TDC 2019
Porto Alegre
O encontro de comunidades e empresas no Brasil

Trilha Data Science O uso de dados de forma inteligente está transformando negócios em toda parte.

Se há dados, há oportunidades de transformação.

Esta trilha busca contar histórias a partir de dados, abrangendo aplicações práticas que fazem uso de machine learning, mineração de dados e/ou matemática/estatística.

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 Classificação automatizada de produtos: Uma aplicação prática de IA
Paulo Fernando Benetti Marcon / Joao Gutheil

Descubra como a líder no setor de calçados para mulheres está usando Data Science para melhorar a sua operação e ganhar agilidade. Conheça o case de aplicação de Deep Learning para a classificação de sapatos e entenda como, a partir das fotos, obtemos suas características, bem como o ferramental, a arquitetura de algoritmos utilizada e a vantagem competitiva que isso está gerando.

11:10 às 12:00 XGBoost e LightGBM: O que são métodos de boosting e por que eles estão dominando o Kaggle
Luiz Antônio Nonenmacher Júnior

Muito se fala do excelente desempenho de redes neurais e Deep Learning nas mais variadas tarefas, mas quando se trata de dados tabulares os métodos que hoje apresentam o melhor desempenho e estão ganhando competições cmo o Kaggle são métodos de boosting que utilizam árvores de decisão.

Nessa palestra, vamos explorar todos os conceitos necessários para entender esses métodos, iniciando por ensembling, seguido de boosting (um tipo específico de ensembling) e finalizando com as implementações mais utilizadas (XGBoost, LightGBM e CatBoost).

12:10 às 13:00 Utilizando Machine Learning para prever tendências de abandono em um Programa de Reabilitação Pulmonar
Wesllei Heckler

As doenças respiratórias atingem grande parte da população brasileira e podem limitar as funcionalidades dos portadores. O ?Projeto de Extensão Reabilitação Pulmonar? da Universidade Feevale visa melhorar a qualidade de vida de portadores dessas doenças. Diante desse contexto, foi desenvolvida uma ferramenta para identificar tendências de abandono dos pacientes e extrair conhecimento sobre os dados do projeto com a utilização de machine learning. As técnicas Support Vector Machine, Decision Tree e Random Forest foram comparadas, onde Random Forest demonstrou melhor acurácia na predição de abandono. A partir disso, é possível traçar estratégias para a redução de abandonos.

Utilização da Análise de Classes Latentes para estimar similaridades na detecção de propostas fraudulentas
Renan Cintra

A proposta deste trabalho é aplicar a técnica de Análise de Classes Latentes para identificar similaridades entre inconsistências em propostas de concessão de crédito e assim diminuir o custo operacional em se analisar todos os possíveis casos num contexto de detecção de fraude. A abordagem adotada foi estimar a probabilidade de pertencimento a classes construídas e, dessa forma, ordenar as propostas similares à proposta em que se detectou inconsistência. O critério de similaridade entre as propostas foi a distância euclidiana, baseada nas probabilidades de pertencimento de cada classe.

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 Analise de qualidade de atendimento em call centers
Thaissa Bueno Sanches

Atender o cliente com qualidade é fundamental, e como a evolução tecnológica e o uso de inteligência artificial é possível criar ferramentas capazes de ajudar a melhorar cada vez mais o atendimento, apesar de cada dia mais as pessoas utilizarem meios como chatbots , chats para entra em contato com as empresas, o meio telefônico ainda é um dos principais e mais importantes, através do uso de inteligencia artificial e analise de dados é possível se converter um áudio em texto e através de processamento de linguagem natural se extrair varias informações, assim como dados dos áudio e com isso criar indicadores de qualidade.

A importância da engenharia de features - Um case real
Fábio Junqueira

Apresentação de técnicas de engenharia de features, e como as mesmas foram utilizadas para resolver um problema real de detecção de fraudes.

Serão discutidas questões como z-scores, "bucketizações" de valores contínuos, transformações logarítmicas e outras técnicas.

Concluiremos falando sobre como técnicas de ensemble-learning foram utilizadas na construção da versão final do modelo.

15:10 às 16:00 Como melhorar o seu workflow de experimentos de modelos utilizando Sacred e MLFlow
Leonardo Rodrigues Lima
Nesta palestra os participantes terao a oportunidade de conhecer uma ferramenta que auxilia na organizacao dos experimentos de modelos utilizando Python. A Sacred, é um framewok open-source que promete tornar a experiência de construcao de modelos mais divertida e fornecer ao cientista de dados formas de ser mais organizado e conseguir reproduzir com fidelidade experimentos de modelos, e outros problemas que advém desta atividade como: otimizacao de hiperparametros, selecao de modelos, variáveis de ambiente e etc.
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 Prevendo Churn com Machine Learning
Gabriel Ghellere / Robson Kitano

Customer churn é uma métrica de negócio que mede a taxa de cancelamento ou evasão dos Clientes. Um alto índice de churn impacta em perda de receita e aumento de custos para a aquisição de novos usuários.

Conseguir identificar quais usuários são mais propensos a "churnar" (preditor de churn) e poder tomar medidas preventivas é o sonho de muitas empresas e pode conferir uma importante vantagem competitiva para a organização.

Nesta apresentação será mostrado como o Machine Learning foi usado na criação de um preditor de churn. Serão abordados também quais foram os principais desafios do projeto, quais a técnicas de feature engineering utilizadas e os principais algoritmos testados.

17:40 às 18:30 An overview about Geometric Deep Learning
Holisson Cunha / Roberto Coutinho

Geometric Deep Learning é um subcampo de Deep Learning, focado em técnicas para o desenvolvimento de modelos de redes neurais em domínios não-euclidianos, como grafos e objetos 3D. Embora modelos de Deep Learning tenham alcançado sucesso em problemas relacionados a visão computacional, linguagem natural e processamento de áudio, seguindo as regras da geometria euclidiana, essas técnicas não podem ser aplicadas diretamente em domínios 3D. Nosso objetivo é apresentar uma visão geral sobre Geometric Deep Learning, seus conceitos fundamentais, e demonstrar como Redes Neurais Convolucionais podem ser modificadas par ser aplicada em grafos e manifolds.

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, 27 de Novembro de 2019

10 às 19h

UniRitter

Rua Orfanotrófio, 555
Alto Teresópolis | Porto Alegre - RS

Informações sobre Data e Local


Público Alvo

Estudantes dos cursos de CC, SI, ADS, JD, Física, Medicina e Engenharias. Empresários, Empreendedores, Profissionais de Marketing, Programadores, Desenvolvedores, Analista de Negócios, Administradores de Banco de Dados e Administradores de Data Warehouse.


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 da Trilha Data Science

Fábio Junqueira
Fábio Junqueira
CWI Software
Wesllei Heckler
Wesllei Heckler
CIGAM Software Corporativo S.A.

Patrocinadores

Diamond





Patrocinios e Apoios Trilha e Workshop


Atendimento Corporativo


Realização

Instituição Parceira