Daniel Gehlen - Tech Blog

Noções básicas sobre a máquina universal de Turing A Máquina Universal de Turing é uma máquina de Turing que pode imitar o funcionamento de qualquer outra máquina de Turing. Em termos simples, ela pode ser programada para executar qualquer algoritmo que outra máquina de Turing possa executar, se for fornecida com uma descrição adequada da máquina de Turing a ser simulada e a entrada dessa máquina. Características da Máquina Universal de Turing: Programabilidade : A Máquina Universal de Turing pode ser "programada" com diferentes conjuntos de instruções (descrições de outras máquinas de Turing), permitindo-lhe realizar uma vasta gama de tarefas. Universalidade : A capacidade de simular qualquer outra máquina de Turing faz dela um modelo teórico de um computador general-purpose, ou seja, um computador que pode executar qualquer computação que possa ser descrita de forma algorítmica. Fundamento da Computabilidade : Ela é fundamental para a teoria da computabilidade e complexidad...

 Tipos de Arquivos: Diferenças As diferenças entre os tipos de arquivos como imagem, texto, áudio, vídeo, e arquivos de redes e mensageria podem ser entendidas considerando como os dados são estruturados, armazenados e processados em termos de bits e bytes. Vamos analisar cada tipo: Imagem Arquivos de imagem são matrizes de pixels, onde cada pixel é representado por um valor de cor. A profundidade de cor (número de bits por pixel) determina a quantidade de cores possíveis. Tipos comuns : JPEG, PNG, BMP, GIF. Estrutura : Matriz bidimensional de pixels. Grayscale (escala de cinza) : Cada pixel é geralmente representado por 8 bits (1 byte). RGB (colorido) : Cada pixel tem 3 componentes (vermelho, verde, azul), cada um representado por 8 bits, totalizando 24 bits (3 bytes) por pixel. PNG com transparência (RGBA) : 4 componentes (vermelho, verde, azul, alfa), totalizando 32 bits (4 bytes) por pixel. Texto Arquivos de texto armazenam caracteres em sequências de bytes. O número de bytes p...

Árvore binária e BST explicada Na computação, a árvore binária (ou binary tree, em inglês) é uma estrutura de dados hierárquica composta por nós, onde cada nó tem no máximo dois filhos: um filho à esquerda e um filho à direita. Esta estrutura é amplamente utilizada em várias áreas da ciência da computação, como organização de dados, algoritmos de busca, compressão de dados, entre outros. Estrutura da Árvore Binária Componentes da Árvore Binária Nó (Node) : Cada elemento da árvore é chamado de nó. Ele contém um valor ou dado e referências (ponteiros) para seus filhos. Raiz (Root) : O nó superior da árvore. É o ponto de entrada e não tem pai. Filhos (Children) : Nós que descendem de um outro nó. Cada nó pode ter até dois filhos. Folhas (Leaves) : Nós que não têm filhos. Subárvore (Subtree) : Qualquer nó com todos os seus descendentes forma uma subárvore. Tipos de Árvores Binárias Árvore Binária Completa : Todos os níveis, exceto possivelmente o último, estão completamente preenchidos, e ...

Array vs DB Table (Tabela de Banco de Dados) Em termos gerais, um array de objetos em programação pode ser considerado análogo a uma tabela de banco de dados em alguns aspectos, mas eles têm diferenças significativas em sua estrutura e uso típico: Diferenças Estrutura de Dados : Array de Objetos : É uma estrutura de dados na qual múltiplos objetos são armazenados em sequência, frequentemente acessíveis por índices numéricos. Tabela de Banco de Dados : É uma estrutura organizada de dados que consiste em linhas (registros) e colunas (campos). Cada linha representa uma entrada de dados (um registro), e cada coluna representa um tipo específico de informação (um campo). 1 Representação e Armazenamento : Array de Objetos : Normalmente reside na memória do computador e é utilizado dentro do contexto da execução do programa. Pode ser criado dinamicamente e manipulado facilmente. Tabela de Banco de Dados : Geralmente é armazenada em um sistema de gerenciamento de banco de dados (SGBD), como My...

REPL (Read-Eval-Print Loop) O termo "REPL" se refere a "Read-Eval-Print Loop", que é um ambiente interativo usado em muitas linguagens de programação e sistemas. Aqui está uma explicação detalhada: O REPL é um ciclo de interação que permite aos desenvolvedores escrever comandos ou expressões, avaliá-los imediatamente, obter os resultados dessa avaliação e, em seguida, repetir o processo. É uma ferramenta poderosa para explorar e experimentar com uma linguagem de programação de forma interativa. Componentes do REPL: Read (Ler) : O REPL lê (ou recebe) a entrada do usuário, que pode ser uma expressão, um comando ou uma linha de código. Eval (Avaliar) : Após ler a entrada do usuário, o REPL avalia (executa) a expressão ou comando fornecido. Isso envolve interpretar a sintaxe da entrada e calcular o resultado correspondente. Print (Imprimir) : Após avaliar a expressão, o REPL imprime o resultado dessa avaliação na tela para que o usuário possa ver. Loop (Laço) : Após im...

Projeto Navi: Adaptador para Interoperabilidade entre Frameworks de Machine Learning O projeto Navi, escrito em Rust, serve como um adaptador para facilitar a comunicação entre diferentes componentes de machine learning, como TensorFlow, PyTorch e ONNX (Open Neural Network Exchange). ONNX é um formato open-source desenvolvido pela Microsoft e Facebook para representar modelos de machine learning, facilitando a interoperabilidade entre diferentes frameworks de deep learning. Explicação e Código de Exemplo Objetivo do Navi O objetivo do Navi é criar uma camada de adaptação que permita aos modelos de machine learning, treinados em diferentes frameworks, serem carregados e utilizados de maneira eficiente e integrada. Isso pode ser especialmente útil em ambientes de produção onde a flexibilidade e a interoperabilidade são essenciais. Estrutura do Navi O Navi pode ser estruturado para: Carregar modelos em diferentes formatos (TensorFlow, PyTorch, ONNX). Converter entre formatos se necessário...

Sistema de Recomendação do Twitter O sistema de recomendação complexo do Twitter, onde múltiplos componentes trabalham em conjunto para selecionar e classificar os tweets que são exibidos para os usuários na aba "Para você". Vamos descrever cada componente e fase do processo, ilustrando com diagramas e exemplos de código onde aplicável. Fases do Sistema de Recomendação Candidate Sourcing Esta fase é responsável por selecionar os tweets candidatos que podem ser recomendados ao usuário. Os candidatos são coletados de diferentes fontes e algoritmos, como RealGraph, TweepCred, Trust & Safety, GraphJets, etc. Light Ranker (Earlybird) Depois de obter os candidatos, um modelo de machine learning leve (light ranker) faz uma primeira classificação desses tweets. Heavy Ranker Os tweets classificados pelo light ranker são então processados por um modelo mais pesado e complexo (heavy ranker) para uma classificação mais precisa. Heurísticas e Filtros Após o ranqueamento dos tweets, el...

Consistent Hashing Consistent hashing é um conceito fundamental em sistemas distribuídos para distribuir dados de forma uniforme entre múltiplos servidores enquanto minimiza a necessidade de reorganização dos dados quando os servidores são adicionados ou removidos da rede. Esse método é amplamente utilizado em caches distribuídos, bancos de dados distribuídos, sistemas de armazenamento de arquivos e balanceamento de carga, entre outros. Princípios Básicos do Consistent Hashing: Círculo de Hash : O espaço de hash é imaginado como um círculo (ou anel), com cada servidor e cada chave de dados mapeados para um ponto no círculo usando uma função de hash. Mapeamento de Chaves : Cada dado (como uma chave de cache ou uma chave de banco de dados) é mapeado para um ponto no círculo de hash usando a mesma função de hash. Isso determina qual servidor será responsável por armazenar ou processar essa chave. Redistribuição Balanceada : Quando um servidor é adicionado ou removido do sistema, apenas um...