora de casa. Como o placar foi apertado e o jogo de volta será na Argentina, o modelo aponta o Flamengo com 62,2 % de chance de avançar, enquanto o Estudiantes tem 37,8 %.

River Plate x Palmeiras

Talvez o confronto mais aguardado da fase, River Plate e Palmeiras fizeram um duelo de gigantes em Buenos Aires. O Palmeiras venceu por 2 × 1, obtendo vantagem fora de casa. O River Plate, que busca retomar o protagonismo continental, precisará vencer no Allianz Parque para seguir adiante. Nosso modelo indica que o Palmeiras tem cerca de 81,8 % de chance de se classificar, enquanto o River Plate tem aproximadamente 18,2 %.

Gráfico de probabilidades

Observação: Esta análise é baseada em um modelo estatístico simples e nas informações disponíveis até 18 de setembro de 2025, conforme dados da Wikipedia e da CONMEBOL. Mudanças de elenco, lesões e outros fatores extracampo não são considerados pelo modelo. Este post foi produzido com auxílio do ChatGPT.

Python, Ciência de Dados e IA — do Zero ao Deploy

Curso: Python, Ciência de Dados e IA — do Zero ao Deploy (15 semanas)
Curso · Python, Ciência de Dados e IA

Python, Ciência de Dados e IA — do Zero ao Deploy

Introdução à Modelagem Econômica e Ciência de Dados · Faculdade de Economia / UFJF - 2o Semestre de 2025 · Integrado ao Ecossistema Google (UFJF)

Descrição

Curso prático e progressivo que começa pelos fundamentos de Python e segue até aplicações completas de Ciência de Dados e Machine Learning, integrando bancos de dados (SQLite), visualizações (Matplotlib, Plotly), desenvolvimento de apps (Streamlit), modelos e datasets (Hugging Face) e automações no-code (n8n) com agentes de IA. Forte uso de Google Colab como ambiente de desenvolvimento (nuvem) e do ecossistema Google disponível à UFJF (Drive, Sheets, Forms e, quando possível, BigQuery entre outros).

Objetivos de aprendizagem

  • Escrever código Python idiomático e organizado (funções, módulos, testes básicos).
  • Manipular dados com Pandas e Polars; operar vetorização/álgebra com NumPy e SciPy.
  • Explorar, limpar e visualizar dados com Matplotlib e Plotly.
  • Construir pipelines de Machine Learning com scikit-learn (pré-processamento, modelagem, validação).
  • Persistir dados em SQLite e integrá-los ao fluxo analítico.
  • Criar e publicar aplicativos de dados com Streamlit.
  • Usar Hugging Face (modelos/datasets) e entender o panorama de IA generativa (ChatGPT, Google AI).
  • Orquestrar fluxos no-code com n8n e integrar agentes de IA.
  • Entregar um projeto aplicado completo, versionado e reprodutível, com uma aplicação prática em Economia e/ou Finanças.

Público-alvo: alunos(as) e profissionais de Economia/ADM/Engenharias/Estatística/Computação. Pré-requisitos: lógica básica (sem exigência prévia de Python); desejável estatística descritiva.

Ementa

  • Fundamentos de Python: sintaxe, tipos, estruturas, funções, módulos, ambiente.
  • NumPy, SciPy: vetorização, álgebra linear, otimização, estatística.
  • Pandas e Polars: DataFrames, IO, limpeza, joins, groupby, performance.
  • Visualização: Matplotlib (estático), Plotly (interativo).
  • Machine Learning com scikit-learn: pipeline, features, validação, métricas, modelos clássicos.
  • Banco de dados: SQLite, SQL básico, integração com Python.
  • Apps: Streamlit (layout, interatividade, deploy).
  • Modelos e datasets: Hugging Face (uso prático).
  • IA generativa e agentes: ChatGPT, Google AI (visão geral), uso responsável.
  • No-code: n8n para automações e integração com agentes.
  • Boas práticas: versionamento (Git/GitHub), reprodutibilidade, documentação.

Programação por semanas (15 semanas)

Sempre que possível, notebooks no Google Colab; materiais no Google Drive (UFJF); coleta via Google Forms; planilhas auxiliares no Google Sheets; BigQuery opcional.

Semanas 1–3 — Fundamentos de Python

  • Semana 1 — Python Fundamentos I: Colab + Drive; execução de células; boas práticas de notebook; tipos primitivos, variáveis, operadores, input/output; controle de fluxo; estilo (PEP8).
  • Semana 2 — Python Fundamentos II: listas, tuplas, dicionários, conjuntos; compreensões; funções (parâmetros, retorno, docstrings); erros e exceções; módulos nativos úteis (pathlib, datetime, json).
  • Semana 3 — Python Fundamentos III: módulos e pacotes; organização do projeto; testes básicos com pytest (noções); logging; tipagem estática com mypy (noções); IO (CSV/JSON) e leitura no Drive via Colab.

Semanas 4–7 — Base de Dados & Visualização

  • Semana 4 — NumPy + SciPy: arrays, broadcasting, álgebra linear; comparação loops × vetorização; SciPy (otimização, estatística, integração). Entrega Projeto – Etapa 0: tema, dados candidatos, objetivos e riscos (Form + mini-brief).
  • Semana 5 — Pandas “core”: DataFrame, seleção, joins, groupby, datas; qualidade de dados (missing/outliers) e dtypes; leitura de Sheets. Projeto: ingestão e limpeza inicial + dicionário de dados.
  • Semana 6 — Polars & performance: paradigma columnar; lazy API; otimizações de consulta; comparativos Pandas × Polars. Projeto: refatorar ETL com foco em performance.
  • Semana 7 — Visualização: Matplotlib (essenciais, composição, boas práticas) e Plotly (interatividade, mapas simples). Projeto: EDA com dashboard exploratório.

Semanas 8–9 — Machine Learning com scikit-learn

  • Semana 8 — ML I: Pipeline e ColumnTransformer; treino/validação/teste; modelos base (regressão linear/logística, árvores, k-NN); métricas. Projeto — Etapa 1: baseline + métricas.
  • Semana 9 — ML II: regularização, SVM, ensembles (RandomForest/GBM); tuning (Grid/Random/Bayes noções), cross-validation, leakage. Projeto: experimento comparativo + relatório.

Semanas 10–12 — Persistência, Apps e IA

  • Semana 10 — SQLite e integração: SQL básico (DDL/DML); índices; Python ↔ SQLite; orquestrar ETL → DB → modelo. Projeto: persistência do dataset “golden” em SQLite.
  • Semana 11 — Streamlit: estrutura do app, inputs, gráficos, cache; carregar do SQLite; exibir previsões e EDA interativo. Projeto — Etapa 2: MVP do aplicativo.
  • Semana 12 — Hugging Face + IA generativa: hub de modelos/datasets; pipelines; panorama ChatGPT e Google AI (uso responsável). Projeto: componente opcional de NLP/GenAI integrado.

Semanas 13–15 — Orquestração, Boas Práticas e Fechamento

  • Semana 13 — n8n & agentes: fluxos no-code; webhooks; integrar app/modelo num fluxo automatizado; boas práticas de orquestração. Projeto: automação mínima do ciclo (ex.: ingestão → predição → notificação).
  • Semana 14 — Reprodutibilidade & Ética: Git/GitHub (estrutura, README, requisitos); seeds e versões; dados sintéticos; ética, viés e governança. Projeto — Etapa 3: polimento do app + documentação + reprodutibilidade.
  • Semana 15 — Apresentações finais: demonstrações dos projetos; feedbacks; limitações; próximos passos. Projeto — Entrega Final: app funcional, relatório (4–8 págs) e repositório completo.

Avaliação

Componentes e pesos

  • Exercícios práticos (notebooks curtos): 20%
  • Checkpoints do Projeto (Etapas 0–3): 40%
  • Projeto Final (app + relatório + repositório): 35%
  • Participação (discussões, peer-review): 5%

Cronograma das entregas

  • S4 - 21/10/2025: Etapa 0 (tema/escopo/dados)
  • S8 - 18/11/2025: Etapa 1 (baseline + métricas)
  • S11 - 16/12/2025: Etapa 2 (MVP Streamlit)
  • S14 - 20/01/2025: Etapa 3 (polimento + doc + reprodutibilidade)
  • S15 - 23/01/2025: Entrega Final (demo + PDF + repo)
Projeto aplicado (backbone do curso): tema livre alinhado à área do(a) estudante, preferencialmente ligado à Economia e/ou Finanças; todas as entregas versionadas no GitHub e organizadas no Drive/Colab; componente opcional de IA generativa/Hugging Face e orquestração no n8n.

Bibliografia & Referências

Documentações oficiais

  • (GitHub) Documentação oficial - https://docs.github.com/en
  • (Hugging Face) Documentação oficial - https://huggingface.co/docs
  • (Matplotlib) Documentação oficial - https://matplotlib.org/stable/index.html
  • (n8n) Documentação oficial - https://docs.n8n.io/
  • (Numpy) Documentação oficial - https://numpy.org/doc/
  • (Pandas) Documentação oficial - https://pandas.pydata.org/docs/
  • (Polars) Documentação oficial - https://docs.pola.rs/api/python/stable/reference/index.html
  • (Plotly) Documentação oficial - https://plotly.com/python/
  • (Python) Documentação oficial - https://www.python.org/doc/
  • (Scikit-learn) Documentação oficial - https://scikit-learn.org/stable/index.html
  • (SciPy) Documentação oficial - https://docs.scipy.org/doc//scipy/index.html
  • (SQLite) Documentação oficial - https://sqlite.org/docs.html
  • (Streamlit) Documentação oficial - https://docs.streamlit.io/

Livros

  • Géron, Aurélien (2022) — Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems (3ª ed.), O'Reilly Media.
  • Grus, Joel (2021) — Data Science do Zero: Noções Fundamentais com Python (2ª ed.), O'Reilly Media.
  • McKinney, Wes (2022) — Python for Data Analysis: : Data Wrangling with pandas, NumPy, and Jupyter (3rd ed.), O'Reilly Media.
  • VanderPlas, Jake (2023). Python Data Science Handbook: Essential Tools for Working with Data (2nd ed.), O'Reilly Media.

© Paulo C. Coimbra (2025). Faculdade de Economia / UFJF — Plano de curso para uso acadêmico.