TDC SÃO PAULO ONLINE
O encontro de comunidades e empresas no Brasil

Trilha MACHINE LEARNING

Abrindo a caixinha preta do aprendizado de máquina.

Machine Learning refere-se à habilidade das máquinas de aprenderem a realizar alguma tarefa sem serem diretamente programadas. Este termo está muito em alta atualmente, mas pouco se fala sobre o que realmente está por trás da ?caixa preta? do que é usado pelas empresas.

Nesta trilha, iremos desmistificar os algoritmos de ML através de palestras de nível intermediário à avançado com aplicações, melhores práticas e conteúdo inovador do estado da arte!

Você não pode perder!

Data

Quinta-feira, 27 de Agosto de 2020

09h às 19h (somente ao vivo)

Investimento

Tabela de Pacotes de Preços da Fase 1 INSCREVA-SE

Como se inscrever

Palestras

Hora Conteúdo
09:00 às 09:30 Abertura do evento e mini keynote

No palco da Stadium, todos serão orientados sobre o funcionamento do evento, destaques e outras novidades.

09:30 às 10:20 Keynote da manhã

Os keynotes serão apresentados no palco da Stadium.

10:25 às 10:40 Abertura da trilha pela coordenação

Aqui os coordenadores se apresentam e fazem uma introdução para a trilha.

10:45 às 11:20

BERT meets ElMo: Da Vila Sésamo aos avanços em PLN

José Ahirton Batista Lopes Filho

Os últimos anos têm sido pontos de inflexão com relação aos modelos de aprendizagem de máquina que conseguem lidar com texto (mais precisamente, ligados a rápida evolução da área de Processamento de Linguagem Natural - PLN).

A verdade é que nosso entendimento sobre como se representar melhor palavras e frases para que possamos utilizar significados e relacionamentos tem evoluído cada vez mais rapidamente.

A presente palestra tem como objetivo exemplificar modelos tais como o BERT, ELM, ULMFiT, OpenAI Transformer, dentre outros modelos que têm quebrado paradigmas a respeito do modo como lidamos com as mais diversas tarefas baseadas em idioma.

11:25 às 12:00

A Ascensão das Redes Neurais em Grafos

Otávio Calaça Xavier

Redes Neurais para Grafos (Graph Neural Networks) são arquiteturas de Redes Neurais Profundas que recebem como entrada um grafo. Elas são utilizadas para classificação ou geração de grafos, arestas e vértices, reconhecimento de padrões em grafos, agrupamento por semelhança de estruturas que podem ser representadas em grafos, entre outras tarefas. As aplicações são diversas, desde a composição e classificação de estruturas moleculares (na geração de novos medicamentos, por exemplo), até o reconhecimento de padrões em redes sociais. Essa palestra destina-se a apresentar o conceito e alguns exemplos práticos em Python (utilizando a biblioteca DGL com PyTorch).

12:05 às 12:25 Open Space

12:25 às 13:00

Detecção de Logomarcas com Deep One-Shot Network

Daniel Theisges dos Santos

Arquiteturas tradicionais de redes convolucionais precisam utilizar uma grande quantidade de imagens para detectar objetos. Sempre que uma nova classe de objetos é adicionada, a base de dados precisa ser alterada e um novo modelo deve ser gerado a partir do treinamento. Nesta apresentação, mostraremos um método de One-Shot Learning capaz de generalizar a detecção de objetos, dispensando a necessidade de treinar um novo o modelo quando novas classes são adicionadas.

A arquitetura da rede neural utiliza conceitos de Encoder-Decoder para segmentar regiões na imagem e foi aplicada ao problema de detecção de logomarcas.

13:00 às 13:45 Intervalo para almoço

Intervalo para o almoço e recarregar energias.

13:45 às 14:00 Abertura da tarde e mini keynote

No palco da Stadium, todos serão orientados sobre o funcionamento do evento, destaques e outras novidades.

14:00 às 14:35

Federated learning: Machine learning customizada na palma da mão.

Mirelle Bueno

Já imaginou ter dispositivos/aplicativos adaptados totalmente aos seus gostos, rotina, personalidade, sendo único para cada pessoa e principalmente sem comprometer sua privacidade? Doideira né? Porém, com o Federated learning, ou aprendizado de máquina distribuído isso já está virando uma realidade.

14:40 às 15:15

ShapleyGAN - Entendo o Comportamento de Sistemas de Busca com Modelos Explicativos de Machine Learning

Junior Koch

O Elo7 é o maior marketplace de produtos manufaturados do Brasil. Com milhões de produtos disponíveis as ferramentas de busca são essenciais para que usuários encontrem o que procuram. Assim, para otimizar a relevância do sistema de busca uma série de parâmetros são inseridos manualmente dentro do sistema. Como existem diversos parâmetros e métricas o resultado de mudanças no sistema não é trivial de ser interpretado. Para diminuir efeitos colaterais nocivos desenvolvemos um modelo explicativo de machine learning baseado em teoria dos jogos. Isso permitiu mostrar como as características dos produtos contribuem para a relevância dos produtos retornados na busca, além de recomendar mudanças.

15:20 às 15:55

TensorFlow Hub - Machine Learning mais fácil

Luiz GUStavo Martins

Aplicar Machine Learning em seus projetos é sempre um desafio. Com TensorFlow Hub esse desafio fica mais fácil. Nessa palestra, explicarei o que é TF Hub e como utiliza-lo de forma simples e direta.

16:00 às 17:00

Como lidar com o viés em machine learning?

Samara Alvarez / Virgínia Fernandes Mota / Pedro Lelis
Painel Digital desta Trilha
17:10 às 18:00 Keynote da tarde

Os keynotes serão apresentados no palco da Stadium.

18:05 às 18:25 Encerramento

Após a apresentação de resultados do dia, no palco da Stadium, muitos sorteios fecharão o dia.


Grade sujeita a alterações

Coordenação da Trilha MACHINE LEARNING


Patrocinadores

Diamond




Apoio


Realização