# Coronavírus: dados no Brasil Essa página procura colacionar fontes de dados primários confiáveis para monitoramento e modelagem da crise epidêmica do coronavírus, apoiando-se em contribuições de cientistas de dados voluntários. Acreditamos que a colaboração entre voluntários pode trazer mais transparência aos dados disponíveis e maior confiabilidade aos modelos preditivos submetidos ao escrutínio público. A falta de transparência quanto aos dados e modelos preditivos empregados pelo Estado multiplica as incertezas da própria epidemia, o que só aumenta a insegurança geral quanto à adequação da resposta governamental. Alegam querer proteger a sociedade do pânico, mas o atual gargalo informacional confiável só aumenta a incerteza, permitindo a veiculação de boatos e *fake news*. Precisamos de um relato isento e competente sobre os modelos preditivos já produzidos, garantindo a publicidade dos dados subjacentes para que a sociedade possa tomar decisões esclarecidas e avaliar as ações governamentais. **CONTRIBUIÇÕES**: Todo esse site é *livrement editável* por todo interessado. Caso identifique uma fonte relevante, basta clicar no botão "edit" no topo da página e inserir a referência na seção adequada. Colaborando abertamente dessa forma, acreditamos que melhoraremos a qualidade das informações disponíveis para combater a crise ## Fontes de dados Além das fontes de dados validadas com endereço (url) para acesso, pode-se sugerir também possíveis fontes de dados que já existam e precisariam ser publicadas ou uma lista de desejos de conjuntos de dados úteis para análise. ### Brasil - Boletins epidemiológicos do Ministério da Saúde (MS): https://www.saude.gov.br/boletins-epidemiologicos - Números oficiais do MS : http://plataforma.saude.gov.br/novocoronavirus/ - a série histórica não é visualizada diretamente na plataforma, mas pode ser acessada por meio de um dicionário javascript em: http://plataforma.saude.gov.br/novocoronavirus/resources/scripts/database.js - código para extração desses dados para csv: https://github.com/belisards/coronabr - réplica dos dados no Kaggle: https://www.kaggle.com/unanimad/corona-virus-brazil [solicita-se publicar uma visualização atualizada desses dados históricos] - Outros agregadores de dados: - https://labs.wesleycota.com/sarscov2/ [Traz informações por municípios!] ![](https://i.imgur.com/aKT0XYB.png) - https://covid19br.github.io/index.html - Dados do Distrito Federal: https://salasit.saude.df.gov.br/lista-de-uti/ - Desejos de conjuntos de dados: - datasets sobre testes para o coronavírus: números, distribuição, produção, linha histórica, etc. - geolocalização mais precisa dos casos do que apenas por estado: micro-região, município, hospital de teste? - medidas de contingência já adotadas por estados e municípios: suspensão de aulas, aglomeração de pessoas, atividades comerciais, etc. - distribuição de leitos de UTI e equipamentos de ventilação para entubamento nos hospitais brasileiros ### Internacional Nosso foco está em dados brasileiros, mas pode ser relevante analisar como nossos dados estão sendo publicados no exterior e comparar nossa evolução com a de outros países. * Base de dados de pesquisa aberta da Casa Branca (USA) à COVID-19 (CORD-19): https://pages.semanticscholar.org/coronavirus-research - Data Repository by Johns Hopkins CSSE (agregador de diversas outras fontes): https://github.com/CSSEGISandData/COVID-19 - Relatórios oficiais diários da OMS: https://www.who.int/emergencies/diseases/novel-coronavirus-2019/situation-reports [falta individualizar as fontes dos dados tabulares utilizados nos relatórios] - Ciência aberta sobre coronavírus (Oxford): https://ourworldindata.org/coronavirus ## Modelos publicados Ainda há poucas publicações de modelos preditivos bem documentados. Por enquanto, o Estado e a mídia contentam-se em divulgar alguns poucos números e previsões não fundamentadas. Para podermos avaliar a qualidade dos modelos e melhorá-los precisamos submetê-los a ampla crítica dos inúmeros cientistas interessados na sociedade - **Modelo SIR (Suscetíveis-Infectados-Removidos)** - matéria detalhada: https://m.tecmundo.com.br/ciencia/151189-quantos-morrer-coronavirus-brasil-cientistas-respondem.htm - código disponível: https://github.com/wlyra/covid19/blob/master/covid19.ipynb ![](https://i.imgur.com/UYNmtbF.png) - Filtro de Kalman para prever número de casos do dia seguinte: https://covid.monitaur.ai/ Por enquanto só tem dados para estados americanos, mas como tem código associado, poderia ser adaptado para dados brasileiros - Simulador de propagação epidêmica: https://www.washingtonpost.com/graphics/2020/world/corona-simulator/ - Modelagem epidemiológica em geral: https://blogdoricardomm.blogspot.com/2020/03/a-matematica-da-epidemia.html ## Visualizações de dados Colacionar tanto visualizações bem feitas, divulgar código para construir tais visualizações, como sugerir possíveis visualizações relevantes ainda não desenvolvidas ou publicadas. Podemos assim construir uma lista de desejos de visualizações úteis que podem guiar os esforços dos desenvolvedores do grupo e priorizar a obtenção de novas bases de dados. - Mapa mundial de casos (Johns Hopkins): https://gisanddata.maps.arcgis.com/apps/opsdashboard/index.html#/bda7594740fd40299423467b48e9ecf6 - Mapa mundial de casos (Bing): http://bing.com/covid Algumas sugestões iniciais: - linha histórica da evolução do número de casos identificados no Brasil, a partir dos dados do MS - comparação da linha de evolução com a de outros países: ![Sem fonte identificada](https://i.imgur.com/xC8S7Gj.jpg) ![fonte geral, mas sem o Brasil](https://i.imgur.com/YccjBLF.jpg) - mapa de calor da densidade de casos no Brasil. O MS já publica um mapa do Brasil com o número de casos por estado. Seria interessante ter um mapa assim com a proporção de infectados em relação à população do estado, que pode ser mais informativo na comparação entre estados do que números absolutos ## Notícias As notícias destacadas aqui precisam fazer referência seja a uma fonte de dados ou a algum modelo que não tenha ainda sido indexado nas seções anteriores, para guiar nossos esforços de publicação, contactando os responsáveis pelos dados/modelos - Guedes: cálculos do BC mostram contágio do Coronavírus no Brasil em escala maior do que China e Itália: https://revistaforum.com.br/noticias/guedes-calculos-do-bc-mostram-contagio-do-coronavirus-no-brasil-em-escala-maior-do-que-china-e-italia/ [Obter acesso ao estudo do Banco Central: analisar fontes e metodologia] - Influência da temperatura e humidade na transmissão do coronavírus: High Temperature and High Humidity Reduce the Transmission of COVID-19 by Jingyu... This paper investigates how air temperature and humidity influence the transmission of COVID-19. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3551767 ## Projetos colaborativos - **Desafio Enap COVID-19**, tema Tecnologia: Como podemos usar a ciência de dados e/ou a tecnologia para identificar, informar, prever e monitorar a epidemia? https://desafios.enap.gov.br/?page_id=32 - http://crowdfightcovid19.org/ - Inovação aberta: https://pt.surveymonkey.com/r/100OSCovid-19 - Edital de pesquisa da FAPESP: http://www.fapesp.br/14087 - Mapeamento colaborativo de casos: https://www.brasilsemcorona.com.br/
Last changed by  
 
Erick Muzart Fonseca dos Santos
1031

Read more

Untitled

Texto da release para divulgação do Deduz.ai IA responde a perguntas sobre Imposto de Renda Desenvolvemos uma Inteligência Artificial no estado da arte, para responder a perguntas específicas que a população tenha sobre Imposto de Renda de Pessoa Física, formuladas em linguagem comum por pessoas sem conhecimento específico dos conceitos e vocabulário técnico tributário, com alta precisão nas respostas, baseado na legislação e normativos da Receita Federal. Já existem diversas fontes de perguntas e respostas validadas por especialistas, mas elas tendem a ser genéricas, formuladas de uma forma de difícil compreensão pelo contribuinte médio e requer longa pesquisa antes de encontrar uma resposta minimamente similar à dúvida do usuário. Utilizando nossa ferramenta de IA, o usuário consegue descrever seu caso específico, em sua própria linguagem, e cabe à IA entender essa necessidade de informação, pesquisar nas fontes oficiais os posicionamentos mais relevantes da Receita sobre o tema e construir a resposta mais precisa e apropriada à descrição da dúvida, de forma quase instantânea e gratuita! [funcionalidades, gratuidade, qualidade: mencionar que as respostas não são garantidamente corretas, dada a incerteza sobre a descrição do problema por parte do usuário leigo e do caráter probabilístico do modelo que pode cometer erros de interpretação e raciocínio sobre as normas. Futuras versões trarão a referência ao normativo que embasa a resposta, assim como a possibilidade de refinar a descrição da dúvida de forma interativa com a IA, incluindo com o usuário respondendo a questões de esclarecimento geradas pela IA] Comparação com chatGPT Seguem respostas do deduz.ai e do chatGPT a uma mesma pergunta sobre IRPF 2023, para ilustrar a maior especificidade e confiabilidade das respostas do deduz.ai:

5/23/2023
Curso de Machine Learning em Projetos

CURSO MACHINE LEARNING EM PROJETOS Todos querem os resultados incríveis criados com Inteligência Artificial (IA), mas apenas poucos conseguem desenvolver sozinhos programas que realmente aproveitam o poder da IA. Aprenda conosco de forma prática e guiada por instrutores experientes que já conseguiram levar centenas de pessoas como você a vencerem seus primeiros desafios com Machine Learning (ML), realizando projetos de sucesso e ganhando autonomia para novas aplicações! Nesse curso on-line de 40h, em 10 encontros, você desenvolverá a habilidade de alavancar ML, para substituir código que explicitamente define os passos a serem executados pelo computador, por modelos que extraem automaticamente padrões dos seus dados de exemplos. Desde as primeiras aulas você irá desenvolver modelos úteis com aplicação no mundo real e ao longo do curso irá construir um projeto completo! Vagas limitadas! Novas turmas em 2023 Carga horária : 40 horas em 10 encontros (seg/qua/sex)

12/5/2022
Curso de Machine Learning em Projetos

CURSO MACHINE LEARNING EM PROJETOS Esse é o site básico de descrição do curso, reservado para os alunos inscritos. O material do curso, com as transparências, cadernos jupyter e atividades se encontram no site próprio da turma (seja Google ClassRoom ou Moodle). Em caso de problema ou dúvida, mande uma mensagem pelo WhatsApp no grupo do curso, para o qual todos os alunos inscritos serão convidados! Atividades prévias ao início das aulas Abaixo duas sugestões que podem melhorar seu aproveitamento do curso: 1. Verifique seu domínio de python e pandas

6/11/2021
Oficina Machine Learning na Prática

Oficina oferecida na terceira edição do ExpoJud: Congresso sobre a Revolução Exponencial do Ecossistema de Justiça. Data: quinta-feira, 15/10, das 13:30 às 16hs Links da Oficina Cadernos Jupyter a serem executados no Google Colaboratory: Introdução ML: https://drive.google.com/file/d/1m_FtQV8Av_WGg8iP8Y1PUfoaRXSulczr/view?usp=sharing Introdução NLP: https://drive.google.com/file/d/1FnA0cZghpMWwGJZ2FZ9JG06OLKKEs7du/view?usp=sharing

10/15/2020
Read more from Erick Muzart Fonseca dos Santos
Published on HackMD