Convergência de gradiente em MLPs
Iniciação científica sobre o comportamento do Gradiente Descendente e do Estocástico no treino de redes Perceptron, com dados do TMDB via API oficial.
PythonOtimizaçãoEm andamento
Olá, meu nome é Maria Eduarda
Graduanda em Estatística na UNICAMP
Aqui estão meus projetos, meus códigos e as formas de entrar em contato comigo.
Maria Eduarda
Villéla Silva
Estudante da UNICAMP
Villéla Silva
Meus dados em formato de gráficos
Um retrato rápido das ferramentas que uso e da minha trajetória acadêmica e profissional.
Perfil técnico
Atividade de código
SegQuaSex
Menos
Mais
Minha trajetória
Dados auto-reportados com base em meus repositórios e no meu LinkedIn.
Sobre mim
Sou estudante de Estatística na UNICAMP, com grande interesse por Matemática Aplicada e Computacional. Com a minha formação, lido diretamente com análise descritiva e exploratória de dados, visualização e interpretação de resultados, enquanto venho me aprofundando em modelagem matemática, otimização e Machine Learning. Também sou uma grande entusiasta da educação.
Minhas vivências em projetos sociais, extensões e diferentes frentes de gestão me ensinaram a trabalhar em equipe e a explorar novos ambientes.
Este site começou como a vitrine dos desafios de uma disciplina e virou meu portfólio.
- UNICAMPGraduação no IMECC - Bacharelado em Estatística
- Extensão UniversitáriaAtuação em empresa júnior, gestão de semana acadêmica, projetos sociais e grupo de estudos em robótica
- Iniciação CientíficaAnálise da convergência de métodos de otimização baseados em gradiente em redes neurais Perceptron
Habilidades
Linguagens e ferramentas
Idiomas
Dados e análise
Também uso
Projetos
Detecção de objetos com YOLOv8
Detecção com YOLOv8n e pós-processamento escrito à mão em Python, analisando como os limiares de confiança e IoU afetam os erros do modelo.
PythonDeep Learning
Tradução automática de datas
Rede Seq2Seq com atenção que converte datas de vários formatos para o padrão ISO 8601, com análise dos mapas de atenção e de configurações da rede.
PythonSeq2Seq
Streams do Spotify em 2023
Análise exploratória das músicas mais ouvidas do ano: playlists, charts, lançamentos, positividade e dançabilidade. Virou pôster científico na universidade.
RVisualização
Reconhecimento de dígitos (MNIST)
Projeto de aprendizado de máquina que classifica dígitos manuscritos a partir de imagens, com notebook, script e relatório final do trabalho.
PythonMachine Learning
Manipulação de Banco de Dados (ME315)
Quinze desafios de manipulação de banco de dados, com código e resultados, mais um trabalho final apresentado em slides e um mapa interativo.
RQuartoSQL