Rede Bayesiana é um modelo estatístico muito usado para modelagem de fenômenos que apresentam uma interdepência probabilística, seguindo o Teorema de Bayes. Nesta apresentação, tratamos primeiramente de como a rede é estruturada, focando em sua representação como um grafo direcionado. Falamos sobre como são geradas as tabelas de probabilidade condicional (CPT), como ocorre o fluxo de influência dentro da estrutura, entre outros pontos. Finalmente, partimos para uma aplicação, onde discutimos algumas métricas, como acurácia, precisão e recall.

Há muito conhecimento 'escondido' em dados semi/não estruturados em sistemas de informação. De forma objetiva, a palestra traz uma proposta simplificada de mineração de textos como ferramenta para descoberta de padrões em chamados fracamente categorizados em um Service Desk, tangenciando pontos desde a obtenção e tratamento de informações até a camada de visualização, em ferramentas como Pentaho PDI, desenvolvimento em Python e Tableau.

If you believe data can power and disrupted businesses this talk is for you. In this talk you will join me into an overall unboxing of data science, how I learned and used it to empower the company I work with, enabling them to take conscious and informed decisions on how to react and plan ahead on different circumstances. A great chance to learn data science and how to apply it on real life.

Grande parte dos modelos de Machine Learning são considerados caixa-preta, o que pode dificultar tanto sua inspeção pelos engenheiros que os criaram quanto sua utilidade no mundo real e sua aceitação pelo público.

Nós abordaremos técnicas para se explicar predições de modelos caixa-preta baseados em árvores, como Random Forest e Boosted Trees, bem como uma abordagem que permite explicar predições geradas por qualquer tipo de classificador, inclusive com aplicações em processamento de imagens e de linguagem natural.

OK, sua empresa já tem bastante dados sobre seus clientes ou usuários. E agora? Como usar esses dados para gerar valor?

• Quais métricas e modelos são importantes?

• Como segmentar minha base?

• Como ter melhoras sistemáticas de performance?

AEL irá é o futuro das aplicação a partir de motores emergentes. Hoje você pode desenvolver visualmente o aplicativo para o motor Pentaho em um cluster Spark. À medida que surgem novas tecnologias, a AEL será implementada para outros motores, de modo que os desenvolvedores não precisam reescrever sua aplicação. Esta abordagem também permite que Cientistas de Dados usem das melhores praticas tecnologias sem conhecer detalhes mais aprofundados de arquiteturas de big data e consigam executar seu tratamento de dados com pouco esforço ( ou nenhum ) de codificação. Atualmente o Pentaho e a única ferramenta de ETL que implementa o conceito de AEL no mundo e me parece uma tendência clara.

Explorar novas audiências através de lookalikes tem sido uma feature poderosa em publicidade digital. O processo consiste em encontrar uma audiência significativamente maior, onde seus hábitos de consumo sejam similares aos do segmento de menor tamanho fornecido pelo cliente. Ao final se atingem audiências maiores e mais abrangentes a partir da audiência semente. Porém, encontrar lookalikes qualificados em um cenário de big data torna-se um desafio de engenharia e de ciência de dados. Na apresentação se discutirão desafios e soluções técnicas encontradas no desenvolvimento da arquitetura de lookalike utilizando Apache Spark em uma base de dados com 400 milhões de perfis anônimos.

Na era de transformações exponenciais em que vivemos, dados surgem como tijolos digitais na construção das pontes do novo mundo. Vamos discutir sobre a importância de provocar mais pessoas a explorar dados para promover inovação social positiva e utilizar o poder do big data para fazer o bem.