Programação e dados para começar IA

O modelo famoso chega depois. Antes existe uma tabela, um tipo errado, uma data futura escondida na coluna de treino. Programação para IA não é “aprender Pandas”. É recusar o vazamento e deixar o script tão claro que outra pessoa reproduz o número.

Quem pula esta etapa constrói redes em cima de areia. A acurácia sobe. O cliente real não parece o CSV. Alguém culpa o algoritmo.

O volume 2 da AI One trata exatamente desse chão: programação e dados, no mesmo tom do volume de matemática — um projeto, contas visíveis, Python ao lado.

A ordem que evita o teatro

flowchart TD
  p["Pergunta do negócio"] --> t["Tabela crua"]
  t --> l["Limpeza e tipos"]
  l --> s["Separar treino / validação / teste"]
  s --> b["Baseline burra"]
  b --> m["Modelo"]
  m --> e["Erro no teste, uma vez"]
  classDef ouro fill:#FBF5E4,stroke:#C9A227,color:#0B1F18,stroke-width:1.4px
  classDef verde fill:#F3FAF7,stroke:#1E7A57,color:#0B1F18,stroke-width:1.4px
  classDef fim fill:#0F3328,stroke:#0F3328,color:#FBFAF6,stroke-width:1.4px
  class p,b ouro
  class t,l,s,m verde
  class e fim

A pergunta vem primeiro. “Prever churn” não é pergunta. “Quais clientes, com dados de antes do cancelamento, saem nos próximos 30 dias?” é pergunta. A tabela crua quase nunca responde. Faltam tipos, datas, chaves duplicadas, a coluna que foi preenchida depois do evento que você quer prever.

Separar treino e teste antes de qualquer transformação que use estatística do conjunto inteiro. Normalizar com a média de todo mundo, inclusive o teste, é colar no gabarito. O nome técnico é vazamento. O nome prático é autoengano.

O que o script precisa fazer, e nada além

Ler o arquivo. Declarar os tipos. Descrever as colunas em uma linha cada. Remover o que não existiria no momento da decisão. Cortar o teste e guardá-lo. Só então olhar médias, histogramas, valores ausentes no treino.

A baseline burra vem na sequência. Prever a média. Prever a classe mais frequente. Se o modelo sofisticado não ganha disso de forma estável, você ainda não tem modelo. Tem cerimônia.

Gráficos mentem com facilidade: eixo cortado, cor de marketing, média sem dispersão. Um histograma honesto e uma tabela de contingência valem mais que um dashboard. O volume 2 insiste nisso porque o resto da série herda essa disciplina. Rede neural nenhuma corrige um alvo que já incluía o futuro.

Python, aqui, é ofício

Não é framework. É o lugar onde a conta aparece. Um read_csv, um loc com a data certa, um train_test_split com shuffle consciente de grupos — clientes, não linhas soltas, quando o mesmo cliente aparece várias vezes.

Quem já leu Machine learning para quem já programa reconhece o aviso: acertar no treino não prova aprendizado. Este texto é o capítulo anterior. Sem dados limpos, aquela frase vira poster.

A Python One cobre a linguagem até uma API. O volume 2 da AI One cobre o recorte que a IA realmente usa: tabela, recorte temporal, vazamento, métrica, o script que cabe numa revisão de código.

Critério de chegada

Você consegue explicar, em dois minutos, de onde veio cada coluna, quando o teste foi separado e qual é a baseline. Se alguma dessas três respostas vacila, ainda não é hora de camada densa.

Programação e dados são o chão. A matemática do volume 1 diz o que a função faz. Este volume diz sobre o que ela opera. Os dois juntos deixam o machine learning clássico — o próximo passo — sem lugar para se esconder.

Leia também: Matemática para IA, sem fingir que entendeu · Machine learning do zero em 2026.