TDC TRANSFORMATION
Competências para evolução das pessoas e negócios

Estudos recentes mostram que um vazamento envolvendo dados pessoais causa prejuízos para as empresas na média de 3,86 milhões de dólares.

Enquanto isso observa-se que o assunto ainda causa espanto e com isso infinitas dúvidas. Compartilhar uma visão prática do que se têm observado no mercado quanto a estas dúvidas é nosso objetivo aqui.

Se os dados já vazaram antes por que eu devo me preocupar?

Este dado é público, não preciso se preocupar se ele vazar a partir da minha infraestrutura né?

Foi um ataque envolvendo sequestro digital de dados (ransonware), isso não é vazamento, certo?

Vazam dados de empresas muito grandes, então nem vou investir nisso, não tenho como conter?

Como posso me proteger desses vazamentos?

Não sei por onde começar, o que preciso fazer?

Como vão saber se o dado vazado foi aquele que estava na minha custódia, se já vazou antes?

A análise de sobrevivência é a área que estuda e modela o tempo até a ocorrência de um evento. A vantagem desse conhecimento é que ele pode ser aplicado em diversas áreas como saúde, financeiro, indústrias dentre outras. Essa técnica pode responder perguntas como: "Quais fatores influenciam no tempo de recuperação de um paciente?", "Qual o tempo médio de permanência de seus clientes ativos?", "O que influencia no tempo ate ocorrer churn ", "Quais fatores aumentam o risco de um paciente com HIV vir a óbito".

Adquirir esse conhecimento pode ajudar a compreender melhor diversas situações como a possibilidade de criar insights. Além disso, criar planos de ações mais eficazes.

Bases de dados biológicas são um dos artefatos mais essencias na Bioinformática. Os dados que elas armazenam são utilizados em estudos que podem levar à descoberta de novos fármacos, entendimento de processos biológicos, surgimento, prevenção e cura de doenças, desenvolvimento de vacinas e várias outras pesquisas essenciais. No entanto, a curadoria desses dados não é simples, o que pode limitar e enviesar esses estudos. Nesse sentido, o Aprendizado de Máquina se mostra um grande aliado e vamos mostrar um pouco de como temos feito isso, nessa palestra.

O projeto open-source Mlflow possibilita a gerencia de todo o ciclo de vida de projetos de machine learning. Mostrarei um projeto real em como acompanhar experimentos com MLflow Tracking. Compartilhamento de código (e reproduzível) com colegas usando o MLflow Projects. Produtizando seus modelos com MLFlow Models e finalmente, gerenciando as versões em um model store com MLflow model registry.

Esta apresentação irá falar um pouco do trabalho que eu fiz na minha conclusão de curso, e o objetivo foi tentar prever a velocidade media das vias do recife monitoradas por sensores de transito que fazem o monitoramento dos carros na cidade.

Será discutido nesta apresentação o desenvolvimento de um modelo que utiliza a técnica de Record Linkage para a detecção de fraude aplicado em aberturas de chamados com dados pessoais. Além das etapas e procedimentos para a vinculação e comparação dos dados, será discutido o desenvolvido do modelo que utiliza a biblioteca Dedupe, que usa um conjunto de regras com campos predefinidos para encontrar valores de similaridades textuais entre os dados fraudulentos. Com intuito de aprimorar a previsão realizada, foram utilizados os resultados obtidos como dados de entrada em diferentes modelos de classificação de aprendizado de máquina.

A Inteligência Computacional (IC) busca desenvolver na máquina as habilidades provenientes, naturalmente, dos seres humanas. Para nós, reconhecer gestos e ações é algo aprimorado nos primeiros anos de vida. Mas como desenvolver esta expertise em um computador? Como o computador reconhece nossas ações? Esta apresentação mostrará a evolução da área de IC frente a trabalhos que realizam o reconhecimento automático da Língua Brasileira de Sinais (Libras) e como eu venho aplicando isso desde o meu mestrado e, agora, no doutorado.

A leitura de histórias estimula a atividade cerebral infantil além de ser capaz de fortalecer os laços entre pais e filhos. Com a chegada de um novo membro na família e a necessidade de garantir boas leituras, passei a reunir diferentes contos me deparando com uma dura realidade: eles são finitos.

Para aumentar as possibilidades de histórias (e momentos) extraí de diferentes sites diversos contos infantis e treinei uma Rede Neural Recorrente para poder gerar infinitos novos textos parecidos com os textos originais coletados. Nesta palestra demonstro de maneira didática a construção do dataset, a aplicação dos modelos e os resultados obtidos, através de códigos e boa leitura.