<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Inteligência Artificial on Fellipe Gomes</title><link>https://gomesfellipe.github.io/categories/inteligencia-artificial/</link><description>Recent content in Inteligência Artificial on Fellipe Gomes</description><generator>Hugo -- gohugo.io</generator><language>pt-BR</language><copyright>© 2026 Fellipe Gomes</copyright><lastBuildDate>Tue, 07 Jul 2026 00:00:00 +0000</lastBuildDate><atom:link href="https://gomesfellipe.github.io/categories/inteligencia-artificial/index.xml" rel="self" type="application/rss+xml"/><item><title>LLM local com Qwen e LangChain: agente sem APIs externas</title><link>https://gomesfellipe.github.io/post/2026-02-21-qwen-local-agent/</link><pubDate>Thu, 26 Feb 2026 00:00:00 +0000</pubDate><guid>https://gomesfellipe.github.io/post/2026-02-21-qwen-local-agent/</guid><description>&lt;div class="w3-panel w3-pale-amber w3-border"&gt;
&lt;p&gt;&lt;strong&gt;Série: LangChain — Agentes com Python&lt;/strong&gt; — &lt;a href="https://gomesfellipe.github.io/resources/langchain-series/"&gt;ver índice&lt;/a&gt;&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;&lt;a href="https://gomesfellipe.github.io/post/2024-04-20-sentiment-analysis-llama2/"&gt;Análise de Sentimentos com Llama2&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://gomesfellipe.github.io/post/2024-05-26-detec-o-de-linguagem-t-xica-com-o-llm-gemma-e-langchain/"&gt;Detecção de Linguagem Tóxica com Gemma&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://gomesfellipe.github.io/post/2025-05-04-bitcoin-agent/"&gt;Equipe Multiagente para Bitcoin&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://gomesfellipe.github.io/post/2025-10-26-telemarketing-agent/"&gt;Agente para Ligações de Telemarketing&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;→ LLM Local com Qwen sem APIs&lt;/strong&gt;&lt;/li&gt;
&lt;/ol&gt;
&lt;/div&gt;

&lt;div id="por-que-rodar-llms-localmente" class="section level1"&gt;
&lt;h1&gt;Por que rodar LLMs localmente?&lt;/h1&gt;
&lt;p&gt;Nos últimos anos, o mundo dos modelos de linguagem de grande porte (LLMs) deixou de ser um território exclusivo das gigantes americanas. Uma leva de modelos open-weight de origem chinesa como o &lt;a href="https://huggingface.co/Qwen"&gt;Qwen&lt;/a&gt; (Alibaba), o &lt;a href="https://huggingface.co/deepseek-ai"&gt;DeepSeek&lt;/a&gt; e o &lt;a href="https://huggingface.co/01-ai"&gt;Yi&lt;/a&gt; chegaram com qualidade surpreendente e, mais importante, com pesos disponíveis publicamente. Li sobre alguns deles em &lt;a href="https://elisaterumi.substack.com/p/5-modelos-chineses-que-voce-precisa"&gt;um post que apareceu no meu LinkedIn&lt;/a&gt; e fiquei curioso para testar: será que dá para rodar um desses modelos localmente no meu Mac e ainda plugar ele num agente LangChain funcional?&lt;/p&gt;</description><media:content xmlns:media="http://search.yahoo.com/mrss/" url="https://gomesfellipe.github.io/post/2026-02-21-qwen-local-agent/feature.png"/></item><item><title>Análise de ligações de telemarketing com Whisper e LangChain</title><link>https://gomesfellipe.github.io/post/2025-10-26-telemarketing-agent/</link><pubDate>Wed, 26 Nov 2025 00:00:00 +0000</pubDate><guid>https://gomesfellipe.github.io/post/2025-10-26-telemarketing-agent/</guid><description>&lt;div class="w3-panel w3-pale-amber w3-border"&gt;
&lt;p&gt;&lt;strong&gt;Série: LangChain — Agentes com Python&lt;/strong&gt; — &lt;a href="https://gomesfellipe.github.io/resources/langchain-series/"&gt;ver índice&lt;/a&gt;&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;&lt;a href="https://gomesfellipe.github.io/post/2024-04-20-sentiment-analysis-llama2/"&gt;Análise de Sentimentos com Llama2&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://gomesfellipe.github.io/post/2024-05-26-detec-o-de-linguagem-t-xica-com-o-llm-gemma-e-langchain/"&gt;Detecção de Linguagem Tóxica com Gemma&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://gomesfellipe.github.io/post/2025-05-04-bitcoin-agent/"&gt;Equipe Multiagente para Bitcoin&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;→ Agente para Ligações de Telemarketing&lt;/strong&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://gomesfellipe.github.io/post/2026-02-21-qwen-local-agent/"&gt;LLM Local com Qwen sem APIs&lt;/a&gt;&lt;/li&gt;
&lt;/ol&gt;
&lt;/div&gt;

&lt;div id="por-que-analisar-ligações-de-telemarketing-com-ia" class="section level2"&gt;
&lt;h1&gt;Por que analisar ligações de telemarketing com IA?&lt;/h1&gt;
&lt;p&gt;Quem nunca recebeu aquela ligação de telemarketing no momento mais inoportuno? Seja oferecendo um cartão de crédito, cobrando uma dívida ou tentando vender internet, essas ligações fazem parte do nosso cotidiano. Mas você já parou para pensar na quantidade de informações valiosas que existem nessas conversas?&lt;/p&gt;</description><media:content xmlns:media="http://search.yahoo.com/mrss/" url="https://gomesfellipe.github.io/post/2025-10-26-telemarketing-agent/feature.png"/></item><item><title>Equipe Multiagente com LangChain e LangGraph para Análise do Bitcoin</title><link>https://gomesfellipe.github.io/post/2025-05-04-bitcoin-agent/</link><pubDate>Sun, 04 May 2025 00:00:00 +0000</pubDate><guid>https://gomesfellipe.github.io/post/2025-05-04-bitcoin-agent/</guid><description>&lt;div class="w3-panel w3-pale-amber w3-border"&gt;
&lt;p&gt;&lt;strong&gt;Série: LangChain — Agentes com Python&lt;/strong&gt; — &lt;a href="https://gomesfellipe.github.io/resources/langchain-series/"&gt;ver índice&lt;/a&gt;&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;&lt;a href="https://gomesfellipe.github.io/post/2024-04-20-sentiment-analysis-llama2/"&gt;Análise de Sentimentos com Llama2&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://gomesfellipe.github.io/post/2024-05-26-detec-o-de-linguagem-t-xica-com-o-llm-gemma-e-langchain/"&gt;Detecção de Linguagem Tóxica com Gemma&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;→ Equipe Multiagente para Bitcoin&lt;/strong&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://gomesfellipe.github.io/post/2025-10-26-telemarketing-agent/"&gt;Agente para Ligações de Telemarketing&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://gomesfellipe.github.io/post/2026-02-21-qwen-local-agent/"&gt;LLM Local com Qwen sem APIs&lt;/a&gt;&lt;/li&gt;
&lt;/ol&gt;
&lt;/div&gt;

&lt;!-- Neste post, vamos mergulhar na criação de uma equipe de agentes de Inteligência Artificial (IA) que trabalham juntos para coletar dados, analisar tendências e decidir se é hora de alertar sobre oportunidades de investimento no Bitcoin. Utilizaremos Python, o framework LangChain e sua extensão LangGraph para orquestrar esses agentes, além de técnicas de Prompt Engineering para garantir que cada "membro" da equipe execute sua função com precisão. --&gt;
&lt;!-- Você já se perguntou como acompanhar o volátil mercado de Bitcoin sem passar horas analisando gráficos e indicadores complexos? --&gt;
&lt;!-- Prepare-se para descobrir como a IA generativa pode se tornar sua aliada na análise de criptomoedas! --&gt;
&lt;div id="por-que-analisar-o-mercado-bitcoin-com-agentes-de-ia" class="section level2"&gt;
&lt;h1&gt;Por que Analisar o Mercado Bitcoin com Agentes de IA?&lt;/h1&gt;
&lt;p&gt;O cenário do bitcoin sempre foi meio intrigante. Foi lançado há 16 anos mas até hoje ninguém sabe ao certo quem está por trás do projeto — o criador, conhecido apenas pelo pseudônimo Satoshi Nakamoto, &lt;strong&gt;nunca revelou sua identidade&lt;/strong&gt;. Além disso o bitcoin foi a &lt;a href="https://www.mgcholding.com.br/blog/blockchain-bitcoin-e-ativos-virtuais-entenda-a-relacao/#:~:text=O%20blockchain%2C%20em%20sua%20ess%C3%AAncia,conhecida%20aplica%C3%A7%C3%A3o%20da%20tecnologia%20blockchain."&gt;primeira e ainda é a mais conhecida aplicação da tecnologia &lt;strong&gt;Blockchain&lt;/strong&gt;&lt;/a&gt;, que revolucionou a forma como lidamos com registros digitais e segurança dos dados. Sua &lt;strong&gt;natureza descentralizada&lt;/strong&gt; e sua notória &lt;strong&gt;volatilidade&lt;/strong&gt; o tornam um ativo único.&lt;/p&gt;</description><media:content xmlns:media="http://search.yahoo.com/mrss/" url="https://gomesfellipe.github.io/post/2025-05-04-bitcoin-agent/feature.jpg"/></item><item><title>Audiobooks com IA Gratuitamente: do PDF ao Áudio com edge-tts</title><link>https://gomesfellipe.github.io/post/2025-02-02-book-to-audiobook/</link><pubDate>Sun, 02 Feb 2025 00:00:00 +0000</pubDate><guid>https://gomesfellipe.github.io/post/2025-02-02-book-to-audiobook/</guid><description>&lt;div id="TOC"&gt;
&lt;ul&gt;
&lt;li&gt;&lt;a href="#por-que-audiobooks" id="toc-por-que-audiobooks"&gt;Por que Audiobooks?&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="#o-que-s%C3%A3o-audiobooks-criados-com-ia" id="toc-o-que-são-audiobooks-criados-com-ia"&gt;O Que São Audiobooks Criados com IA?&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="#como-criar-seu-audiobook-com-ia" id="toc-como-criar-seu-audiobook-com-ia"&gt;Como criar seu audiobook com IA&lt;/a&gt;
&lt;ul&gt;
&lt;li&gt;&lt;a href="#preparar-o-arquivo-de-texto" id="toc-preparar-o-arquivo-de-texto"&gt;Preparar o arquivo de texto&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="#traduzir-conte%C3%BAdo-para-pt-br-opcional" id="toc-traduzir-conteúdo-para-pt-br-opcional"&gt;Traduzir conteúdo para PT-BR (opcional)&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="#convertendo-o-texto-em-%C3%A1udio-com-ia" id="toc-convertendo-o-texto-em-áudio-com-ia"&gt;Convertendo o Texto em Áudio com IA&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="#faq" id="toc-faq"&gt;FAQ&lt;/a&gt;&lt;/li&gt;
&lt;/ul&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="#quest%C3%B5es-de-%C3%A9tica-e-legalidade" id="toc-questões-de-ética-e-legalidade"&gt;Questões de Ética e Legalidade&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="#conclus%C3%A3o" id="toc-conclusão"&gt;Conclusão&lt;/a&gt;&lt;/li&gt;
&lt;/ul&gt;
&lt;/div&gt;

&lt;div id="por-que-audiobooks" class="section level1"&gt;
&lt;h1&gt;Por que Audiobooks?&lt;/h1&gt;
&lt;p&gt;Pela sua forma conveniente de consumir conhecimento e entretenimento, os audiobooks estão se tornando cada vez mais populares. Conforme a última &lt;a href="https://g1.globo.com/pop-arte/noticia/2024/01/08/como-audiolivros-devem-crescer-ainda-mais-em-2024-e-podem-virar-prioridade-nas-editoras.ghtml"&gt;pesquisa&lt;/a&gt; da Câmara Brasileira do Livro, os livros digitais cresceram 15% de 2021 para 2022. Dentre os 13 mil títulos digitais publicados em 2022, 12% eram audiolivros. Embora o livro físico sempre vá existir, nem sempre temos o tempo necessário para ler todas as obras de nossa lista.&lt;/p&gt;</description><media:content xmlns:media="http://search.yahoo.com/mrss/" url="https://gomesfellipe.github.io/post/2025-02-02-book-to-audiobook/feature.png"/></item><item><title>Extração de informações de imagens com IA Generativa</title><link>https://gomesfellipe.github.io/post/2024-09-27-image-text-to-text/</link><pubDate>Fri, 27 Sep 2024 00:00:00 +0000</pubDate><guid>https://gomesfellipe.github.io/post/2024-09-27-image-text-to-text/</guid><description>&lt;div id="caso-de-uso-de-ia-generativa-extração-de-informações-de-imagens-com-o-modelo-llava" class="section level2"&gt;
&lt;h1&gt;Caso de Uso de IA Generativa: Extração de Informações de Imagens com o Modelo Llava&lt;/h1&gt;
&lt;p&gt;GenAI refere-se a modelos de inteligência artificial capazes de gerar conteúdo novo e criativo a partir de dados de entrada. Seu uso está revolucionando a maneira como processamos dados não estruturados, como imagens, áudios, textos, vídeos, etc. Trabalhar com modelos pré-treinados (i.e., que já foram treinados com grandes conjuntos de dados) e adaptá-los para necessidades específicas tem sido um divisor de águas.&lt;/p&gt;</description><media:content xmlns:media="http://search.yahoo.com/mrss/" url="https://gomesfellipe.github.io/post/2024-09-27-image-text-to-text/feature.png"/></item><item><title>Detecção de Linguagem Tóxica com o LLM Gemma e LangChain</title><link>https://gomesfellipe.github.io/post/2024-05-26-detec-o-de-linguagem-t-xica-com-o-llm-gemma-e-langchain/</link><pubDate>Sun, 26 May 2024 00:00:00 +0000</pubDate><guid>https://gomesfellipe.github.io/post/2024-05-26-detec-o-de-linguagem-t-xica-com-o-llm-gemma-e-langchain/</guid><description>&lt;div class="w3-panel w3-pale-amber w3-border"&gt;
&lt;p&gt;&lt;strong&gt;Série: LangChain — Agentes com Python&lt;/strong&gt; — &lt;a href="https://gomesfellipe.github.io/resources/langchain-series/"&gt;ver índice&lt;/a&gt;&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;&lt;a href="https://gomesfellipe.github.io/post/2024-04-20-sentiment-analysis-llama2/"&gt;Análise de Sentimentos com Llama2&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;→ Detecção de Linguagem Tóxica com Gemma&lt;/strong&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://gomesfellipe.github.io/post/2025-05-04-bitcoin-agent/"&gt;Equipe Multiagente para Bitcoin&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://gomesfellipe.github.io/post/2025-10-26-telemarketing-agent/"&gt;Agente para Ligações de Telemarketing&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://gomesfellipe.github.io/post/2026-02-21-qwen-local-agent/"&gt;LLM Local com Qwen sem APIs&lt;/a&gt;&lt;/li&gt;
&lt;/ol&gt;
&lt;/div&gt;

&lt;div id="caso-de-uso-de-ia-generativa-detecção-de-linguagem-tóxica-em-mídias-sociais" class="section level1"&gt;
&lt;h1&gt;Caso de Uso de IA Generativa: Detecção de Linguagem Tóxica em Mídias Sociais&lt;/h1&gt;
&lt;p&gt;Neste post, realizaremos a tarefa de detecção de linguagem tóxica em mídias sociais usando o modelo &lt;a href="https://ai.google.dev/gemma?hl=pt-br"&gt;Gemma&lt;/a&gt; de IA generativa do Google com o framework &lt;a href="https://www.langchain.com/"&gt;LangChain&lt;/a&gt;. Vamos explorar como o texto de entrada afeta a saída do modelo e faremos alguma engenharia de prompts para direcioná-lo à tarefa necessária.&lt;/p&gt;</description><media:content xmlns:media="http://search.yahoo.com/mrss/" url="https://gomesfellipe.github.io/post/2024-05-26-detec-o-de-linguagem-t-xica-com-o-llm-gemma-e-langchain/feature.png"/></item><item><title>Análise de Sentimentos com um "ChatGPT" de Código Aberto</title><link>https://gomesfellipe.github.io/post/2024-04-20-sentiment-analysis-llama2/</link><pubDate>Sat, 20 Apr 2024 00:00:00 +0000</pubDate><guid>https://gomesfellipe.github.io/post/2024-04-20-sentiment-analysis-llama2/</guid><description>&lt;blockquote&gt;
&lt;p&gt;&lt;strong&gt;TL;DR&lt;/strong&gt;&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;O modelo Llama2-7b-chat-hf foi executado localmente via Hugging Face Transformers para classificar textos como positivos, negativos ou neutros, sem custo de API.&lt;/li&gt;
&lt;li&gt;A abordagem foi avaliada contra o VADER (léxico clássico de análise de sentimentos) em um conjunto de avaliações de filmes em inglês, usando acurácia como métrica.&lt;/li&gt;
&lt;li&gt;O Llama2 superou o VADER na captura de ironia e contexto, mas com latência significativamente maior — evidenciando o trade-off entre profundidade semântica e velocidade de inferência.&lt;/li&gt;
&lt;/ul&gt;
&lt;/blockquote&gt;

&lt;div class="w3-panel w3-pale-amber w3-border"&gt;
&lt;p&gt;&lt;strong&gt;Série: LangChain — Agentes com Python&lt;/strong&gt; — &lt;a href="https://gomesfellipe.github.io/resources/langchain-series/"&gt;ver índice&lt;/a&gt;&lt;/p&gt;</description><media:content xmlns:media="http://search.yahoo.com/mrss/" url="https://gomesfellipe.github.io/post/2024-04-20-sentiment-analysis-llama2/feature.png"/></item><item><title>Gerando arte com Inteligência Artificial</title><link>https://gomesfellipe.github.io/post/2022-08-08-dataart-primeiros-passos/</link><pubDate>Mon, 08 Aug 2022 00:00:00 +0000</pubDate><guid>https://gomesfellipe.github.io/post/2022-08-08-dataart-primeiros-passos/</guid><description>&lt;div id="TOC"&gt;
&lt;ul&gt;
&lt;li&gt;&lt;a href="#introdu%C3%A7%C3%A3o" id="toc-introdução"&gt;Introdução&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="#dalle-2" id="toc-dalle-2"&gt;DALL·E 2&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="#instru%C3%A7%C3%B5es-de-uso" id="toc-instruções-de-uso"&gt;Instruções de Uso&lt;/a&gt;
&lt;ul&gt;
&lt;li&gt;&lt;a href="#par%C3%A2metros" id="toc-parâmetros"&gt;Parâmetros&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="#exemplos" id="toc-exemplos"&gt;Exemplos&lt;/a&gt;&lt;/li&gt;
&lt;/ul&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="#dalle-mini-e-stable-diffusion" id="toc-dalle-mini-e-stable-diffusion"&gt;DALL·E Mini e Stable Diffusion&lt;/a&gt;
&lt;ul&gt;
&lt;li&gt;&lt;a href="#exemplos-1" id="toc-exemplos-1"&gt;Exemplos&lt;/a&gt;&lt;/li&gt;
&lt;/ul&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="#op%C3%A7%C3%B5es-alternativas" id="toc-opções-alternativas"&gt;Opções Alternativas&lt;/a&gt;
&lt;ul&gt;
&lt;li&gt;&lt;a href="#vqganclip" id="toc-vqganclip"&gt;VQGAN+CLIP&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="#mais-par%C3%A2metros" id="toc-mais-parâmetros"&gt;Mais Parâmetros&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="#mais-exemplos" id="toc-mais-exemplos"&gt;Mais Exemplos&lt;/a&gt;&lt;/li&gt;
&lt;/ul&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="#discuss%C3%A3o-filos%C3%B3fica" id="toc-discussão-filosófica"&gt;Discussão Filosófica&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="#conclus%C3%A3o" id="toc-conclusão"&gt;Conclusão&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="#refer%C3%AAncias" id="toc-referências"&gt;Referências&lt;/a&gt;&lt;/li&gt;
&lt;/ul&gt;
&lt;/div&gt;

&lt;style&gt;
.column4 {
 float: left;
 width: 33%;
 padding: 10px;
}

.column8 {
 float: left;
 width: 66%;
 padding: 10px;
}

.column6 {
 float: left;
 width: 50%;
 padding: 10px;
}

.row:after {
 content: "";
 display: table;
 clear: both;
}
&lt;/style&gt;
&lt;div id="introdução" class="section level2"&gt;
&lt;h1&gt;Introdução&lt;/h1&gt;
&lt;p&gt;Você já deve ter ouvido falar sobre uma &lt;a href="https://canaltech.com.br/inteligencia-artificial/inteligencia-artificial-gera-artes-super-realistas-a-partir-de-textos-e-imagens-213520/#:~:text=A%20empresa%20norte%2Damericana%20de,que%20tinha%20a%20mesma%20fun%C3%A7%C3%A3o."&gt;inteligência artificial que gera artes super-realistas a partir de textos e imagens&lt;/a&gt;. Hoje em dia já existem algumas opções como &lt;a href="https://openai.com/DALL%C2%B7E-2/"&gt;DALL·E 2&lt;/a&gt; (da OpenAI/Google) e a &lt;a href="https://arxiv.org/abs/2203.13131"&gt;Make-A-Scene&lt;/a&gt; (da Meta), e essas ferramentas são capazes de gerar versões e estilos diferentes de uma dada imagem ou ainda criar uma imagem com apenas uma breve descrição do resultado desejado. As imagens podem ser tão aleatórias quanto um “gato de óculos e uma coroa” (em homenagem ao dia dos gatos):&lt;/p&gt;</description><media:content xmlns:media="http://search.yahoo.com/mrss/" url="https://gomesfellipe.github.io/post/2022-08-08-dataart-primeiros-passos/feature.png"/></item><item><title>Seu app, RStudio e Shiny Server na nuvem do Google</title><link>https://gomesfellipe.github.io/post/2018-10-27-server-cloud/</link><pubDate>Sat, 27 Oct 2018 00:00:00 +0000</pubDate><guid>https://gomesfellipe.github.io/post/2018-10-27-server-cloud/</guid><description>&lt;div class="w3-panel w3-pale-yellow w3-border"&gt;
&lt;p&gt;&lt;strong&gt;⚠️ Nota de atualização (2026):&lt;/strong&gt; Este post usa Ubuntu 16.04 LTS (EOL desde 2021), RStudio Server (renomeado para &lt;strong&gt;Posit Workbench&lt;/strong&gt;) e Shiny Server na instância &lt;code&gt;f1-micro&lt;/code&gt; do Google Cloud. Os passos gerais ainda funcionam, mas o Ubuntu mínimo recomendado hoje é o 22.04 LTS e os pacotes de instalação do RStudio/Posit mudaram de URL. Para instâncias novas, consulte a &lt;a href="https://posit.co/download/rstudio-server/" rel="nofollow"&gt;documentação atual do Posit Workbench&lt;/a&gt;.&lt;/p&gt;
&lt;/div&gt;

&lt;div id="objetivo-do-post" class="section level2"&gt;
&lt;h1&gt;Objetivo do post &lt;i class="fa fa-rocket"&gt;&lt;/i&gt;&lt;/h1&gt;
&lt;p&gt;Uma das várias maneiras de se implementar o &lt;a href="https://www.rstudio.com/products/rstudio/download-server/"&gt;RStudio Server&lt;/a&gt; e o &lt;a href="https://www.rstudio.com/products/shiny/download-server/"&gt;Shiny Server&lt;/a&gt; é através de serviços de nuvem que fornecem máquinas virtuais. Empresas gigantes no mercado como Amazon Web Services (AWS), Microsoft, Google, IBM, Oracle etc têm investido pesado nestes serviços e a escolha de qual cloud utilizar deve ser feita de acordo com a necessidade do usuário pois cada uma delas oferecem diferentes preços com diferentes custos/benefícios.&lt;/p&gt;</description><media:content xmlns:media="http://search.yahoo.com/mrss/" url="https://gomesfellipe.github.io/post/2018-10-27-server-cloud/feature.png"/></item><item><title>Séries temporais com Google Trends e R</title><link>https://gomesfellipe.github.io/post/2018-04-12-google-trends-e-r/</link><pubDate>Thu, 12 Apr 2018 00:00:00 +0000</pubDate><guid>https://gomesfellipe.github.io/post/2018-04-12-google-trends-e-r/</guid><description>&lt;div id="google-trends" class="section level2"&gt;
&lt;h1&gt;Google Trends&lt;/h1&gt;
&lt;p&gt;O &lt;a href="https://trends.google.com.br/"&gt;Google Trends&lt;/a&gt; é uma ferramenta gratuita, muito poderosa e que pode ser implementada para ajudar em nossas estratégias de análises.&lt;/p&gt;
&lt;p&gt;Através dele temos acesso a uma gigantesca base de dados que reúne os temas mais pesquisados na plataforma da Google possibilitando acessar dados de busca desde o ano de 2004.&lt;/p&gt;
&lt;p&gt;Através de suas séries temporais podemos avaliar a presença de pedrões, obter noções de tendência, sazonalidade e até mesmo arriscar algumas previsões.&lt;/p&gt;</description><media:content xmlns:media="http://search.yahoo.com/mrss/" url="https://gomesfellipe.github.io/post/2018-04-12-google-trends-e-r/feature.png"/></item><item><title>Carnaval e mapas interativos com R</title><link>https://gomesfellipe.github.io/post/2018-02-01-leaflet-carnaval/</link><pubDate>Thu, 01 Feb 2018 00:00:00 +0000</pubDate><guid>https://gomesfellipe.github.io/post/2018-02-01-leaflet-carnaval/</guid><description>&lt;link rel="stylesheet" href="https://gomesfellipe.github.io/lib/leaflet/leaflet.css" /&gt;
&lt;script src="https://gomesfellipe.github.io/lib/leaflet/leaflet.js"&gt;&lt;/script&gt;
&lt;link rel="stylesheet" href="https://gomesfellipe.github.io/lib/leaflet/MarkerCluster.css" /&gt;
&lt;link rel="stylesheet" href="https://gomesfellipe.github.io/lib/leaflet/MarkerCluster.Default.css" /&gt;
&lt;script src="https://gomesfellipe.github.io/lib/leaflet/leaflet.markercluster.js"&gt;&lt;/script&gt;


&lt;div id="onde-estão-os-blocos" class="section level1"&gt;
&lt;h1&gt;Onde estão os blocos?&lt;/h1&gt;
&lt;p&gt;Fevereiro começando e o carnaval já está ai, especialmente se você mora no Rio de Janeiro já deve ter passado por algum bloco e a pergunta que todo mundo faz no carnaval pelo menos uma vez é: “Onde tem bloco?”.&lt;/p&gt;

&lt;blockquote&gt;
&lt;p&gt;&lt;strong&gt;TL;DR&lt;/strong&gt;&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;Usamos &lt;code&gt;ggmap&lt;/code&gt; para geocodificar (transformar endereço em latitude/longitude) os blocos de carnaval.&lt;/li&gt;
&lt;li&gt;O pacote &lt;code&gt;leaflet&lt;/code&gt; (com &lt;code&gt;leaflet.extras&lt;/code&gt;) plota tudo num mapa interativo.&lt;/li&gt;
&lt;li&gt;A limpeza de texto usa a função &lt;code&gt;ajustar_nomes()&lt;/code&gt; do post sobre manipulação de strings.&lt;/li&gt;
&lt;/ul&gt;
&lt;/blockquote&gt;
&lt;p&gt;Baseado nessa pergunta resolvi fazer esse post especial, vamos utilizar os pacotes &lt;a href="https://cran.r-project.org/package=ggmap"&gt;&lt;code&gt;ggmap&lt;/code&gt;&lt;/a&gt; e &lt;a href="https://cran.r-project.org/package=leaflet"&gt;&lt;code&gt;leaflet&lt;/code&gt;&lt;/a&gt; para buscar as coordenadas geográficas do endereço dos blocos e representa-los num mapa agradável de navegar&lt;/p&gt;</description><media:content xmlns:media="http://search.yahoo.com/mrss/" url="https://gomesfellipe.github.io/post/2018-02-01-leaflet-carnaval/feature.png"/></item><item><title>O paradoxo dos aniversários com simulação e probabilidade</title><link>https://gomesfellipe.github.io/post/2018-01-20-simulacao-e-probabilidade/</link><pubDate>Sat, 20 Jan 2018 00:00:00 +0000</pubDate><guid>https://gomesfellipe.github.io/post/2018-01-20-simulacao-e-probabilidade/</guid><description>&lt;div id="curiosidades-sobre-a-teoria-das-probabilidades" class="section level1"&gt;
&lt;h1&gt;Curiosidades sobre a teoria das probabilidades&lt;/h1&gt;
&lt;blockquote&gt;
&lt;p&gt;&lt;strong&gt;TL;DR&lt;/strong&gt;&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;Num grupo de apenas 23 pessoas, a probabilidade de duas fazerem aniversário no mesmo dia já passa de 50%.&lt;/li&gt;
&lt;li&gt;O resultado é contraintuitivo; resolvemos de duas formas: analítica (abordagem clássica) e por simulação em R (abordagem frequentista).&lt;/li&gt;
&lt;li&gt;Uma simulação com 5000 turmas confirma a fórmula teórica.&lt;/li&gt;
&lt;/ul&gt;
&lt;/blockquote&gt;
&lt;p&gt;O uso de cálculo de probabilidades para avaliar incertezas já é utilizado a centenas de anos. Foram tantas áreas que se encontraram aplicações (como na medicina, jogos de azar, previsão do tempo…) que hoje não restam dúvidas de que os dados são onipresentes, ainda mais em plena era da informação.&lt;/p&gt;</description><media:content xmlns:media="http://search.yahoo.com/mrss/" url="https://gomesfellipe.github.io/post/2018-01-20-simulacao-e-probabilidade/feature.png"/></item><item><title>Tabelas Incríveis com R</title><link>https://gomesfellipe.github.io/post/2018-01-12-tabelas-incriveis-com-r/</link><pubDate>Fri, 12 Jan 2018 00:00:00 +0000</pubDate><guid>https://gomesfellipe.github.io/post/2018-01-12-tabelas-incriveis-com-r/</guid><description>&lt;div id="importâcia-da-apresentação-dos-dados" class="section level1"&gt;
&lt;h1&gt;Importância da apresentação dos dados&lt;/h1&gt;
&lt;p&gt;O trabalho de quem analisa dados vai muito além de planejar, resumir e interpretar observações: apresentar bem os resultados é parte essencial de qualquer projeto ou pesquisa. Não é à toa que já existe até uma área dentro da ciência de dados focada nisso, com o título de "Data Artist".&lt;/p&gt;
&lt;p&gt;Além dos pacotes que ajudam a apresentar as figuras geradas nas análises (como mostrei nos posts sobre &lt;a href="https://gomesfellipe.github.io/post/2017-12-24-diagnostico-de-modelo/"&gt;a qualidade do ajuste de modelos&lt;/a&gt; e sobre &lt;a href="https://gomesfellipe.github.io/post/2017-12-18-bayesiana-jags-mcmcplot/"&gt;avaliar o ajuste pela abordagem bayesiana&lt;/a&gt;), contamos com pacotes que apresentam tabelas de forma elegante e até interativa.&lt;/p&gt;</description><media:content xmlns:media="http://search.yahoo.com/mrss/" url="https://gomesfellipe.github.io/post/2018-01-12-tabelas-incriveis-com-r/feature.jpg"/></item><item><title>Analisando o mercado de cryptomoedas com R</title><link>https://gomesfellipe.github.io/post/2017-12-04-analisando-o-mercado-de-cryptomoedas-com-r/</link><pubDate>Mon, 04 Dec 2017 00:00:00 +0000</pubDate><guid>https://gomesfellipe.github.io/post/2017-12-04-analisando-o-mercado-de-cryptomoedas-com-r/</guid><description>&lt;div class="w3-panel w3-pale-yellow w3-border"&gt;
&lt;p&gt;&lt;strong&gt;⚠️ Aviso (2026):&lt;/strong&gt; Os pacotes e APIs usados neste post são de 2017 e foram descontinuados: o &lt;code&gt;coinmarketcapr&lt;/code&gt; passou a exigir chave de API paga e a API da BlinkTrade foi encerrada. A lógica de extrair, tratar e monitorar dados no R ainda é válida — veja a versão moderna com agentes de IA em &lt;a href="https://gomesfellipe.github.io/post/2025-05-04-bitcoin-agent/"&gt;Equipe Multiagente para Análise do Bitcoin&lt;/a&gt;.&lt;/p&gt;
&lt;/div&gt;

&lt;div id="as-cryptomoedas" class="section level1"&gt;
&lt;h1&gt;As cryptomoedas&lt;/h1&gt;
&lt;p&gt;Quem acompanha os jornais já deve ter notado que o mercado de cryptomoedas vem crescendo rapidamente, e grandes canais de informação já cobrem o assunto. A cotação do Bitcoin já pode ser acompanhada nos maiores sites do mercado financeiro. Diante de tantas novidades, vale entender como a programação pode ajudar a explorar temas tão recentes.&lt;/p&gt;</description><media:content xmlns:media="http://search.yahoo.com/mrss/" url="https://gomesfellipe.github.io/post/2017-12-04-analisando-o-mercado-de-cryptomoedas-com-r/feature.png"/></item></channel></rss>