Felipe Coutinho
@dataunicornio.bsky.social
A maioria dos cientistas de dados otimiza para acurácia.
Os melhores otimizam para adoção.
Passei anos perseguindo métricas perfeitas.
95% de precisão. Modelos complexos. Código elegante.
Mas sabe o que aconteceu?
Meus projetos ficavam na gaveta. Ninguém usava.
Os melhores otimizam para adoção.
Passei anos perseguindo métricas perfeitas.
95% de precisão. Modelos complexos. Código elegante.
Mas sabe o que aconteceu?
Meus projetos ficavam na gaveta. Ninguém usava.
November 10, 2025 at 1:22 PM
A maioria dos cientistas de dados otimiza para acurácia.
Os melhores otimizam para adoção.
Passei anos perseguindo métricas perfeitas.
95% de precisão. Modelos complexos. Código elegante.
Mas sabe o que aconteceu?
Meus projetos ficavam na gaveta. Ninguém usava.
Os melhores otimizam para adoção.
Passei anos perseguindo métricas perfeitas.
95% de precisão. Modelos complexos. Código elegante.
Mas sabe o que aconteceu?
Meus projetos ficavam na gaveta. Ninguém usava.
Times de dados estão fazendo escolhas que criam problemas maiores no futuro. 🚨
Vejo isso acontecer repetidamente: streaming quando batch resolveria, modelos complexos quando simples performam melhor, correções no dash quando o problema está no pipeline.
Vejo isso acontecer repetidamente: streaming quando batch resolveria, modelos complexos quando simples performam melhor, correções no dash quando o problema está no pipeline.
November 8, 2025 at 4:28 PM
Times de dados estão fazendo escolhas que criam problemas maiores no futuro. 🚨
Vejo isso acontecer repetidamente: streaming quando batch resolveria, modelos complexos quando simples performam melhor, correções no dash quando o problema está no pipeline.
Vejo isso acontecer repetidamente: streaming quando batch resolveria, modelos complexos quando simples performam melhor, correções no dash quando o problema está no pipeline.
Notebooks do Jupyter não foram feitos para pipelines de ML em produção.
Trabalhando com equipes de ciência de dados nos últimos anos, percebi um padrão que se repete: a dívida técnica começa pequena, mas cresce rápido.
Trabalhando com equipes de ciência de dados nos últimos anos, percebi um padrão que se repete: a dívida técnica começa pequena, mas cresce rápido.
November 7, 2025 at 2:10 PM
Notebooks do Jupyter não foram feitos para pipelines de ML em produção.
Trabalhando com equipes de ciência de dados nos últimos anos, percebi um padrão que se repete: a dívida técnica começa pequena, mas cresce rápido.
Trabalhando com equipes de ciência de dados nos últimos anos, percebi um padrão que se repete: a dívida técnica começa pequena, mas cresce rápido.
Seus stakeholders querem IA/ML agora. Mas antes de começar, precisamos falar sobre algo que ninguém quer discutir: a qualidade dos seus dados.
E isso pode salvar seu projeto.
Todos querem IA. O board quer. Seu gerente quer. Seus clientes querem.
E isso pode salvar seu projeto.
Todos querem IA. O board quer. Seu gerente quer. Seus clientes querem.
November 6, 2025 at 12:47 PM
Seus stakeholders querem IA/ML agora. Mas antes de começar, precisamos falar sobre algo que ninguém quer discutir: a qualidade dos seus dados.
E isso pode salvar seu projeto.
Todos querem IA. O board quer. Seu gerente quer. Seus clientes querem.
E isso pode salvar seu projeto.
Todos querem IA. O board quer. Seu gerente quer. Seus clientes querem.
Nos meus anos mentorando profissionais de ciência de dados, percebi algo surpreendente.
Os que vêm de áreas não-técnicas trazem valor inesperado para times de dados.
E sabe o que mais me impressiona... eles resolvem problemas que equipes tradicionais não conseguem.
Os que vêm de áreas não-técnicas trazem valor inesperado para times de dados.
E sabe o que mais me impressiona... eles resolvem problemas que equipes tradicionais não conseguem.
November 5, 2025 at 11:52 AM
Nos meus anos mentorando profissionais de ciência de dados, percebi algo surpreendente.
Os que vêm de áreas não-técnicas trazem valor inesperado para times de dados.
E sabe o que mais me impressiona... eles resolvem problemas que equipes tradicionais não conseguem.
Os que vêm de áreas não-técnicas trazem valor inesperado para times de dados.
E sabe o que mais me impressiona... eles resolvem problemas que equipes tradicionais não conseguem.
O ritmo da ciência de dados é desumano e tá tudo bem não acompanhar
Vez ou outra você ouve alguém dizer: "ninguém dá conta de acompanhar tudo", e é verdade.
Quantas vezes você não se deparou com esse cenário?!
"""
Essa semana, saíram três LLMs novos.
Vez ou outra você ouve alguém dizer: "ninguém dá conta de acompanhar tudo", e é verdade.
Quantas vezes você não se deparou com esse cenário?!
"""
Essa semana, saíram três LLMs novos.
November 4, 2025 at 11:00 AM
O ritmo da ciência de dados é desumano e tá tudo bem não acompanhar
Vez ou outra você ouve alguém dizer: "ninguém dá conta de acompanhar tudo", e é verdade.
Quantas vezes você não se deparou com esse cenário?!
"""
Essa semana, saíram três LLMs novos.
Vez ou outra você ouve alguém dizer: "ninguém dá conta de acompanhar tudo", e é verdade.
Quantas vezes você não se deparou com esse cenário?!
"""
Essa semana, saíram três LLMs novos.
Seu time de Data Science acaba de subir um modelo que vai falhar silenciosamente em 3 semanas.
Ninguém vai perceber, até que o problema de qualidade custe R$ 500 mil em prejuízo.
---
Ninguém vai perceber, até que o problema de qualidade custe R$ 500 mil em prejuízo.
---
October 31, 2025 at 3:54 PM
Seu time de Data Science acaba de subir um modelo que vai falhar silenciosamente em 3 semanas.
Ninguém vai perceber, até que o problema de qualidade custe R$ 500 mil em prejuízo.
---
Ninguém vai perceber, até que o problema de qualidade custe R$ 500 mil em prejuízo.
---
Ter Harrison Chase (criador do LangChain) e Chip Huyen (referência em MLOps) juntos no mesmo evento é, por si só, o motivo para parar tudo.
Quando me pediram para divulgar a conferência GenAI Nexus 2025 da Packt, o line-up falou mais alto.
Quando me pediram para divulgar a conferência GenAI Nexus 2025 da Packt, o line-up falou mais alto.
October 31, 2025 at 11:35 AM
Ter Harrison Chase (criador do LangChain) e Chip Huyen (referência em MLOps) juntos no mesmo evento é, por si só, o motivo para parar tudo.
Quando me pediram para divulgar a conferência GenAI Nexus 2025 da Packt, o line-up falou mais alto.
Quando me pediram para divulgar a conferência GenAI Nexus 2025 da Packt, o line-up falou mais alto.
VOCÊ É CIENTISTA DE DADOS E SE FRUSTRA COM A "FALTA DE MATURIDADE DAS EMPRESAS"?
A raiz do problema pode estar mais perto do que imaginamos.
→ Pense naquele processo seletivo rigoroso. Etapas complexas, testes desafiadores, perguntas como:
A raiz do problema pode estar mais perto do que imaginamos.
→ Pense naquele processo seletivo rigoroso. Etapas complexas, testes desafiadores, perguntas como:
October 29, 2025 at 4:51 PM
VOCÊ É CIENTISTA DE DADOS E SE FRUSTRA COM A "FALTA DE MATURIDADE DAS EMPRESAS"?
A raiz do problema pode estar mais perto do que imaginamos.
→ Pense naquele processo seletivo rigoroso. Etapas complexas, testes desafiadores, perguntas como:
A raiz do problema pode estar mais perto do que imaginamos.
→ Pense naquele processo seletivo rigoroso. Etapas complexas, testes desafiadores, perguntas como:
Vai comprar cursos na Black Friday? Cuidado: 95% das pessoas NÃO terminam o curso que começam.
A avalanche de promoções de cursos online está chegando. Mas antes de clicar em "comprar", respire fundo.
A avalanche de promoções de cursos online está chegando. Mas antes de clicar em "comprar", respire fundo.
October 27, 2025 at 10:11 PM
Vai comprar cursos na Black Friday? Cuidado: 95% das pessoas NÃO terminam o curso que começam.
A avalanche de promoções de cursos online está chegando. Mas antes de clicar em "comprar", respire fundo.
A avalanche de promoções de cursos online está chegando. Mas antes de clicar em "comprar", respire fundo.
A maioria das empresas está perdendo tempo e dinheiro com IA.
O problema não é a tecnologia. É a abordagem.
Trabalhei com várias equipes de dados que enfrentavam o mesmo desafio: modelos de machine learning prontos, mas sem resultado real para o negócio.
O problema não é a tecnologia. É a abordagem.
Trabalhei com várias equipes de dados que enfrentavam o mesmo desafio: modelos de machine learning prontos, mas sem resultado real para o negócio.
October 21, 2025 at 11:00 AM
A maioria das empresas está perdendo tempo e dinheiro com IA.
O problema não é a tecnologia. É a abordagem.
Trabalhei com várias equipes de dados que enfrentavam o mesmo desafio: modelos de machine learning prontos, mas sem resultado real para o negócio.
O problema não é a tecnologia. É a abordagem.
Trabalhei com várias equipes de dados que enfrentavam o mesmo desafio: modelos de machine learning prontos, mas sem resultado real para o negócio.
8 anos na "área errada" se tornaram a maior vantagem competitiva de um mentorado meu em Data Science.
Ele se sentia um impostor. O currículo parecia "errado". O medo era de ter que começar do zero.
Ele se sentia um impostor. O currículo parecia "errado". O medo era de ter que começar do zero.
October 18, 2025 at 11:00 AM
8 anos na "área errada" se tornaram a maior vantagem competitiva de um mentorado meu em Data Science.
Ele se sentia um impostor. O currículo parecia "errado". O medo era de ter que começar do zero.
Ele se sentia um impostor. O currículo parecia "errado". O medo era de ter que começar do zero.
A maioria dos cientistas de dados desperdiça 80% do tempo com projetos errados no portfolio.
Eles constroem mais um modelo Titanic... Mais um classificador de imagens... Mais uma análise de sentimentos...
Enquanto isso, recrutadores passam em segundos pelos seus currículos.
Eles constroem mais um modelo Titanic... Mais um classificador de imagens... Mais uma análise de sentimentos...
Enquanto isso, recrutadores passam em segundos pelos seus currículos.
October 17, 2025 at 11:00 AM
A maioria dos cientistas de dados desperdiça 80% do tempo com projetos errados no portfolio.
Eles constroem mais um modelo Titanic... Mais um classificador de imagens... Mais uma análise de sentimentos...
Enquanto isso, recrutadores passam em segundos pelos seus currículos.
Eles constroem mais um modelo Titanic... Mais um classificador de imagens... Mais uma análise de sentimentos...
Enquanto isso, recrutadores passam em segundos pelos seus currículos.
A maior mentira que contam para quem está começando em dados:
"Você precisa aprender TUDO."
Isso gera ansiedade, paralisia e a sensação de que você está sempre atrasado.
A verdade é que existem dois tipos de profissionais de dados.
❌ O Colecionador de Ferramentas
"Você precisa aprender TUDO."
Isso gera ansiedade, paralisia e a sensação de que você está sempre atrasado.
A verdade é que existem dois tipos de profissionais de dados.
❌ O Colecionador de Ferramentas
October 15, 2025 at 12:19 PM
A maior mentira que contam para quem está começando em dados:
"Você precisa aprender TUDO."
Isso gera ansiedade, paralisia e a sensação de que você está sempre atrasado.
A verdade é que existem dois tipos de profissionais de dados.
❌ O Colecionador de Ferramentas
"Você precisa aprender TUDO."
Isso gera ansiedade, paralisia e a sensação de que você está sempre atrasado.
A verdade é que existem dois tipos de profissionais de dados.
❌ O Colecionador de Ferramentas
90% das empresas querem colher manga no pé de caju.
Recebo dezenas de pedidos por semana: "Queremos machine learning para prever vendas/otimizar estoque/segmentar clientes."
Aí eu pergunto: "Vocês já tentaram uma planilha dinâmica?"
Silêncio constrangedor.
Recebo dezenas de pedidos por semana: "Queremos machine learning para prever vendas/otimizar estoque/segmentar clientes."
Aí eu pergunto: "Vocês já tentaram uma planilha dinâmica?"
Silêncio constrangedor.
October 12, 2025 at 11:00 AM
90% das empresas querem colher manga no pé de caju.
Recebo dezenas de pedidos por semana: "Queremos machine learning para prever vendas/otimizar estoque/segmentar clientes."
Aí eu pergunto: "Vocês já tentaram uma planilha dinâmica?"
Silêncio constrangedor.
Recebo dezenas de pedidos por semana: "Queremos machine learning para prever vendas/otimizar estoque/segmentar clientes."
Aí eu pergunto: "Vocês já tentaram uma planilha dinâmica?"
Silêncio constrangedor.
O que te torna sênior não é o que você sabe fazer. É o que você sabe que NÃO precisa ser feito.
Convenhamos: "Complexidade não te faz parecer um gênio. Te faz parecer confuso."
Convenhamos: "Complexidade não te faz parecer um gênio. Te faz parecer confuso."
October 7, 2025 at 1:06 PM
O que te torna sênior não é o que você sabe fazer. É o que você sabe que NÃO precisa ser feito.
Convenhamos: "Complexidade não te faz parecer um gênio. Te faz parecer confuso."
Convenhamos: "Complexidade não te faz parecer um gênio. Te faz parecer confuso."
O trabalho mais subestimado na era da inteligência artificial, continua sendo o mapeamento e definição de processos.
October 2, 2025 at 5:19 PM
O trabalho mais subestimado na era da inteligência artificial, continua sendo o mapeamento e definição de processos.
Quem nunca passou por isso? Você lê 50 páginas sobre a matemática de um algoritmo, mas na hora de abrir o Jupyter Notebook, trava.
A verdade é que conhecimento em ML só é fixado com a mão no código.
A verdade é que conhecimento em ML só é fixado com a mão no código.
September 29, 2025 at 12:43 PM
Quem nunca passou por isso? Você lê 50 páginas sobre a matemática de um algoritmo, mas na hora de abrir o Jupyter Notebook, trava.
A verdade é que conhecimento em ML só é fixado com a mão no código.
A verdade é que conhecimento em ML só é fixado com a mão no código.
Seu CEO se importa mais com o ROI do que com a acurácia. E ele está certo.
Uma verdade difícil para nós, técnicos: no final do dia, a empresa não compra "modelos", ela compra "resultados".
Existe um abismo entre o que nos fascina e o que o negócio realmente precisa:
Uma verdade difícil para nós, técnicos: no final do dia, a empresa não compra "modelos", ela compra "resultados".
Existe um abismo entre o que nos fascina e o que o negócio realmente precisa:
September 28, 2025 at 1:30 PM
Seu CEO se importa mais com o ROI do que com a acurácia. E ele está certo.
Uma verdade difícil para nós, técnicos: no final do dia, a empresa não compra "modelos", ela compra "resultados".
Existe um abismo entre o que nos fascina e o que o negócio realmente precisa:
Uma verdade difícil para nós, técnicos: no final do dia, a empresa não compra "modelos", ela compra "resultados".
Existe um abismo entre o que nos fascina e o que o negócio realmente precisa:
Um ótimo livro GRATUITO que cobre o tema "Forecasting" agora em versão Python!
Hora de uma nova série no Youtube?!
Hora de uma nova série no Youtube?!
September 25, 2025 at 12:40 PM
Um ótimo livro GRATUITO que cobre o tema "Forecasting" agora em versão Python!
Hora de uma nova série no Youtube?!
Hora de uma nova série no Youtube?!
Aquele loop infinito de vídeos, cursos e artigos... Isso tem nome: o 'inferno dos tutoriais' de dados.
Você consome conteúdo sem parar, mas a confiança para aplicar para uma vaga parece cada vez mais distante. Parece que sempre falta aprender "só mais uma coisinha".
Você consome conteúdo sem parar, mas a confiança para aplicar para uma vaga parece cada vez mais distante. Parece que sempre falta aprender "só mais uma coisinha".
September 4, 2025 at 11:00 AM
Aquele loop infinito de vídeos, cursos e artigos... Isso tem nome: o 'inferno dos tutoriais' de dados.
Você consome conteúdo sem parar, mas a confiança para aplicar para uma vaga parece cada vez mais distante. Parece que sempre falta aprender "só mais uma coisinha".
Você consome conteúdo sem parar, mas a confiança para aplicar para uma vaga parece cada vez mais distante. Parece que sempre falta aprender "só mais uma coisinha".
Seu stack de GenAI é impressionante. Mas ele gera valor?
No nosso campo, é fácil cair na armadilha da tecnologia pela tecnologia. A tentação de implementar o novo modelo que saiu no paper da semana passada é enorme.
No nosso campo, é fácil cair na armadilha da tecnologia pela tecnologia. A tentação de implementar o novo modelo que saiu no paper da semana passada é enorme.
September 3, 2025 at 11:00 AM
Seu stack de GenAI é impressionante. Mas ele gera valor?
No nosso campo, é fácil cair na armadilha da tecnologia pela tecnologia. A tentação de implementar o novo modelo que saiu no paper da semana passada é enorme.
No nosso campo, é fácil cair na armadilha da tecnologia pela tecnologia. A tentação de implementar o novo modelo que saiu no paper da semana passada é enorme.
Fui reprovado na entrevista de Analista de Dados de uma empresa Tech. Estas são as perguntas de SQL que me derrubaram.
September 2, 2025 at 11:00 AM
Fui reprovado na entrevista de Analista de Dados de uma empresa Tech. Estas são as perguntas de SQL que me derrubaram.
Título da vaga: Analista de Dados.
Trabalho real: 90% do tempo brigando com dados ruins e os outros 10% apresentando a vitória como se tivesse sido fácil.
A verdade é que por trás de todo dashboard incrível, existe um campo de batalha caótico!
Trabalho real: 90% do tempo brigando com dados ruins e os outros 10% apresentando a vitória como se tivesse sido fácil.
A verdade é que por trás de todo dashboard incrível, existe um campo de batalha caótico!
September 1, 2025 at 11:00 AM
Título da vaga: Analista de Dados.
Trabalho real: 90% do tempo brigando com dados ruins e os outros 10% apresentando a vitória como se tivesse sido fácil.
A verdade é que por trás de todo dashboard incrível, existe um campo de batalha caótico!
Trabalho real: 90% do tempo brigando com dados ruins e os outros 10% apresentando a vitória como se tivesse sido fácil.
A verdade é que por trás de todo dashboard incrível, existe um campo de batalha caótico!