You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
223 lines
31 KiB
223 lines
31 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "c300f2380d9da91b7de8c707f69ce99b",
|
|
"translation_date": "2025-12-19T10:59:07+00:00",
|
|
"source_file": "README.md",
|
|
"language_code": "pt"
|
|
}
|
|
-->
|
|
[](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/issues/)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/pulls/)
|
|
[](http://makeapullrequest.com)
|
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/watchers/)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/network/)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/)
|
|
|
|
### 🌐 Suporte Multilíngue
|
|
|
|
#### Suportado via GitHub Action (Automatizado e Sempre Atualizado)
|
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
|
|
[Árabe](../ar/README.md) | [Bengali](../bn/README.md) | [Búlgaro](../bg/README.md) | [Birmanês (Myanmar)](../my/README.md) | [Chinês (Simplificado)](../zh/README.md) | [Chinês (Tradicional, Hong Kong)](../hk/README.md) | [Chinês (Tradicional, Macau)](../mo/README.md) | [Chinês (Tradicional, Taiwan)](../tw/README.md) | [Croata](../hr/README.md) | [Checo](../cs/README.md) | [Dinamarquês](../da/README.md) | [Holandês](../nl/README.md) | [Estónio](../et/README.md) | [Finlandês](../fi/README.md) | [Francês](../fr/README.md) | [Alemão](../de/README.md) | [Grego](../el/README.md) | [Hebraico](../he/README.md) | [Hindi](../hi/README.md) | [Húngaro](../hu/README.md) | [Indonésio](../id/README.md) | [Italiano](../it/README.md) | [Japonês](../ja/README.md) | [Kannada](../kn/README.md) | [Coreano](../ko/README.md) | [Lituano](../lt/README.md) | [Malaio](../ms/README.md) | [Malaiala](../ml/README.md) | [Marata](../mr/README.md) | [Nepali](../ne/README.md) | [Pidgin Nigeriano](../pcm/README.md) | [Norueguês](../no/README.md) | [Persa (Farsi)](../fa/README.md) | [Polaco](../pl/README.md) | [Português (Brasil)](../br/README.md) | [Português (Portugal)](./README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romeno](../ro/README.md) | [Russo](../ru/README.md) | [Sérvio (Cirílico)](../sr/README.md) | [Eslovaco](../sk/README.md) | [Esloveno](../sl/README.md) | [Espanhol](../es/README.md) | [Suaíli](../sw/README.md) | [Sueco](../sv/README.md) | [Tagalo (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Tailandês](../th/README.md) | [Turco](../tr/README.md) | [Ucraniano](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamita](../vi/README.md)
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
|
|
|
#### Junte-se à Nossa Comunidade
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
Temos uma série no Discord para aprender com IA em curso, saiba mais e junte-se a nós em [Learn with AI Series](https://aka.ms/learnwithai/discord) de 18 a 30 de setembro de 2025. Vai receber dicas e truques para usar o GitHub Copilot para Ciência de Dados.
|
|
|
|
|
|
|
|
# Aprendizagem Automática para Iniciantes - Um Currículo
|
|
|
|
> 🌍 Viaje pelo mundo enquanto exploramos Aprendizagem Automática através das culturas mundiais 🌍
|
|
|
|
Os Cloud Advocates da Microsoft têm o prazer de oferecer um currículo de 12 semanas, com 26 lições, totalmente dedicado à **Aprendizagem Automática**. Neste currículo, aprenderá sobre o que às vezes é chamado de **aprendizagem automática clássica**, usando principalmente a biblioteca Scikit-learn e evitando o deep learning, que é abordado no nosso [currículo AI para Iniciantes](https://aka.ms/ai4beginners). Combine estas lições com o nosso ['Currículo de Ciência de Dados para Iniciantes'](https://aka.ms/ds4beginners), também!
|
|
|
|
Viaje connosco pelo mundo enquanto aplicamos estas técnicas clássicas a dados de várias regiões do mundo. Cada lição inclui questionários pré e pós-lição, instruções escritas para completar a lição, uma solução, um desafio, e mais. A nossa pedagogia baseada em projetos permite aprender enquanto constrói, uma forma comprovada de fixar novas competências.
|
|
|
|
**✍️ Um grande obrigado aos nossos autores** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu e Amy Boyd
|
|
|
|
**🎨 Obrigado também aos nossos ilustradores** Tomomi Imura, Dasani Madipalli, e Jen Looper
|
|
|
|
**🙏 Agradecimentos especiais 🙏 aos nossos autores, revisores e colaboradores de conteúdo Microsoft Student Ambassador**, nomeadamente Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, e Snigdha Agarwal
|
|
|
|
**🤩 Gratidão extra aos Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, e Vidushi Gupta pelas nossas lições em R!**
|
|
|
|
# Começar
|
|
|
|
Siga estes passos:
|
|
1. **Faça um Fork do Repositório**: Clique no botão "Fork" no canto superior direito desta página.
|
|
2. **Clone o Repositório**: `git clone https://github.com/microsoft/ML-For-Beginners.git`
|
|
|
|
> [encontre todos os recursos adicionais para este curso na nossa coleção Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
> 🔧 **Precisa de ajuda?** Consulte o nosso [Guia de Resolução de Problemas](TROUBLESHOOTING.md) para soluções comuns relacionadas com instalação, configuração e execução das lições.
|
|
|
|
|
|
**[Estudantes](https://aka.ms/student-page)**, para usar este currículo, faça fork do repositório completo para a sua conta GitHub e complete os exercícios sozinho ou em grupo:
|
|
|
|
- Comece com um questionário pré-aula.
|
|
- Leia a aula e complete as atividades, pausando e refletindo em cada verificação de conhecimento.
|
|
- Tente criar os projetos compreendendo as lições em vez de apenas executar o código da solução; no entanto, esse código está disponível nas pastas `/solution` em cada lição orientada a projetos.
|
|
- Faça o questionário pós-aula.
|
|
- Complete o desafio.
|
|
- Complete a tarefa.
|
|
- Após completar um grupo de lições, visite o [Fórum de Discussão](https://github.com/microsoft/ML-For-Beginners/discussions) e "aprenda em voz alta" preenchendo a rubrica PAT apropriada. Um 'PAT' é uma Ferramenta de Avaliação de Progresso que é uma rubrica que preenche para aprofundar o seu aprendizado. Também pode reagir a outros PATs para aprendermos juntos.
|
|
|
|
> Para estudo adicional, recomendamos seguir estes módulos e percursos de aprendizagem [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott).
|
|
|
|
**Professores**, incluímos [algumas sugestões](for-teachers.md) sobre como usar este currículo.
|
|
|
|
---
|
|
|
|
## Vídeos explicativos
|
|
|
|
Algumas das lições estão disponíveis em formato de vídeo curto. Pode encontrá-los integrados nas lições ou na [playlist ML for Beginners no canal Microsoft Developer no YouTube](https://aka.ms/ml-beginners-videos) clicando na imagem abaixo.
|
|
|
|
[](https://aka.ms/ml-beginners-videos)
|
|
|
|
---
|
|
|
|
## Conheça a Equipa
|
|
|
|
[](https://youtu.be/Tj1XWrDSYJU)
|
|
|
|
**Gif por** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)
|
|
|
|
> 🎥 Clique na imagem acima para um vídeo sobre o projeto e as pessoas que o criaram!
|
|
|
|
---
|
|
|
|
## Pedagogia
|
|
|
|
Escolhemos dois princípios pedagógicos ao construir este currículo: garantir que é prático e **baseado em projetos** e que inclui **questionários frequentes**. Além disso, este currículo tem um **tema** comum para lhe dar coesão.
|
|
|
|
Ao garantir que o conteúdo está alinhado com projetos, o processo torna-se mais envolvente para os estudantes e a retenção dos conceitos será aumentada. Além disso, um questionário de baixo risco antes da aula define a intenção do estudante para aprender um tópico, enquanto um segundo questionário após a aula assegura uma retenção adicional. Este currículo foi desenhado para ser flexível e divertido e pode ser feito na totalidade ou em partes. Os projetos começam pequenos e tornam-se progressivamente mais complexos até ao final do ciclo de 12 semanas. Este currículo inclui também um posfácio sobre aplicações reais de ML, que pode ser usado como crédito extra ou como base para discussão.
|
|
|
|
> Encontre as nossas diretrizes de [Código de Conduta](CODE_OF_CONDUCT.md), [Contribuição](CONTRIBUTING.md), [Tradução](TRANSLATIONS.md) e [Resolução de Problemas](TROUBLESHOOTING.md). Agradecemos o seu feedback construtivo!
|
|
|
|
## Cada lição inclui
|
|
|
|
- sketchnote opcional
|
|
- vídeo suplementar opcional
|
|
- vídeo explicativo (apenas algumas lições)
|
|
- [questionário de aquecimento pré-aula](https://ff-quizzes.netlify.app/en/ml/)
|
|
- lição escrita
|
|
- para lições baseadas em projetos, guias passo a passo para construir o projeto
|
|
- verificações de conhecimento
|
|
- um desafio
|
|
- leitura suplementar
|
|
- tarefa
|
|
- [questionário pós-aula](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
|
> **Uma nota sobre línguas**: Estas lições são principalmente escritas em Python, mas muitas também estão disponíveis em R. Para completar uma lição em R, vá à pasta `/solution` e procure as lições em R. Estas incluem uma extensão .rmd que representa um ficheiro **R Markdown**, que pode ser simplesmente definido como uma incorporação de `blocos de código` (de R ou outras linguagens) e um `cabeçalho YAML` (que orienta como formatar saídas como PDF) num `documento Markdown`. Como tal, serve como um excelente framework de autoria para ciência de dados, pois permite combinar o seu código, a sua saída e os seus pensamentos escrevendo-os em Markdown. Além disso, documentos R Markdown podem ser convertidos para formatos de saída como PDF, HTML ou Word.
|
|
|
|
> **Uma nota sobre questionários**: Todos os questionários estão contidos na [pasta Quiz App](../../quiz-app), totalizando 52 questionários com três perguntas cada. Eles estão ligados dentro das lições, mas a aplicação de questionários pode ser executada localmente; siga as instruções na pasta `quiz-app` para hospedar localmente ou implantar no Azure.
|
|
|
|
| Número da Lição | Tópico | Agrupamento da Lição | Objetivos de Aprendizagem | Lição Ligada | Autor |
|
|
| :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: |
|
|
| 01 | Introdução ao machine learning | [Introduction](1-Introduction/README.md) | Aprenda os conceitos básicos por trás do machine learning | [Lesson](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
|
|
| 02 | A História do machine learning | [Introduction](1-Introduction/README.md) | Aprenda a história subjacente a este campo | [Lesson](1-Introduction/2-history-of-ML/README.md) | Jen and Amy |
|
|
| 03 | Justiça e machine learning | [Introduction](1-Introduction/README.md) | Quais são as questões filosóficas importantes em torno da justiça que os estudantes devem considerar ao construir e aplicar modelos de ML? | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi |
|
|
| 04 | Técnicas para machine learning | [Introduction](1-Introduction/README.md) | Que técnicas os investigadores de ML usam para construir modelos de ML? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen |
|
|
| 05 | Introdução à regressão | [Regression](2-Regression/README.md) | Comece com Python e Scikit-learn para modelos de regressão | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
|
|
| 06 | Preços de abóboras na América do Norte 🎃 | [Regression](2-Regression/README.md) | Visualize e limpe dados em preparação para ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
|
|
| 07 | Preços de abóboras na América do Norte 🎃 | [Regression](2-Regression/README.md) | Construa modelos de regressão linear e polinomial | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau |
|
|
| 08 | Preços de abóboras na América do Norte 🎃 | [Regression](2-Regression/README.md) | Construa um modelo de regressão logística | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
|
|
| 09 | Uma App Web 🔌 | [Web App](3-Web-App/README.md) | Construa uma app web para usar o seu modelo treinado | [Python](3-Web-App/1-Web-App/README.md) | Jen |
|
|
| 10 | Introdução à classificação | [Classification](4-Classification/README.md) | Limpe, prepare e visualize os seus dados; introdução à classificação | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau |
|
|
| 11 | Culinárias deliciosas asiáticas e indianas 🍜 | [Classification](4-Classification/README.md) | Introdução aos classificadores | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen and Cassie • Eric Wanjau |
|
|
| 12 | Culinárias deliciosas asiáticas e indianas 🍜 | [Classification](4-Classification/README.md) | Mais classificadores | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen and Cassie • Eric Wanjau |
|
|
| 13 | Culinárias deliciosas asiáticas e indianas 🍜 | [Classification](4-Classification/README.md) | Construa uma app web recomendadora usando o seu modelo | [Python](4-Classification/4-Applied/README.md) | Jen |
|
|
| 14 | Introdução ao clustering | [Clustering](5-Clustering/README.md) | Limpe, prepare e visualize os seus dados; Introdução ao clustering | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
|
|
| 15 | Explorando gostos musicais nigerianos 🎧 | [Clustering](5-Clustering/README.md) | Explore o método de clustering K-Means | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
|
|
| 16 | Introdução ao processamento de linguagem natural ☕️ | [Natural language processing](6-NLP/README.md) | Aprenda o básico sobre PLN construindo um bot simples | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
|
|
| 17 | Tarefas comuns de PLN ☕️ | [Natural language processing](6-NLP/README.md) | Aprofunde o seu conhecimento de PLN entendendo tarefas comuns necessárias ao lidar com estruturas linguísticas | [Python](6-NLP/2-Tasks/README.md) | Stephen |
|
|
| 18 | Tradução e análise de sentimento ♥️ | [Natural language processing](6-NLP/README.md) | Tradução e análise de sentimento com Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
|
|
| 19 | Hotéis românticos da Europa ♥️ | [Natural language processing](6-NLP/README.md) | Análise de sentimento com avaliações de hotéis 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
|
|
| 20 | Hotéis românticos da Europa ♥️ | [Natural language processing](6-NLP/README.md) | Análise de sentimento com avaliações de hotéis 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
|
|
| 21 | Introdução à previsão de séries temporais | [Time series](7-TimeSeries/README.md) | Introdução à previsão de séries temporais | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
|
|
| 22 | ⚡️ Consumo mundial de energia ⚡️ - previsão de séries temporais com ARIMA | [Time series](7-TimeSeries/README.md) | Previsão de séries temporais com ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
|
|
| 23 | ⚡️ Consumo mundial de energia ⚡️ - previsão de séries temporais com SVR | [Time series](7-TimeSeries/README.md) | Previsão de séries temporais com Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
|
|
| 24 | Introdução ao reinforcement learning | [Reinforcement learning](8-Reinforcement/README.md) | Introdução ao reinforcement learning com Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
|
|
| 25 | Ajude o Peter a evitar o lobo! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Reinforcement learning Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
|
|
| Postscript | Cenários e aplicações reais de ML | [ML in the Wild](9-Real-World/README.md) | Aplicações reais interessantes e reveladoras de ML clássico | [Lesson](9-Real-World/1-Applications/README.md) | Team |
|
|
| Postscript | Depuração de modelos em ML usando o dashboard RAI | [ML in the Wild](9-Real-World/README.md) | Depuração de modelos em Machine Learning usando componentes do dashboard Responsible AI | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
|
|
|
|
> [encontre todos os recursos adicionais para este curso na nossa coleção Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
## Acesso offline
|
|
|
|
Pode executar esta documentação offline usando [Docsify](https://docsify.js.org/#/). Faça um fork deste repositório, [instale o Docsify](https://docsify.js.org/#/quickstart) na sua máquina local e depois, na pasta raiz deste repositório, digite `docsify serve`. O website será servido na porta 3000 no seu localhost: `localhost:3000`.
|
|
|
|
## PDFs
|
|
|
|
Encontre um pdf do currículo com links [aqui](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
|
|
|
|
|
|
## 🎒 Outros Cursos
|
|
|
|
A nossa equipa produz outros cursos! Veja:
|
|
|
|
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
|
|
### LangChain
|
|
[](https://aka.ms/langchain4j-for-beginners)
|
|
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
|
|
|
|
---
|
|
|
|
### Azure / Edge / MCP / Agents
|
|
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
|
---
|
|
|
|
### Série de IA Generativa
|
|
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
|
|
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
|
|
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
|
|
|
|
---
|
|
|
|
### Aprendizagem Principal
|
|
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
|
|
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
|
---
|
|
|
|
### Série Copilot
|
|
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
|
|
<!-- CO-OP TRANSLATOR OTHER COURSES END -->
|
|
|
|
## Obter Ajuda
|
|
|
|
Se ficar bloqueado ou tiver alguma questão sobre como criar aplicações de IA. Junte-se a outros aprendizes e desenvolvedores experientes em discussões sobre MCP. É uma comunidade de apoio onde as perguntas são bem-vindas e o conhecimento é partilhado livremente.
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
Se tiver feedback sobre o produto ou erros durante a construção, visite:
|
|
|
|
[](https://aka.ms/foundry/forum)
|
|
|
|
---
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
**Aviso Legal**:
|
|
Este documento foi traduzido utilizando o serviço de tradução automática [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, por favor tenha em conta que traduções automáticas podem conter erros ou imprecisões. O documento original na sua língua nativa deve ser considerado a fonte autorizada. Para informações críticas, recomenda-se a tradução profissional humana. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações erradas decorrentes do uso desta tradução.
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |