Trilha Machine Learning Predicting the future with data
Marcus Oliveira
Paulo Vasconcellos
Programação / Palestras
| Conteúdo | |
|---|---|
| 08:00 às 09:00 |
Credenciamento e recepção dos participantes
Todas as pessoas inscritas, palestrantes, coordenadores e de imprensa, devem retirar seus crachás e kit do congressista nos balcões de credenciamento localizados na entrada do evento, para obterem acesso às salas e Auditório Principal. |
| 09:00 às 10:00 |
Abertura do evento no Auditório Principal
Após o credenciamento, convidamos os participantes a comparecerem ao auditório para receberem as boas vindas por parte dos realizadores e patrocinadores. Neste keynote de abertura, todos serão orientados sobre o funcionamento do evento, destaques e outras novidades. |
| 10:10 às 11:00 |
ML na sala de aula: como a IA está mudando a educação em todo o mundo
Ahirton Lopes Dados gerados por meio do monitoramento diário de alunos e professores, tanto em ambientes tradicionais de aprendizagem quanto em e-learning, podem ser utilizados para se projetar melhorias relacionadas à educação, como a melhor recomendação de materiais didáticos, criação de planos de estudo personalizados e até gerar previsões sobre o desempenho dos alunos, por exemplo, evitando a evasão dos estudantes. Todas essas tarefas foram atacadas por algoritmos de Aprendizado de Máquina de última geração. Nesta apresentação, teremos uma experiência imersiva com alguns desses projetos e algoritmos, de modo que possamos visualizar o que vem a seguir.
|
| 11:10 às 12:00 |
Identificando árvores e rede elétrica com o Tensorflow
Tamara Márcia Mendes Apresentação de estratégias e desafios ao usar a biblioteca de aprendizado de máquina Tensorflow para detecção e classificação de objetos em imagens, com o objetivo de identificar ativos da rede elétrica, árvores e suas espécies.
Viés de dados: O perigo está nos detalhes
Virgínia Fernandes Mota Estamos vivendo a era que chamamos de Big Data. Temos uma quantidade exorbitante de dados e mecanismos de buscas, classificação, identificação que se alimentam desses dados para nos darem os melhores resultados. Mas como mensurar a qualidade de resultados? Com que tipo de dados estamos alimentando os sistemas de aprendizado de máquinas? Seria possível tornar um algoritmo preconceituoso que reflita valores da sociedade que estamos sempre lutando contra? É possível resolver os problemas gerados pela solução de ter mais dados? O perigo está nos detalhes! Correlação não é causalidade!
|
| 12:10 às 13:00 |
Como colocar seu modelo de aprendizado de máquina em produção
Ricardo Manhães Savii Um passo muito importante para mostrar valor do seu modelo é coloca-lo em produção. Há diversas tecnologias que podem auxiliar nessa tarefa. A minha intenção é mapear algumas principais como Data Version Control (DVC), data pipeline scheduler (airflow), containers (docker) e explicar seu uso. Felipe Leandro Andrade da Conceicao Esta palestra propõe apresentar um arcabouço multimodal para recomendação de vídeo baseado em redes neurais de aprendizagem profunda (Deep Learning). Ao contrário das soluções mais comuns, aqui serão explorados simultaneamente duas modalidades de dados, quais sejam: (i) conteúdo visual (imagens) e (ii) as modalidades textuais que, em conjunto com o fluxo de áudio, constituem os dados elementares de um vídeo. Resultados experimentais obtidos com três coleções reais (MovieLens-1M, MovieLens-10M e Vine), demonstram que este arcabouço pode melhorar em até 60,6% os resultados da recomendação, quando comparada a uma única modalidade de recomendação.
|
| 13:10 às 14:00 |
Intervalo para Almoço
Uma excelente oportunidade de todas as pessoas no evento
interagirem e trocarem ideias, colaboradores, empresas
patrocinadoras e apoiadoras, palestrantes e coordenadores.
|
| 14:10 às 15:00 |
People Analytics: O uso de Machine Learning para resolver problemas do RH
Arthur de Assis Silva People Analytics é uma cultura de coleta e análise de dados associados aos profissionais durante a sua jornada dentro da empresa com o objetivo de orientar as tomadas de decisão e gerar valor para o negócio. A apresentação mostrará os níveis de maturidade do negócio e as possibilidades de análises e modelos que poderão ser desenvolvidos e aplicados aos recursos humanos da empresa. Serão apresentadas análises para geração de insights e extração de informações sobre uma base de dados de RH criada. Também será apresentado, em Python, um passo-a-passo para a criação de um modelo de predição de turnover. Discutiremos a importância do cientista de dados durante todo o processo de desenvolvimento. |
| 15:10 às 16:00 |
Sentiment analysis
Alysson Dias Miranda Análise de Sentimentos é uma técnica de Machine Learning com objetivo de classificar o sentimento de um texto em relação a um assunto. Comumente aplicados no monitoramento em tempo real de posts em redes sociais, permite o acompanhamento e repercussão do lançamento de um produto, eventos ou usuários suspeitos na Internet.
Será apresentado uma aplicação desenvolvida pelo time de Data Science da Avenue Code que é baseado em micro serviços, comunica-se através de mensageria e efetua análise dos textos publicados em redes sociais. A solução calcula um score para cada publicação e, através dele, efetua a classificação do mesmo em um espectro de resultados positivo / negativo / neutro.
Visão computacional - A tecnologia das máquinas que enxergam.
Carlos Henrique Antonio Monteiro Rocha Como a Visão computacional pode ser aplicada da indústria a sua casa . |
| 16:00 às 16:30 |
Coffee-break e Networking
Durante o intervalo de coffee-break, serão entregues kits contendo suco e biscoitos. Um delicioso intervalo para relaxar, conhecer novas pessoas e estreitar contatos. Neste tempo, também surge a oportunidade de todas as pessoas no evento interagirem entre sí, participantes das trilhas, empresas patrocinadoras e apoiadoras, palestrantes e coordenadores. |
| 16:40 às 17:30 |
Extraindo o máximo de performance das CPUs para Deep Learning
Igor Freitas Aumentar a performance em Treinamento e Inferência em workloads de Machine/Deep Learning, tem-se mostrado um desafio e também uma necessidade, principalmente em ambientes de produção. Nesta palestra serão apresentadas técnicas de programação paralela úteis ao Desenvolvedor tanto na fase de protótipo quando na de deploy, extraindo o máximo de performance na Arquitetura Intel®. |
| 17:40 às 18:30 |
Redes neurais recorrentes para recomendar cursos: desafios e resultados
Guilherme Silveira Com mais de 700 cursos um dos desafios na Alura é guiar cada um de nossos alunos e alunas com o curso ideal para seu momento de vida. Recomendadores tradicionais foram testados e fracassaram miseravelmente. Usar algoritmos de NLP e redes neurais recorrentes gerou uma solução capaz de filtrar o ruído existente nos dados e vencer até mesmo recomendações humanas. Geramos assim recomendações de cursos que se encaixam com o contexto atual de cada aluno e aluna. Tais algoritmos tem sido a base de recomendadores usados por empresas como Netflix. Apresentaremos os desafios iniciais, modelagem, testes internos e resultados no dia a dia dos clientes. |
| 18:40 às 19:00 |
Encerramento e Sorteios
No horário de encerramento, todas as trilhas serão direcionadas de suas salas para o Auditório Principal, mesmo local da abertura. Após a apresentação de resultados do dia, muitos sorteios fecharão o dia. |
Data e Local
Quinta-feira, 13 de Junho de 2019
10 às 19h
Av. Prof. Mário Werneck, 1685 - Estoril
Estoril | Belo Horizonte - MG
Público Alvo
Cientistas de Dados ou aspirantes a Cientista de Dados
Investimento
presencial:R$ 290,00
Fazendo sua inscrição presencial, você terá acesso a esta
trilha e no mesmo dia também:
TDC Expo: Venha conversar com pessoas e conhecer empresas incríveis.
Lounge +Diversidade e Carreiras: Você poderá assistir às palestras que acontecem nesta área no mesmo dia.
Trilha Stadium: Você poderá assistir às palestras da trilha Stadium do mesmo dia.
