Sempre que precisar lidar com um projeto de Big Data, você precisará resolver duas questões principais: poder de computação e armazenamento de dados. Usando o Microsoft Azure e Azure Databricks,esses problemas se tornaram uma memória distante,com a plataforma azure , temos disponíveis vários serviços , escaláveis que podem ajudar e muito no desenvolvimento, seja em um projeto de Big Data ou de machine learning, como o Databricks, Data Factory, Data Lake e o Azure Machine Learning Service, que são soluções altamente escaláveis, especialmente desenvolvidos para trabalhar com grande quantidade de dados e processar dados em alto volume em cenários empresariais com exigência de alto desempenho.

Irei apresentar técnicas para lidar com dados desbalanceados em seu modelo de Machine Learning, o que a teoria diz e o que funciona na prática para seu modelo de classificação binária. Para complementar ainda quero demonstrar duas formas para otimizar seus modelos de classificação: otimização do limite para classificar como classe positiva e cost-sensitive learning.

Técnicas de Processamento de Linguagem Natural (PLN) permitem processar de maneira eficiente um grande volume de dados textuais para obtenção de informações relevantes, identificação de padrões, classificação de textos, entre outras aplicações. O Google BERT (Bidirectional Encoder Representations from Transformers) considera o contexto das palavras à direita e à esquerda de forma verdadeiramente bidirecional em todas as camadas. Nesta apresentação iremos mostrar algumas vantagens obtidas por essa técnica em contact centers, com a finalidade de melhorar a experiência do usuário.

Quanto iremos faturar no próximo mês? Quantos usuários teremos em nossa plataforma? Quanto iremos gastar em custos de AWS? Essas são algumas das perguntas que podem ser respondidas com previsão de séries temporais. Nessa palestra, você irá conhecer o que é Previsão de Séries Temporais; como aplicá-la em Python utilizando modelos autoregressivos; quais são seus tradeoff; e como você pode acelerar seu processo de exploração e experimentação com a ferramenta open-source Arauto.

Segundo a ONU, a fome atinge mais de 820 milhões de pessoas no mundo, em contrapartida, temos que a má alimentação mata mais do que cigarro (The Lancet, 2019). Esta pesquisa utiliza dados do Open Food Facts, com 600.000 produtos, 163 atributos relacionados a ingredientes, composição nutricional e informações técnicas. O objetivo da pesquisa é sinalizar o grau de risco associado aos alimentos, relativos às informações nutricionais e ficha técnica. A pesquisa utiliza técnicas de aprendizado supervisionado e por reforço, e algoritmos como: Naive Bayes, SVM, RNA, Extreme Gradient Boosting e Ensemble Methods. Posteriormente, estará disponível em App.

A Hand Talk é uma tecnologia assistiva que possui um intérprete virtual chamado Hugo, que traduz automaticamente, através de inteligência Artificial, conteúdo para Língua de Sinais, utilizada pelos surdos, seja através de um app ou um plugin para sites.

Fatores que interferem no desempenho do Reconhecimento de Face são tipos:

Expressões Faciais Iluminação inadequada Disfarces Escala Posição da Face

Trago uma proposta para compartilhar conhecimentos sobre a NLP em uma apresentação teórica com exemplos práticos sobre: a) Clusterização de textos - Conceitos básicos sobre a clusterização de textos: dendograma, bag of words e exemplo prático da ferramenta Open Refine. b) Reconhecimento de Entidades Nomeadas (REN) em textos descritivos como notas de empenho ou notas fiscais eletrònicas através de Aprendizado de Máquina. Uso de Conditional Random Fiels (CRF) para REN. d) Uso de Deep Learning com CRF. e) Análise de Similaridade e aplicação de Recommender System para indicar documentos com conteúdos suspeitos.

Neste talk, iremos dar a vida juntos a pequenos foguetes que buscam cumprir sua missão, chegar a seu destino. Através de populares tecnologias como Javascript e p5.js, irei te mostrar mais do que Inteligência Artificial, e sim como (finalmente) entender Machine Learning. Aqui, através de uma didática simples, te mostrarei como construir um Algoritmo Genético (Q-Learning) em um projeto de foguetes inteligentes, utilizando de Programação Visual e Criativa. No final de contas, o projeto é apenas uma desculpa para eu te provar que Inteligência Artificial NÃO é um bicho de 7 cabeças e sim uma divertida forma de pensar computação.

Aplicações com aprendizagem de máquina estão se tornando populares, no entanto, o processo para desenvolvê-los, implantá-los e melhorá-los continuamente é mais complexo em comparação com softwares mais tradicionais, como um serviço da web ou um aplicativo móvel.

Eles estão sujeitos a alterações em três eixos: o próprio código, o modelo e os dados.

Seu comportamento geralmente é complexo e difícil de prever, e eles são mais difíceis de testar, mais difíceis de explicar e de melhorar.

A Entrega Contínua para Machine Learning (Continuous Delivery for Machine Learning - CD4ML) é a disciplina de trazer princípios e práticas de entrega contínua aplicada a aplicações com apredizagem máquina.