Entenda como o tf-idf (term frequency–inverse document frequency), uma simples análise utilizada por grandes players (inclusive o Google!), pode servir para extrair os termos mais relevantes de um texto. Veremos quais os termos que se destacam tanto em um documento, quanto num conjunto de documentos, como você pode utilizar essas informações, e como isso se aplicou no nosso caso de uso ao tratarmos milhares de documentos de um grande cliente na área jurídica. Também será mostrado como esse processamento pode ser utilizado para outras técnicas de Machine Learning, ajudando a facilitar treinamentos e visualização de resultados.

R é uma linguagem de programação desenvolvida inicialmente para lidar com computação estatística e gráficos. No entanto, ao longo dos anos, muitos recursos e pacotes foram adicionados, oferecendo aos usuários mais ferramentas para criar ambientes inteiros. Um exemplo disso é o pacote Shiny: um framework para construir aplicações web usando o R. As aplicações Shiny são uma forma poderosa e fácil de compartilhar e comunicar sua análise e permitir que as pessoas interajam com ela. Na In Loco, temos uma série de aplicações construídas usando tal framework, tanto para clientes externos quanto internos. Nessa palestra vamos compartilhar os desafios e soluções aplicadas durante o desenvolvimento.

Responder uma pergunta a partir de dados, fazer a seleção e a leitura das fontes de interesse, tratar e explorar as informações, comunicar insights, ajustar modelos, deploy ... Traduzir a Ciência de Dados em uma sequência lógica de passos é um recurso extremamente útil para ilustrar a essência desta área. Contudo, este tipo de visão não faz jus à complexidade de cada uma das etapas do flow, além de passar uma ideia de linearidade que raramente é vivenciada na prática. Para esclarecer tudo isso, iremos nos aprofundar nos principais momentos que compõem a ciência de dados: descrevendo peculiaridades, dando dicas, e esclarecendo de uma vez por todas quem é esse tão falado Unicórnio dos Dados.

*Judge Panderson* é a solução de processamento e classificação em tempo real das mais de 100.000 mensagens enviadas por dias para os anunciantes dos portais *ZAP Imóveis* e *Vive Real*. Nesta palestra vamos apresentar a abordagem de machine learning utilizada para detecção de anomalias com o método _Isolation Forest_. Vamos descrever o pipeline de processamento de mensagens utilizando métodos de _Natural Language Processing (NLP)_.

Com a crescente tendência nos negócios em analisar dados e tomar decisões baseadas nessas análises, é importante nos perguntar: será que tomar decisões baseadas em dados são realmente importantes? Se sim, por quê? Vamos trazer a conversa de bar para o mundo dos dados para que possamos ilustrar essa discussão e tirar a prova de algumas das famosas discussões de boteco. Será que a chamada 'geração de ouro' do nosso futebol era melhor que a geração de hoje? Será que jogar em casa é realmente determinante para o time?

Fklearn is an open source machine learning library that uses functional programming principles to make it easier to solve real problems with Machine Learning. The name is a reference to the widely known scikit-learn library.

The fklearn principles are: * Validation should reflect real-life situations. * Production models should match validated models. * Models should be production-ready with few extra steps. * Reproducibility and in-depth analysis of model results should be easy to achieve.

Várias soluções em machine learning, de problemas básicos até os de competições do Kaggle, usam os mesmos algoritmos, mas o que diferencia os melhores resultados são aqueles que fazem o melhor feature engineering!

Embora esse tema seja tratado de forma informal, é talvez o processo mais importante para o funcionamento dos algoritmos de machine learning e tem impacto direto na acurácia do seu modelo e no sucesso do seu projeto.

Nesta apresentação, serão mostradas algumas técnicas fundamentais de feature engineering para machine learning. Mostraremos também as principais armadilhas e o impacto dessas técnicas aplicados em datasets conhecidos e em alguns cases da PlayKids.

O Pipeline do Scikit-learn é um objeto da biblioteca que facilita bastante o processamento de dados, sendo possível tanto treinar quando fazer predições utilizando a mesma Pipeline. Usar os modelos no Jupyter Notebook é uma das tarefas que realizamos durante as análises, mas o objetivo final de muitas soluções é integrar os modelos com alguma aplicação (normalmente aplicações web). Nesta palestra vamos treinar um modelo usando o scikit-learn e usar o Flask para construir uma API REST capaz de disponibilizar o modelo como um serviço web.

A história de Pernambuco desfila no seu carnaval. Remanescentes nagôs, indígenas, infantes, senhoras cantantes e a mistura intensa de marchas militares e negros capoeiras como estrela maior: o Frevo.

O bloco, une famílias e tem no Frevo o seu principal expoente de atração, e em sua base, as Orquestras dos grandes maestros pernambucanos, que giram a região metropolitana para ser a peça fundamental de milhares de agremiações.

Nessa apresentação, vamos demostrar através da visualização de dados animados, coletados pelo Mapa do Frevo, a circulação de várias Orquestras de Frevo pelos milhares de blocos de nosso Carnaval.