<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>Scikit-Learn on Python Brasil — Aprenda Python em Português</title>
    <link>https://python.dev.br/tags/scikit-learn/</link>
    <description>Recent content in Scikit-Learn on Python Brasil — Aprenda Python em Português</description>
    <generator>Hugo</generator>
    <language>pt-br</language>
    <lastBuildDate>Tue, 12 May 2026 16:00:48 -0300</lastBuildDate>
    <atom:link href="https://python.dev.br/tags/scikit-learn/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>Ferramentas Python para Data Science: Guia Completo 2026 | python.dev.br</title>
      <link>https://python.dev.br/ferramentas/python-ferramentas-data-science/</link>
      <pubDate>Mon, 30 Mar 2026 00:00:00 +0000</pubDate>
      <guid>https://python.dev.br/ferramentas/python-ferramentas-data-science/</guid>
      <description>&lt;p&gt;Python é a linguagem número um para ciência de dados — e não é por acaso. O ecossistema de ferramentas e bibliotecas para análise, visualização e machine learning é o mais completo e maduro que existe. Neste guia, vamos revisar as ferramentas essenciais para quem trabalha (ou quer trabalhar) com data science em Python, com comparativos práticos e recomendações para 2026.&lt;/p&gt;&#xA;&lt;h2 id=&#34;ambientes-de-desenvolvimento&#34;&gt;Ambientes de Desenvolvimento&lt;/h2&gt;&#xA;&lt;h3 id=&#34;jupyter-notebook-e-jupyterlab&#34;&gt;Jupyter Notebook e JupyterLab&lt;/h3&gt;&#xA;&lt;p&gt;O &lt;a href=&#34;https://python.dev.br/glossario/jupyter-notebook/&#34;&gt;Jupyter Notebook&lt;/a&gt; é o ambiente interativo padrão para ciência de dados. Permite executar código em células, intercalando código Python, texto em Markdown, equações LaTeX e visualizações:&lt;/p&gt;</description>
    </item>
    <item>
      <title>Machine Learning com Python — 2025 | Python Brasil</title>
      <link>https://python.dev.br/blog/python-e-machine-learning-iniciantes/</link>
      <pubDate>Thu, 15 Jan 2026 00:00:00 +0000</pubDate>
      <guid>https://python.dev.br/blog/python-e-machine-learning-iniciantes/</guid>
      <description>&lt;p&gt;Machine Learning deixou de ser um tema exclusivo de pesquisadores e se tornou uma habilidade cada vez mais requisitada no mercado. Com Python e a biblioteca scikit-learn, voce consegue construir modelos de classificacao, regressao e agrupamento de forma acessivel. Neste guia, a gente vai explorar os conceitos fundamentais e construir modelos reais passo a passo.&lt;/p&gt;&#xA;&lt;h2 id=&#34;o-que-e-machine-learning&#34;&gt;O Que e Machine Learning?&lt;/h2&gt;&#xA;&lt;p&gt;Machine Learning e um ramo da inteligencia artificial onde algoritmos aprendem padroes a partir de dados, sem serem explicitamente programados para cada regra. Existem tres tipos principais: aprendizado supervisionado (com respostas conhecidas), nao-supervisionado (sem respostas) e por reforco (aprendizado por tentativa e erro).&lt;/p&gt;</description>
    </item>
    <item>
      <title>Machine Learning: O que É e Como Funciona | Python Brasil</title>
      <link>https://python.dev.br/glossario/machine-learning/</link>
      <pubDate>Mon, 30 Jun 2025 00:00:00 +0000</pubDate>
      <guid>https://python.dev.br/glossario/machine-learning/</guid>
      <description>&lt;h2 id=&#34;o-que-é-machine-learning&#34;&gt;O que é Machine Learning?&lt;/h2&gt;&#xA;&lt;p&gt;&lt;strong&gt;Machine learning&lt;/strong&gt; (aprendizado de máquina) é um ramo da inteligência artificial em que algoritmos &lt;strong&gt;aprendem padrões a partir de dados&lt;/strong&gt; sem serem explicitamente programados para cada regra. Em vez de escrever &lt;code&gt;if temperatura &amp;gt; 38: febre = True&lt;/code&gt;, um modelo de ML aprende essa relação observando milhares de exemplos.&lt;/p&gt;&#xA;&lt;p&gt;Python domina o cenário de machine learning graças ao ecossistema de bibliotecas maduro e à comunidade ativa. Empresas como Google, Netflix, Spotify e iFood usam Python extensivamente em seus sistemas de ML em produção.&lt;/p&gt;</description>
    </item>
  </channel>
</rss>
