Trilha Machine Learning Machine e deep learning, deixe de ver essas palavras apenas como buzzword

Muito se fala nesse em Machine learning e deep learning mas pouco se mostra, nessa trilha teremos assuntos do intermediário ao avançado com aplicações, melhores práticas e novos algoritmos que estão no estado da arte!

Esta trilha foi duplicada devido à grade procura. Veja a grade de palestras da outra sala

Coordenação

Poliana Nascimento Ferreira

Italo Jose Gonçalves de Oliveira

Jozias Rolim de Araújo Júnior

Patrocínio Trilha

TODAS AS TRILHAS

Programação / Palestras TODAS AS TRILHAS

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	Virando um MC com TensorFlow Letícia Pedroso / Igor Luiz Halfeld Nesta apresentação, utilizaremos o TensorFlow para gerar letras de Funks, a partir de letras de músicas diversas com aprendizado de máquina supervisionado. A intenção é mostrar o poder do TensorFlow para geração de textos, em determinados formatos, e como isso pode ser introduzido em casos mais próximos da realidade das pessoas. Nada melhor que um exemplo mais descontraído como um Funk Generator, não é mesmo? E para apimentar ainda mais, faremos um front-end para podermos colocar a letra e fazer a "mulher do google trandutor" cantar para a gente ao som de alguma batida(devagar, média, rápida)
11:10 às 12:00	Machine Learning integrado ao produto de software: No more XGH Diogo Munaro Vieira Ao criar um novo modelo de Machine learning para resolver um problema, precisamos garantir para os clientes daquela solução o mesmo que garantimos quando desenvolvemos uma API ou qualquer outro produto de software. Por que achamos tão normal fazer Machine learning no modo XGH (eXtreme Go Horse)? Quais as melhores práticas? Como estamos começando a encarar os produtos na Globo.com? Qual a relação disso com a lei geral de proteção de dados (LGPD)? Acelerando OpenCL e ML com FPGAs João Dullius Entenda como o uso do paralelismo intrinsico dos FPGAs está acelerando em hardware aplicações C/C++/OpenCL e as vantagens deste tipo de arquitetura para processamento em ML. Cada vez mais vemos mais modelos e frameworks de ML sendo desenvolvidos. Ter um hardware customizável que seja "future proof" e suporte essa evolução é fundamental.
12:10 às 13:00	Uso de Pytorch para aplicações de visão computacional Fulvio Mascara SLIDES Apresentar uma visão geral do framework de Deep Learning PyTorch, criado pelo Facebook, que tem apresentado um aumento em sua curva de adoção nos últimos tempos, graças a algumas características interessantes que o diferenciam de outros frameworks. Após esta apresentação, será feita uma demonstração com código de uma aplicação de visão computacional, utilizando PyTorch. TensorFlow Extended: Libraries for an end-to-end Data Science pipeline Pedro Lelis SLIDES TensorFlow Extended (TFX) is specifically designed for scalable, high-performance machine learning tasks incluing modeling, training, serving inference, and managing deployments to online, native mobile, and JavaScript targets. The pipeline components are built using the following TFX libraries which can also be used individually: TF Data Validation, TF Transform, TF Model Analysis and TF Serving.
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	Como colocar modelos TensorFlow em produção com C++ (Desktop e Android) Arnaldo Gualberto de Andrade e Silva SLIDES Nem sempre é possível disponibilizar modelos de Deep Learning como um serviço através de API. Além disso, às vezes também é necessário que esse mesmo modelo rode num dispositivo Android sem necessidade de conexão com a internet. Nesses casos, o Python pode não ser a linguagem mais adequada para essas tarefas. Nessa palestra, nós vamos aprender como utilizar modelos TensorFlow treinados no Python diretamente no C++ para fazer inferência. Todo o processo será detalhado: desde o build do TensorFlow a partir do código fonte original até a configuração do projeto e utilização da API C++ do TensorFlow em CPU e GPU.
15:10 às 16:00	Automação de BackOffice de uma grande corporação financeira usando Visão Computacional e Redes Neurais Convolucionais (CNN) Antonio Carlos da Silva Senra Filho / Francisco Bruno de Sousa Rocha SLIDES O Aprendizado Profundo (Deep Learning) é uma das tecnologias empregadas atualmente que tem sido muito usada em ambientes empresariais. Nesta palestra, procuramos abordar uma possível abordagem para a manipulação e extração de dados em imagens de documentos digitalizados, fazendo uso de visão computacional (Computer Vision - CV), redes convolucionais (Convolutional Neural Networks - CNN) e extração de informação por algoritmos de reconhecimento de carácter óptico (Optical Character Recognition - OCR), para a finalidade de extração de dados em documentos digitalizados. Todas as pessoas com pouco ou nenhum conhecimento de CV, CNN ou OCR são bem vindas a participar.
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	Mineração de dados em séries temporais para sistemas biométricos Henrique Passos SLIDES Aprender a extrair valor de informações temporais é de grande importância, existem uma diversidade de problemas que envolvem séries temporais. A mineração de dados em séries temporais trabalha na evolução da área. Essa apresentação compreende a utilização de técnicas intuitivas e efetivas na representação de séries temporais aplicadas em sistemas biométricos baseados em sinais de ECG. Muitas dessas técnicas são base para analise de séries temporais e podem ser estendidas para a maior das aplicações. Metodologia CRISP-DM para projetos de Machine Learning Waslley Souza Gerenciar projetos de Machine Learning pode ser uma tarefa bem complexa e frustrante se não for baseada em uma metodologia. O CRISP-DM é uma metodologia que foi criada para Data Mining algum tempo atrás, mas ela por incrível que pareça ela se encaixa perfeitamente em projetos de Machine Learning. Machine Learning não é apenas sobre implementação de código, é necessário um bom gerenciamento para que os projetos tenham sucesso! Venha aprender como o CRISP-DM pode ajudar na jornada desses projetos.
17:40 às 18:30	Recomendação na OLX: Entregando conteúdo personalizado para milhões de usuários em tempo real Filipe Casal / Leonardo Wajnsztok SLIDES A OLX vem trabalhando em sistemas de recomendação por pouco mais de 2 anos, conseguindo entregar mais 200M de recomendações, para mais de 8M de usuários, todos os dias. Nesta palestra, iremos apresentar como uma arquitetura baseada em grafos pode resolver problemas conhecidos na área de sistemas de recomendação (cold start, treinamento, entre outros), sendo capaz de gerar, com alta escalabilidade e customização, recomendações contextualizadas.
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

Sexta-feira, 19 de Julho de 2019

10 às 19 h

Universidade Anhembi Morumbi

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

Informações sobre Data e Local

Público Alvo

Praticantes de machine learning e deep learning | pessoas que tem um conhecimento básico no assunto.

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.