TDC BUSINESS
TECHNOLOGIES FOR TRANSFORMING BUSINESS

Com o aumento do uso de cartões de crédito, especialmente com vendas online, as técnicas capazes de detecar transações fraudulentas tiveram que se desenvolver de forma exponencial, garantindo assim a segurança do processo.

Vamos explocar uma das formas mais poderosas de se fazer essa detecção de fraudes, utilizando Redes Neurais, mostrando como uma das principais fraquezas de modelos de Deep Learning pode ser utilizada à seu favor, gerando uma técnica extremamente poderosa e eficiente.

(online)

Algoritmos de aprendizagem de máquina necessitam de um grande conjunto de dados para aprender e generalizar um determinado problema. Na maioria dos casos, as empresas não estão preparadas para a revolução dos dados e não possuem dados suficientes para a aplicação desses algoritmos. Esse tem sido um terror para muitos cientistas de dados. Portanto, na construção de modelos confiáveis e sem overfit (ou underfit) é fundamental conhecer técnicas para mitigar esse problema. Vamos apresentar algumas dessas técnicas aplicadas a um problema real de predição de indicadores do mercado de trabalho brasileiro.

Rede Neural Convolucional: Como esta técnica está mudando a medicina.

Nesta apresentação vou contar os desafios e dicas de como trabalhar com imagens médicas, convoluções, GPUS e insuficiência de memória para o treinamento de uma rede neural convolucional. Além disso, como essa técnica está mudando a medicina.

Apresentarei um case realizado em conjunto com o Hospital das Clínicas de Porto Alegre (HCPA), onde foi construída a arquitetura CovNet-UFCSPA, composta por técnicas de pré-processamento de dados e rede neural convolucional. Esta arquitetura apresentou um recall 99% ao ser utilizada para classificar raios-x de pacientes brasileiros do HCPA. e disponibilizou para os profissionais de s

Instalar, configurar e manter atualizados frameworks para desenvolvimento em IA não é uma tarefa simples, e garantir que todas as etapas da pipeline contem com aceleração ainda torna a tarefa mais complexa. A NVIDIA possui centenas de SDKs e pretendo apresentar um overview dos principais SDKs e como utiliza-los para estudo, desenvolvimento ou produção de forma simplificada utilizando containers e Ptyhon, sem a necessidade de conhecimentos em CUDA.

Implementar sistemas real-time com Deep Learning traz muitos desafios. Principalmente quando implantamos modelos em dispositivos embarcados na borda, onde a capacidade de processamento é limitada. Além disso, streamings de vídeo requerem processamento rápido e constante. Logo, nessa palestra abordaremos diversas técnicas que podem nos auxiliar nesse desafio de performance, como pruning (poda) de modelos, quantização dos pesos, a utilização de frameworks que aceleram o processamento e dispositivos focados em inferências de alta performance, como GPUs ou VPUs. Também compartilharemos os principais insights, desafios e limitações que encontramos ao endereçar esse problema.

Nesta apresentação, será abordado como um sistema ADAS (Sistema Avançado de Assistência ao Motorista) pode ser desenvolvido para gerar mais segurança no trânsito. Um ADAS é qualquer um dos grupos de tecnologias baseadas em Machine Learning em conjunto com eletrônica e Inteligência Artificial, que auxiliam os motoristas nas funções de direção, evitando acidentes gerados por falhas humanas. Por meio de um ADAS é possível detectar um motorista dirigindo bêbado, como sono, ou até mesmo, desrespeitando as leis de trânsito, com isso, sendo possível gerar uma rotina automática para corrigir a falha, evitando um acidente grave.

A explicabilidade de modelos ("AI Explainability" ou "Explainable AI" em inglês, ou simplesmente XAI) é a maneira que podemos entender como modelos complexos de machine learning tomam suas conclusões.

Nesta sessão iremos juntos nesta jornada, desde a visão dos conceitos basicos de XAI, as abordagens possíveis e alguns exemplos de como explicar modelos - desde explicações baseadas em features até explicaç?s baseadas em exemplos similares.