refs

Engenharia de aplicações com LLMs. RAG, fine-tuning, prompt engineering, avaliação, deployment.

Referência completa de NLP. De n-gramas a transformers, parsing, semântica. Draft gratuito atualizado regularmente.

Guia prático de Pandas. Limpeza, transformação, visualização, séries temporais. 2ª edição atualizada.

Fundamentos matemáticos de ML com abordagem probabilística moderna. Disponível gratuitamente pelo autor.

ML systems de ponta a ponta. Data pipelines, feature stores, model serving, monitoramento.

SRE aplicado a ML. Confiabilidade, monitoramento de modelos, debugging em produção, incident response.

Padrões de projeto para ML em produção. Feature engineering, treinamento, serving, reprodutibilidade.

Guia definitivo de A/B testing por ex-Microsoft/LinkedIn. Métricas, statistical power, pitfalls, cultura de experimentação.

Paper fundacional de RAG. Combinação de retrieval com geração para grounding de LLMs.

Bíblia de arquitetura de sistemas de dados. Fundamentos de replicação, particionamento, consenso distribuído e trade-offs de consistência.

Referência brasileira de estatística. Probabilidade, inferência, regressão. Linguagem clara, exemplos práticos. 9ª edição.

Paper original dos Transformers. Arquitetura de atenção que revolucionou NLP e fundamenta LLMs modernos.

O livro canônico de SRE. SLOs, error budgets, toil, on-call e cultura de confiabilidade.

Referência fundamental de deep learning. Redes neurais, otimização, regularização, arquiteturas. Disponível gratuitamente.

Clássico de econometria. Regressão, séries temporais, dados em painel. Abordagem intuitiva com rigor matemático. 5ª edição.

Clássico de ML teórico. Modelos gráficos, inferência bayesiana, métodos de kernel. PDF disponível pela Microsoft Research.