Fundamento de Aprendizado de Máquina Científico para Mecânica dos Fluidos - Aula 06 (3/3)

Aula 6 do NeuroFluidos (Parte 3 de 3) — um curso de introdução ao Aprendizado de Máquina Científico aplicado à Mecânica dos Fluidos. Na parte final, a teoria da PCA vira número. Resolvemos um exemplo bidimensional completo, do início ao fim, calculando na mão a matriz de covariância, os autovetores e autovalores, os scores, os valores singulares e uma reconstrução de posto 1 — vendo a variância descartada virar exatamente o erro de reconstrução. Depois consolidamos a interpretação geométrica (a PCA como rotação dos eixos até a direção de maior espalhamento) e discutimos os cuidados que separam quem usa PCA bem de quem usa mal: a sensibilidade à escala e à padronização, a adimensionalização por escalas características do problema, e as limitações do método — linearidade, outliers, alinhamento de estruturas coerentes, e o alerta de que variância grande é afirmação estatística, não importância física automática. Uma base essencial para quem quer unir inteligência artificial, física e computação. 🔗 Materiais e código no GitHub: https://github.com/rfa-rodrigo/PINN_C... 🔔 Inscreva-se para acompanhar as próximas aulas.