TDC 2019
São Paulo
O encontro de comunidades e empresas no Brasil

Trilha Data Science A profissão mais "sexy" do século XXI

Por que Data Science é sexy?

Tem algo a ver com tantas novas aplicações e novas indústrias que surgem do uso criterioso de grandes quantidades de dados.

Exemplos incluem reconhecimento de fala, reconhecimento de objetos em visão computacional, robôs e carros autônomos, bioinformática, neurociência, a descoberta de exoplanetas e uma compreensão das origens do universo, e até mesmo a montagem de times de beisebol baratos, mas vencedores. :)

Em cada um desses casos, o Cientista de Dados é peça central para toda a empresa. Ele/ela deve combinar o conhecimento da área de aplicação com o conhecimento estatístico e implementá-lo usando as últimas novidades em ciência da computação. Por isso ser sexy na verdade é ser eficaz!

Nesta trilha haverão palestras dinâmicas com casos reais da atuação.

Você não pode ficar fora dessa!

Palestras

Importante: A grade de palestras está sujeita a alterações sem prévio aviso.
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 Strateegia, Strategi, Strategy: Entendendo o Machine Learning Canvas e criando um projeto de ML de sucesso
Jones Madruga / Adauto Braz

Criado em 2015 por Louis Dorard, o Machine Learning Canvas é uma ferramenta simples mas extremamente poderosa e que pode ajudar a salvar seus projetos de ML antes mesmo de começarem ou, ainda, dar aquela força para que saiam do papel. Prever o que sistemas preditivos serão capazes de prever (!?) é extremamente desafiador. Estimar custos, discutir quais serão os critérios de aceite, os dados a serem usados e, principalmente, o que será feito com as previsões, pode ser bem complexo. Envolver as pessoas certas, pensar estrategicamente, fazer perguntas chaves e documentar, pode ajudar a aumentar as chances de sucesso. O ML Canvas te ajudará a ter uma visão estratégica do projeto.

11:10 às 12:00 Hipersegmentação: Usando AI para definir os novos perfis dos clientes da maior empresa de bebidas do Brasil
Lucas Mascia

Empresas como a Cervejaria Ambev possuem uma carteira de cliente extremamente diversificada e, por isso, é necessário a segmentação destes clientes. Para ir além da tradicional segmentação, decimos trazer diversas informações distintas sobre nossos clientes e definir uma hipersegmentação onde estes são classificados de acordo com o perfil de compras, tipo de serviço, ocasião de consumo e entre outros aspectos. Com isso, conseguimos segmentar um cliente como "Bar" e hipersegmentar como "Balada", dando a possibilidade de tomar decisões e estratégias de acordo com essa combinação - atribuindo um atendimento personalizado, direcionado e assertivo para nosso cliente.

Teorema Central do Limite
Danilo de Jesus da Silva Bellini
Ilustração prática dos resultados do teorema central do limite, um resultado fundamental da estatística, incluindo interações com o público e a prova matemática do teorema.
12:00 às 13:00 Intervalo para Almoço
Uma excelente oportunidade de todas as pessoas no evento interagirem e trocarem ideias, colaboradores, empresas patrocinadoras e apoiadoras, palestrantes e coordenadores.
13:10 às 14:00 Como a Análise de Sentimento em Áudio pode nos ajudar a atender melhor os nossos clientes?
Peterson Zilli / José Maia

O cliente tem uma dúvida ou um problema e liga para o SAC. Do outro lado da linha, um atendente ouve atentamente o áudio da ligação e resolve o problema. Esta apresentação vai mostrar como você pode alavancar o poder deste áudio puro para detectar automaticamente momentos de stress na ligação. Apresentarei a construção de um modelo a partir de dados públicos e também as dificuldades enfrentadas por nós na implantação de um modelo similar em um banco.

14:10 às 15:00 Medindo a viabilidade de um projeto de Data Science
Guilherme Spadaccia Leme
Para definir se iremos iniciar um projeto de desenvolvimento de software definimos um problema e utilizamos recursos computacionais para resolve-lo. Para iniciarmos um projeto de data science isso não muda, porém necessitamos um outro insumo muito importante: os dados! Como os dados influenciam em nosso projeto? Como eles podem limitar nosso desenvolvimento? Como podemos saber se poderemos atingir os resultados experados pelo cliente? Nessa palestra tentarei mostrar os passos que sigo para responder essas perguntas e medir se um projeto de data science é ou não viável.
15:00 às 15:30 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.

15:40 às 16:30 Algoritmo Heurístico para Planejamento de Trens
Monica Cachoni
Sistemas ferroviários são uma importante parte entre os sistemas de transportes conhecidos, responsável pelo transporte de cargas e passageiros. Devido a quantidade de informações que precisam ser consideradas para que o operador receba precisamente os dados necessários para levar o trem de sua origem até o destino em segurança, uma série de restrições são estabelecidas, tornando-se necessário possuir uma ferramenta que seja capaz de fornecer um resultado para o problema. O modelo aqui proposto busca uma solução para o problema utilizando um método guloso desenhando a malha ferroviária como se fosse um grafo.
Como falhar em projetos de Data Science
Orlando da Silva Junior

A ciência dos dados avançou no Brasil e nós estamos deixando para trás as discussões sobre O QUE um cientista de dados faz e caminhando para debates que mostram COMO ele faz. Neste talk vamos contribuir com essa discussão mostrando como deixar que os erros-chave permitam que a empresa e o cientista de dados falhem em um projeto de Data Science.

16:40 às 17:30 Deep Learning para Sistemas de Recomendação
Gabriel de Souza Pereira Moreira
Sistemas de Recomendação têm cada vez mais personalizado e influenciado nossa experiência com serviços de entretenimento, notícias, e-commerce, instituições de saúde e financeiras, seguradoras, entre outros. Abordagens como filtragem colaborativa, filtragem baseada em conteúdo e suas combinações híbridas são muito populares. Recentemente, empresas líderes e pesquisadores têm explorado Deep Learning como a próxima revolução em RecSys. Nesta palestra, apresentaremos um panorama das principais técnicas de Deep Learning utilizadas em RecSys. Mostraremos exemplos de implementações de algumas técnicas utilizando TensorFlow e forneceremos datasets para auxiliar com os primeiros passos.
17:40 às 18:30 Classificação de gatos usando transfer learning
Luiz Antônio Nonenmacher Júnior
Transfer learning é um dos conceitos mais importantes para classificação de imagens usando redes neurais, pois permite importar um modelo já treinado em bancos de dados gigantescos e conseguir bons resultados em uma nova tarefa mesmo com um número reduzido de imagens. Nessa apresentação, eu vou demonstrar esse conceito ao fazer a classificação de gatos usando 600 imagens tiradas com um smartphone e comparar os resultados com e sem transfer learning.
Data Science para Classificação de Florestas em Imagens de Satélite
Alan Delgado de Oliveira / Matheus dos Santos Gonzaga
Nesta palestra, apresentaremos como desenvolver um classificador para cobertura vegetal em áreas de Mata Atlântica utilizando imagens de satélite e *Machine Learning*. Para realizar o treinamento desse modelo aplicamos algoritmos de *Gradient Boosting* (LightGBM) para a segmentação semântica automática dessas imagens, e a anotação das regiões utilizando polígonos no GoogleEarth. A metodologia que será apresentada também pode ser aplicada a diferentes contextos como, por exemplo, determinação de classes de objetos em áreas urbanas, gestão de recursos ambientais, e no planejamento de ações de resgate em caso de desastres naturais.
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

Quarta-feira, 17 de Julho de 2019

10 às 19h

Universidade Anhembi Morumbi

Rua Casa do Ator, 275
Vila Olímpia | São Paulo - SP

Informações sobre Data e Local


Público Alvo

Iniciante ao avançado


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.
Trilha Carreiras: Você poderá assistir às palestras da trilha Carreiras do mesmo dia.
Trilha Stadium: Você poderá assistir às palestras da trilha Stadium do mesmo dia.


Palestrantes desta trilha

José Maia
José Maia
Santander
Peterson Zilli
Peterson Zilli
Santander Tecnologia

Patrocinadores

Diamond





Patrocinios e Apoios Trilha e Workshop


Programa +Diversidade


Atendimento Corporativo


Realização

instituição Parceira

TDC Online