# @ana.natech on Instagram

- **Type:** Image
- **Original URL:** https://www.instagram.com/p/DeKKVy9o460
- **Gondola URL:** https://gondola.cc/posts/71312679-ananatech-instagram
- **Thumbnail:** https://img.gondola.cc/tr:w-,h-,fo-auto/postThumbnails/c7cd9d9599.jpg
- **Posted:** 2026-10-06T15:59:17.000+00:00
- **Account Owner:** Ana • Estudante de Ciência da Computação (@ana.natech) — https://gondola.cc/ana.natech

## Caption

Por onde começar a estudar Machine Learning? Antes de tentar entender um modelo inteiro, vale construir uma base que ajude você a explicar o que o código está fazendo.

Um caminho possível:

1. Python e matemática. Pratique funções, listas, loops e condições. Revise álgebra, médias, gráficos e noções de álgebra linear. Não precisa aprender tudo de uma vez: volte à base conforme a necessidade.

2. NumPy e pandas. Aprenda a trabalhar com arrays, abrir um CSV, filtrar linhas e observar valores ausentes. Escolha uma pergunta simples e tente respondê-la com os dados.

3. Um primeiro modelo. Separe treino e teste, comece com algo simples e avalie os resultados. Explique onde o modelo errou e o que você ainda precisa investigar. Testar nos mesmos dados usados no treino pode esconder problemas.

Essa é uma sugestão de sequência, não uma única ordem obrigatória. Os pré-requisitos também mudam conforme o curso e o projeto.

Para estudar com uma direção, conheça os roadmaps gratuitos de Ciência de Dados e Inteligência Artificial no Bora na Tech:
boranatech.com.br/roadmaps

Fontes para continuar: o pré-trabalho do Machine Learning Crash Course do Google e os tutoriais oficiais de NumPy, pandas e scikit-learn.

Salva para consultar quando bater a dúvida sobre o próximo passo.

#MachineLearning #Python #CienciaDeDados #EstudanteDeTI #BoraNaTech

## Stats

- **Views:** 0
- **Likes:** 578
- **Shares:** 0
- **Comments:** 2

## Tags

estudantedeti, machinelearning, python, boranatech, cienciadedados

---
Copyright (c) Gondola