Mantenha tudo organizado com as coleções
Salve e categorize o conteúdo com base nas suas preferências.
Domine seu caminho
Para se tornar um especialista em aprendizado de máquina, primeiro você precisa de uma base sólida em quatro áreas de aprendizado : codificação, matemática, teoria de ML e como construir seu próprio projeto de ML do início ao fim.
As quatro áreas da educação em aprendizado de máquina
Ao iniciar sua trajetória educacional, é importante primeiro entender como aprender ML. Dividimos o processo de aprendizagem em quatro áreas de conhecimento, com cada área fornecendo uma peça fundamental do quebra-cabeça do ML. Para ajudá-lo em seu caminho, identificamos livros, vídeos e cursos online que irão aprimorar suas habilidades e prepará-lo para usar o ML em seus projetos. Comece com nossos currículos guiados projetados para aumentar seu conhecimento ou escolha seu próprio caminho explorando nossa biblioteca de recursos.
Habilidades de codificação: construir modelos de ML envolve muito mais do que apenas conhecer conceitos de ML – requer codificação para fazer o gerenciamento de dados, ajuste de parâmetros e análise de resultados necessários para testar e otimizar seu modelo.
Matemática e estatísticas: ML é uma disciplina matemática pesada, portanto, se você planeja modificar modelos de ML ou construir novos do zero, a familiaridade com os conceitos matemáticos subjacentes é crucial para o processo.
Teoria de ML: conhecer os fundamentos da teoria de ML lhe dará uma base para construir e o ajudará a solucionar problemas quando algo der errado.
Crie seus próprios projetos: obter experiência prática com ML é a melhor maneira de testar seu conhecimento, então não tenha medo de mergulhar cedo com um simples colab ou tutorial para praticar.
Currículos do TensorFlow
Comece a aprender com um de nossos currículos guiados contendo cursos, livros e vídeos recomendados.
Aprenda o básico do ML com esta coleção de livros e cursos online. Você será apresentado ao ML e guiado pelo aprendizado profundo usando o TensorFlow 2.0. Então você terá a oportunidade de praticar o que aprendeu com tutoriais para iniciantes.
Depois de compreender os fundamentos do aprendizado de máquina, leve suas habilidades para o próximo nível, mergulhando na compreensão teórica das redes neurais, no aprendizado profundo e melhorando seu conhecimento dos conceitos matemáticos subjacentes.
Aprenda os fundamentos do desenvolvimento de modelos de aprendizado de máquina em JavaScript e como implantá-los diretamente no navegador. Você receberá uma introdução de alto nível sobre aprendizado profundo e como começar a usar o TensorFlow.js por meio de exercícios práticos.
Recursos educacionais
Escolha seu próprio caminho de aprendizagem e explore livros, cursos, vídeos e exercícios recomendados pela equipe do TensorFlow para ensinar os fundamentos do ML.
Livros
Cursos online
Conceitos matemáticos
Recursos de TF
IA centrada no ser humano
Livros
Ler é uma das melhores maneiras de compreender os fundamentos do ML e do aprendizado profundo. Os livros podem fornecer a compreensão teórica necessária para ajudá-lo a aprender novos conceitos mais rapidamente no futuro.
Este livro introdutório fornece uma abordagem de código inicial para aprender como implementar os cenários de ML mais comuns, como visão computacional, processamento de linguagem natural (PNL) e modelagem de sequência para tempos de execução incorporados, móveis, na nuvem e na Web.
Usando exemplos concretos, teoria mínima e duas estruturas Python prontas para produção — Scikit-Learn e TensorFlow — este livro ajuda você a obter uma compreensão intuitiva dos conceitos e ferramentas para a construção de sistemas inteligentes.
por Ian Goodfellow, Yoshua Bengio e Aaron Courville
Este livro didático de Deep Learning é um recurso destinado a ajudar estudantes e profissionais a entrar no campo do aprendizado de máquina em geral, e do aprendizado profundo em particular.
Este livro fornece uma base teórica sobre redes neurais. Não utiliza TensorFlow, mas é uma ótima referência para estudantes interessados em aprender mais.
Uma abordagem prática de ponta a ponta dos fundamentos do TensorFlow.js para um amplo público técnico. Ao terminar este livro, você saberá como criar e implantar sistemas de aprendizado profundo prontos para produção com TensorFlow.js.
por Shanqing Cai, Stanley Bileschi, Eric D. Nielsen com François Chollet
Escrito pelos principais autores da biblioteca TensorFlow, este livro fornece casos de uso fascinantes e instruções detalhadas para aplicativos de aprendizado profundo em JavaScript no seu navegador ou no Node.
Fazer um curso online com várias partes é uma boa maneira de aprender os conceitos básicos de ML. Muitos cursos oferecem ótimos explicadores visuais e as ferramentas necessárias para começar a aplicar o aprendizado de máquina diretamente no trabalho ou em seus projetos pessoais.
Desenvolvido em colaboração com a equipe do TensorFlow, este curso faz parte da especialização para desenvolvedores do TensorFlow e ensinará as práticas recomendadas para usar o TensorFlow.
Neste curso on-line desenvolvido pela equipe do TensorFlow e pela Udacity, você aprenderá como criar aplicativos de aprendizado profundo com o TensorFlow.
Nesta especialização de quatro cursos ministrada por um desenvolvedor do TensorFlow, você explorará as ferramentas e os desenvolvedores de software usados para criar algoritmos escalonáveis com tecnologia de IA no TensorFlow.
O curso intensivo de aprendizado de máquina com APIs do TensorFlow é um guia de autoaprendizagem para aspirantes a praticantes de aprendizado de máquina. Ele apresenta uma série de aulas com vídeo-aulas, estudos de caso do mundo real e exercícios práticos.
Neste curso do MIT, você obterá conhecimento básico de algoritmos de aprendizado profundo e experiência prática na construção de redes neurais no TensorFlow.
Em cinco cursos, você aprenderá os fundamentos do Deep Learning, entenderá como construir redes neurais e aprenderá como liderar projetos de aprendizado de máquina bem-sucedidos e construir uma carreira em IA. Você dominará não apenas a teoria, mas também verá como ela é aplicada na indústria.
Você aprendeu como construir e treinar modelos. Agora aprenda a navegar em vários cenários de implantação e a usar os dados de maneira mais eficaz para treinar seu modelo nesta especialização de quatro cursos.
Esta especialização é para engenheiros de software e ML com um conhecimento básico do TensorFlow que desejam expandir seu conhecimento e conjunto de habilidades aprendendo recursos avançados do TensorFlow para construir modelos poderosos.
Saiba como você pode obter mais atenção em suas pesquisas de ponta ou fornecer superpoderes em seus aplicativos da web em trabalhos futuros para seus clientes ou para a empresa para a qual você trabalha com aprendizado de máquina baseado na web.
Para aprofundar seu conhecimento de ML, esses recursos podem ajudá-lo a compreender os conceitos matemáticos subjacentes necessários para um avanço de nível superior.
Uma visão panorâmica da álgebra linear para aprendizado de máquina. Nunca fez álgebra linear ou sabe um pouco sobre o básico e quer ter uma ideia de como ela é usada em ML? Então este vídeo é para você.
Esta especialização online do Coursera visa preencher a lacuna entre matemática e aprendizado de máquina, deixando você atualizado na matemática subjacente para construir uma compreensão intuitiva e relacioná-la com aprendizado de máquina e ciência de dados.
3blue1brown centra-se na apresentação da matemática com uma abordagem que prioriza o visual. Nesta série de vídeos, você aprenderá os fundamentos de uma rede neural e como ela funciona por meio de conceitos matemáticos.
Uma série de vídeos curtos e visuais de 3blue1brown que explicam os fundamentos do cálculo de uma forma que proporciona uma forte compreensão dos teoremas fundamentais, e não apenas de como as equações funcionam.
Este curso introdutório do MIT cobre teoria de matrizes e álgebra linear. É dada ênfase a tópicos que serão úteis em outras disciplinas, incluindo sistemas de equações, espaços vetoriais, determinantes, autovalores, similaridade e matrizes definidas positivas.
por Gareth James, Daniela Witten, Trevor Hastie e Rob Tibshirani
Este livro fornece uma visão geral acessível do campo da aprendizagem estatística, um conjunto de ferramentas essencial para compreender o vasto e complexo mundo de conjuntos de dados necessários para treinar modelos em aprendizagem de máquina.
Reunimos nossos recursos favoritos para ajudar você a começar a usar bibliotecas e estruturas do TensorFlow específicas para suas necessidades. Vá para nossas seções sobre TensorFlow.js , TensorFlow Lite e TFX .
Você também pode navegar no guia oficial e nos tutoriais do TensorFlow para obter os exemplos e colaborações mais recentes.
Machine Learning Foundations é um curso de treinamento gratuito onde você aprenderá os fundamentos da construção de modelos de aprendizado de máquina usando o TensorFlow.
Este ML Tech Talk foi desenvolvido para aqueles que conhecem os fundamentos do aprendizado de máquina, mas precisam de uma visão geral dos fundamentos do TensorFlow (tensores, variáveis e gradientes sem usar APIs de alto nível).
Este ML Tech Talk inclui aprendizado de representação, famílias de redes neurais e seus aplicativos, uma primeira visão de uma rede neural profunda e muitos exemplos de código e conceitos do TensorFlow.
Nesta série, a equipe do TensorFlow analisa diversas partes do TensorFlow do ponto de vista da codificação, com vídeos sobre o uso das APIs de alto nível do TensorFlow, processamento de linguagem natural, aprendizado neural estruturado e muito mais.
Aprenda a identificar os casos de uso de ML mais comuns, incluindo análise de multimídia, construção de pesquisa inteligente, transformação de dados e como incorporá-los rapidamente em seu aplicativo com ferramentas fáceis de usar.
Obtenha um conhecimento prático de uso de ML no navegador com JavaScript. Aprenda como escrever modelos personalizados a partir de uma tela em branco, retreinar modelos por meio de aprendizagem por transferência e converter modelos de Python.
Uma abordagem prática de ponta a ponta dos fundamentos do TensorFlow.js para um amplo público técnico. Ao terminar este livro, você saberá como criar e implantar sistemas de aprendizado profundo prontos para produção com TensorFlow.js.
Uma série de três partes que explora o treinamento e a execução de modelos de aprendizado de máquina com TensorFlow.js e mostra como criar um modelo de aprendizado de máquina em JavaScript que pode ser executado diretamente no navegador.
Vá do zero ao herói com ML da web usando TensorFlow.js. Aprenda como criar aplicativos da web de próxima geração que podem ser executados no lado do cliente e usados em praticamente qualquer dispositivo.
Parte de uma série maior sobre aprendizado de máquina e construção de redes neurais, esta playlist de vídeos se concentra no TensorFlow.js, a API principal, e em como usar a biblioteca JavaScript para treinar e implantar modelos de ML.
Aprenda como criar seu primeiro aplicativo de ML no dispositivo por meio de roteiros de aprendizagem que fornecem guias passo a passo para casos de uso comuns, incluindo classificação de áudio, pesquisa visual de produtos e muito mais.
Aprenda como implantar modelos de aprendizagem profunda em dispositivos móveis e incorporados com o TensorFlow Lite neste curso, desenvolvido pela equipe do TensorFlow e pela Udacity como uma abordagem prática para implantação de modelos para desenvolvedores de software.
Veja na prática como montar um sistema de pipeline de produção com o TFX. Abordaremos rapidamente tudo, desde aquisição de dados, construção de modelos até implantação e gerenciamento.
Este livro orienta você nas etapas de automação de um pipeline de ML usando o ecossistema TensorFlow. Os exemplos de aprendizado de máquina neste livro são baseados no TensorFlow e no Keras, mas os conceitos principais podem ser aplicados a qualquer estrutura.
Expanda suas capacidades de engenharia de produção nesta especialização de quatro cursos. Aprenda como conceituar, construir e manter sistemas integrados que operam continuamente na produção.
Ao projetar um modelo de ML ou criar aplicativos orientados por IA, é importante considerar as pessoas que interagem com o produto e a melhor maneira de criar justiça, interpretabilidade, privacidade e segurança nesses sistemas de IA.
Este guia do Google o ajudará a criar produtos de IA centrados no ser humano. Isso permitirá que você evite erros comuns, projete experiências excelentes e concentre-se nas pessoas enquanto cria aplicativos orientados por IA.
Este módulo de uma hora do MLCC do Google apresenta aos alunos diferentes tipos de preconceitos humanos que podem se manifestar em dados de treinamento, bem como estratégias para identificar e avaliar seus efeitos.
Para se tornar um especialista em aprendizado de máquina, primeiro você precisa de uma base sólida em quatro áreas de aprendizado : codificação, matemática, teoria de ML e como construir seu próprio projeto de ML do início ao fim.
As quatro áreas da educação em aprendizado de máquina
Ao iniciar sua trajetória educacional, é importante primeiro entender como aprender ML. Dividimos o processo de aprendizagem em quatro áreas de conhecimento, com cada área fornecendo uma peça fundamental do quebra-cabeça do ML. Para ajudá-lo em seu caminho, identificamos livros, vídeos e cursos online que irão aprimorar suas habilidades e prepará-lo para usar o ML em seus projetos. Comece com nossos currículos guiados projetados para aumentar seu conhecimento ou escolha seu próprio caminho explorando nossa biblioteca de recursos.
Habilidades de codificação: construir modelos de ML envolve muito mais do que apenas conhecer conceitos de ML – requer codificação para fazer o gerenciamento de dados, ajuste de parâmetros e análise de resultados necessários para testar e otimizar seu modelo.
Matemática e estatísticas: ML é uma disciplina matemática pesada, portanto, se você planeja modificar modelos de ML ou construir novos do zero, a familiaridade com os conceitos matemáticos subjacentes é crucial para o processo.
Teoria de ML: conhecer os fundamentos da teoria de ML lhe dará uma base para construir e o ajudará a solucionar problemas quando algo der errado.
Crie seus próprios projetos: obter experiência prática com ML é a melhor maneira de testar seu conhecimento, então não tenha medo de mergulhar cedo com um simples colab ou tutorial para praticar.
Currículos do TensorFlow
Comece a aprender com um de nossos currículos guiados contendo cursos, livros e vídeos recomendados.
Aprenda o básico do ML com esta coleção de livros e cursos online. Você será apresentado ao ML e guiado pelo aprendizado profundo usando o TensorFlow 2.0. Então você terá a oportunidade de praticar o que aprendeu com tutoriais para iniciantes.
Depois de compreender os fundamentos do aprendizado de máquina, leve suas habilidades para o próximo nível, mergulhando na compreensão teórica das redes neurais, no aprendizado profundo e melhorando seu conhecimento dos conceitos matemáticos subjacentes.
Aprenda os fundamentos do desenvolvimento de modelos de aprendizado de máquina em JavaScript e como implantá-los diretamente no navegador. Você receberá uma introdução de alto nível sobre aprendizado profundo e como começar a usar o TensorFlow.js por meio de exercícios práticos.
Recursos educacionais
Escolha seu próprio caminho de aprendizagem e explore livros, cursos, vídeos e exercícios recomendados pela equipe do TensorFlow para ensinar os fundamentos do ML.
Livros
Cursos online
Conceitos matemáticos
Recursos de TF
IA centrada no ser humano
Livros
Ler é uma das melhores maneiras de compreender os fundamentos do ML e do aprendizado profundo. Os livros podem fornecer a compreensão teórica necessária para ajudá-lo a aprender novos conceitos mais rapidamente no futuro.
Este livro introdutório fornece uma abordagem de código inicial para aprender como implementar os cenários de ML mais comuns, como visão computacional, processamento de linguagem natural (PNL) e modelagem de sequência para tempos de execução incorporados, móveis, na nuvem e na Web.
Usando exemplos concretos, teoria mínima e duas estruturas Python prontas para produção — Scikit-Learn e TensorFlow — este livro ajuda você a obter uma compreensão intuitiva dos conceitos e ferramentas para a construção de sistemas inteligentes.
por Ian Goodfellow, Yoshua Bengio e Aaron Courville
Este livro didático de Deep Learning é um recurso destinado a ajudar estudantes e profissionais a entrar no campo do aprendizado de máquina em geral, e do aprendizado profundo em particular.
Este livro fornece uma base teórica sobre redes neurais. Não utiliza TensorFlow, mas é uma ótima referência para estudantes interessados em aprender mais.
Uma abordagem prática de ponta a ponta dos fundamentos do TensorFlow.js para um amplo público técnico. Ao terminar este livro, você saberá como criar e implantar sistemas de aprendizado profundo prontos para produção com TensorFlow.js.
por Shanqing Cai, Stanley Bileschi, Eric D. Nielsen com François Chollet
Escrito pelos principais autores da biblioteca TensorFlow, este livro fornece casos de uso fascinantes e instruções detalhadas para aplicativos de aprendizagem profunda em JavaScript no seu navegador ou no Node.
Fazer um curso online com várias partes é uma boa maneira de aprender os conceitos básicos de ML. Muitos cursos oferecem ótimos explicadores visuais e as ferramentas necessárias para começar a aplicar o aprendizado de máquina diretamente no trabalho ou em seus projetos pessoais.
Desenvolvido em colaboração com a equipe do TensorFlow, este curso faz parte da especialização para desenvolvedores do TensorFlow e ensinará as práticas recomendadas para usar o TensorFlow.
Neste curso on-line desenvolvido pela equipe do TensorFlow e pela Udacity, você aprenderá como criar aplicativos de aprendizado profundo com o TensorFlow.
Nesta especialização de quatro cursos ministrada por um desenvolvedor do TensorFlow, você explorará as ferramentas e os desenvolvedores de software usados para criar algoritmos escalonáveis com tecnologia de IA no TensorFlow.
O curso intensivo de aprendizado de máquina com APIs do TensorFlow é um guia de autoaprendizagem para aspirantes a praticantes de aprendizado de máquina. Ele apresenta uma série de aulas com vídeo-aulas, estudos de caso do mundo real e exercícios práticos.
Neste curso do MIT, você obterá conhecimento básico de algoritmos de aprendizado profundo e experiência prática na construção de redes neurais no TensorFlow.
Em cinco cursos, você aprenderá os fundamentos do Deep Learning, entenderá como construir redes neurais e aprenderá como liderar projetos de aprendizado de máquina bem-sucedidos e construir uma carreira em IA. Você dominará não apenas a teoria, mas também verá como ela é aplicada na indústria.
Você aprendeu como construir e treinar modelos. Agora aprenda a navegar em vários cenários de implantação e a usar os dados de maneira mais eficaz para treinar seu modelo nesta especialização de quatro cursos.
Esta especialização é para engenheiros de software e ML com um conhecimento básico do TensorFlow que desejam expandir seu conhecimento e conjunto de habilidades aprendendo recursos avançados do TensorFlow para construir modelos poderosos.
Saiba como você pode obter mais atenção em suas pesquisas de ponta ou fornecer superpoderes em seus aplicativos da web em trabalhos futuros para seus clientes ou para a empresa para a qual você trabalha com aprendizado de máquina baseado na web.
Para aprofundar seu conhecimento de ML, esses recursos podem ajudá-lo a compreender os conceitos matemáticos subjacentes necessários para um avanço de nível superior.
Uma visão panorâmica da álgebra linear para aprendizado de máquina. Nunca fez álgebra linear ou sabe um pouco sobre o básico e quer ter uma ideia de como ela é usada em ML? Então este vídeo é para você.
Esta especialização online do Coursera visa preencher a lacuna entre matemática e aprendizado de máquina, deixando você atualizado na matemática subjacente para construir uma compreensão intuitiva e relacioná-la com aprendizado de máquina e ciência de dados.
3blue1brown centra-se na apresentação da matemática com uma abordagem que prioriza o visual. Nesta série de vídeos, você aprenderá os fundamentos de uma rede neural e como ela funciona por meio de conceitos matemáticos.
Uma série de vídeos curtos e visuais de 3blue1brown que explicam os fundamentos do cálculo de uma forma que proporciona uma forte compreensão dos teoremas fundamentais, e não apenas de como as equações funcionam.
Este curso introdutório do MIT cobre teoria de matrizes e álgebra linear. É dada ênfase a tópicos que serão úteis em outras disciplinas, incluindo sistemas de equações, espaços vetoriais, determinantes, autovalores, similaridade e matrizes definidas positivas.
por Gareth James, Daniela Witten, Trevor Hastie e Rob Tibshirani
Este livro fornece uma visão geral acessível do campo da aprendizagem estatística, um conjunto de ferramentas essencial para compreender o vasto e complexo mundo de conjuntos de dados necessários para treinar modelos em aprendizagem de máquina.
Reunimos nossos recursos favoritos para ajudar você a começar a usar bibliotecas e estruturas do TensorFlow específicas para suas necessidades. Vá para nossas seções sobre TensorFlow.js , TensorFlow Lite e TFX .
Você também pode navegar no guia oficial e nos tutoriais do TensorFlow para obter os exemplos e colaborações mais recentes.
Machine Learning Foundations é um curso de treinamento gratuito onde você aprenderá os fundamentos da construção de modelos de aprendizado de máquina usando o TensorFlow.
Este ML Tech Talk foi desenvolvido para aqueles que conhecem os fundamentos do aprendizado de máquina, mas precisam de uma visão geral dos fundamentos do TensorFlow (tensores, variáveis e gradientes sem usar APIs de alto nível).
Este ML Tech Talk inclui aprendizado de representação, famílias de redes neurais e seus aplicativos, uma primeira visão de uma rede neural profunda e muitos exemplos de código e conceitos do TensorFlow.
Nesta série, a equipe do TensorFlow analisa diversas partes do TensorFlow do ponto de vista da codificação, com vídeos sobre o uso das APIs de alto nível do TensorFlow, processamento de linguagem natural, aprendizado neural estruturado e muito mais.
Aprenda a identificar os casos de uso de ML mais comuns, incluindo análise de multimídia, construção de pesquisa inteligente, transformação de dados e como incorporá-los rapidamente em seu aplicativo com ferramentas fáceis de usar.
Obtenha um conhecimento prático de uso de ML no navegador com JavaScript. Aprenda como escrever modelos personalizados a partir de uma tela em branco, retreinar modelos por meio de aprendizagem por transferência e converter modelos de Python.
Uma abordagem prática de ponta a ponta dos fundamentos do TensorFlow.js para um amplo público técnico. Ao terminar este livro, você saberá como criar e implantar sistemas de aprendizado profundo prontos para produção com TensorFlow.js.
Uma série de três partes que explora o treinamento e a execução de modelos de aprendizado de máquina com TensorFlow.js e mostra como criar um modelo de aprendizado de máquina em JavaScript que pode ser executado diretamente no navegador.
Vá do zero ao herói com ML da web usando TensorFlow.js. Aprenda como criar aplicativos da web de próxima geração que podem ser executados no lado do cliente e usados em praticamente qualquer dispositivo.
Parte de uma série maior sobre aprendizado de máquina e construção de redes neurais, esta playlist de vídeos se concentra no TensorFlow.js, a API principal, e em como usar a biblioteca JavaScript para treinar e implantar modelos de ML.
Aprenda como criar seu primeiro aplicativo de ML no dispositivo por meio de roteiros de aprendizagem que fornecem guias passo a passo para casos de uso comuns, incluindo classificação de áudio, pesquisa visual de produtos e muito mais.
Aprenda como implantar modelos de aprendizagem profunda em dispositivos móveis e incorporados com o TensorFlow Lite neste curso, desenvolvido pela equipe do TensorFlow e pela Udacity como uma abordagem prática para implantação de modelos para desenvolvedores de software.
Veja na prática como montar um sistema de pipeline de produção com o TFX. Abordaremos rapidamente tudo, desde aquisição de dados, construção de modelos até implantação e gerenciamento.
Este livro orienta você nas etapas de automação de um pipeline de ML usando o ecossistema TensorFlow. Os exemplos de aprendizado de máquina neste livro são baseados no TensorFlow e no Keras, mas os conceitos principais podem ser aplicados a qualquer estrutura.
Expanda suas capacidades de engenharia de produção nesta especialização de quatro cursos. Aprenda como conceituar, construir e manter sistemas integrados que operam continuamente na produção.
Ao projetar um modelo de ML ou criar aplicativos orientados por IA, é importante considerar as pessoas que interagem com o produto e a melhor maneira de criar justiça, interpretabilidade, privacidade e segurança nesses sistemas de IA.
Este guia do Google o ajudará a criar produtos de IA centrados no ser humano. Isso permitirá que você evite erros comuns, projete experiências excelentes e concentre-se nas pessoas enquanto cria aplicativos orientados por IA.
Este módulo de uma hora do MLCC do Google apresenta aos alunos diferentes tipos de preconceitos humanos que podem se manifestar em dados de treinamento, bem como estratégias para identificar e avaliar seus efeitos.
[{
"type": "thumb-down",
"id": "missingTheInformationINeed",
"label":"Não contém as informações de que eu preciso"
},{
"type": "thumb-down",
"id": "tooComplicatedTooManySteps",
"label":"Muito complicado / etapas demais"
},{
"type": "thumb-down",
"id": "outOfDate",
"label":"Desatualizado"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"Problema na tradução"
},{
"type": "thumb-down",
"id": "samplesCodeIssue",
"label":"Problema com as amostras / o código"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"Outro"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"Fácil de entender"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"Meu problema foi resolvido"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"Outro"
}]
{}
[[["Fácil de entender","easyToUnderstand","thumb-up"],["Meu problema foi resolvido","solvedMyProblem","thumb-up"],["Outro","otherUp","thumb-up"]],[["Não contém as informações de que eu preciso","missingTheInformationINeed","thumb-down"],["Muito complicado / etapas demais","tooComplicatedTooManySteps","thumb-down"],["Desatualizado","outOfDate","thumb-down"],["Problema na tradução","translationIssue","thumb-down"],["Problema com as amostras / o código","samplesCodeIssue","thumb-down"],["Outro","otherDown","thumb-down"]],[],[],[]]