InCube - Data Science

TOP 5 NoSQL Databases Quando se fala em Ciência de Dados, é inevitável não falar de Bancos de Dados NoSQL, termo utilizado  para descrever esquemas de armazenamento de dados não-relacionais e sem esquemas. NoSQL é um "repositório" de tecnologias diferentes e não necessariamente semelhantes, mas todas elas têm algo em comum, não são relacionais. A linguagem SQL (Structured Query Language) é sem sombra de duvidas uma linguagem padrão para manipulação de dados relacionais, com seu uso facilitado por diversos sistemas de gerenciamento de bancos de dados (SGBD). Pelo fato de o SQL ser uma linguagem relacional, o termo NoSQL faz referencia a tudo que não seja relacional, no que concerne a bancos de dados. Sendo preciso ou não o termo NoSQL, as várias tecnologias NoSQL são bem-vindas e necessárias na paisagem de dados de hoje, especialmente por conta do Big Data. Key-value stores, document stores, graph databases e outros paradigmas de armazenamento de dados não-rela

Muito se tem falado novo conceito, "Agricultura Inteligente", fenômeno que vem com o objetivo de tornar a agricultura mais eficaz com a ajuda de algoritmos muito preciso. E como não podia deixar de ser, o que impulsiona tudo isso é o Aprendizado de Maquina (Machine Learning). Machine Learning (ML) é a área da ciência de dados que permite atribuir ás máquinas a capacidade de aprender sem serem estritamente programadas. Aliada ao fenômeno Big Data, a computação de alto desempenho permite criar novas oportunidades para o Agronegócio. ML pode e deve ser aplicado em todo o processo de cultivo e colheita, seja qual for a especie cultivada. Desde o plantio da semente, á preparação do solo com drones treinados utilizando modelos de visão computacional, seleção de sementes e a medição da quantidade de água utilizada no processo de rega, terminando com robôs, efetuando a colheita, conseguindo identificar o nível de amadurecimento da especie plantada, mais uma vez, recorrendo á vi

    As Bibliotecas Preferidas dos Cientistas de Dados - Python Python tem vindo a ganhar um grande espaço quando e fala em Ciência de Dados, atualmente é consideradas umas das melhores ferramentas para tal. Como já falamos em outros artigos, uma das grandes vantagens de utilizar Python em Ciência de Dados, é a enorme diversividade de bibliotecas, que devido á sua grande qualidade, facilitam e muito nosso trabalho. Para facilitar a análise, decidimos dividir as bibliotecas de Python em 6 categorias: Bibliotecas Principais Bibliotecas de Visualização Bibliotecas de Machine Learning Bibliotecas de Deep Learning Bibliotecas de Processamento Natural Bibliotecas de Mineração de Dados Bibliotecas Principais 1- Numpy Considerado um dos mais utilizados e fundamentais para computação científica no Python, segue suas principais caraterísticas muito forte no uso de matrizes N-Dimensionais ótima sofisticação de funções para transmissão integração

R ou PYTHON ? - Para Ciência de Dados Quanto se fala, em Ciência de Dados, instintivamente vem á nossa mente dia fantásticas linguagens de programação...R e Python. Muitos paradigmas envolvem estas duas mestrias em programação, e como não poderíamos deixar de esperar, muitas divisões criam na comunidade de cientistas de dados. Uns defende fervorosamente a linguagem R, outros elevam aos céus a famosa Python. Mas qual ferramenta usar e qual será a melhor? Para podermos efetuar uma decisão mais certa, necessitamos conhecer melhor cada uma delas. Nós na Incube elaboramos um estudo e levamos para nossos seguidores um overview de cada ferramenta. Python Python é uma linguagem muito generalizada, podendo ser utilizada para inúmeras situações, desde coleta de dados, análise de dados, Web Scraping , aplicativos web, entre outras funções. Sua curva de aprendizado é bem menor que R para quem já tem domino de linguagens de programação orientada a objetos como o Java por exempl

Qlik Sense vs Tableu vs Power BI O quadrante mágico do Gartner mostra estas 3 fabulosas ferramentas como as principais e melhores tools de BI da atualidade. Para podermos fazer nossa propria análise, nós na InCube levantámos quais as vantagens e devantagens de cada ferramenta.   Qlik Sense   Vantagens:     Performance aprimorada A Qlik tem uma das melhores ferramentas de BI do mercado porque oferece um desempenho incrível. Ela permite manipular dados enormes enormes instantaneamente e com muita precisão. As ferramentas exigem baixos investimentos em hardware, o que permite que sua empresa possa começar a utilizá-la em pouco tempo. Graças ao seu sistema de geração e QVD e sua indexação, após a extração de dados, a ferramenta consegue efetuar cargas através dos QVDs de forma muito rápida.     Self - Service BI Graças a acessibilidade do sistema de auto-serviço, todos os funcionários da sua equipe terão acesso às informações.  O Qlik Sense possibilita v