TDC FUTURE
TECHNOLOGY CREATING TOMORROW

O ritmo da mudança, percebido por todos, nunca foi tão intenso. Novidades tecnológicas surgem todos os dias e tem ficado cada vez mais difícil identificar o que é presente e o que é futuro.

Entretanto, entendemos que há três vetores determinantes sustentando esse fenômeno. As ditas organizações exponenciais são, essencialmente, aquelas que conseguiram desenvolver modelos de negócio vinculados a esses fatores. São eles: processamento, armazenamento e conectividade.

Nessa palestra, falaremos mais sobre os "três vetores" e seus impactos, tanto para o projeto de tecnologia quanto para design de produto.

(online)

Hoje em dia se fala muito em Big Data, conceito caracterizado pela enorme massa de dados disponível. Porém, esse nem sempre é o cenário quando se deseja produtizar uma solução de Machine Learning. Muitas das vezes os dados estão ausentes, seja porque os sensores para coleta são caros, ou mesmo essa coleta é impossibilitada de ocorrer. Existem outros obstáculos como uma infraestrutura complexa para armazenar essa quantidade de informação ou então porque há poucos exemplos no mundo real.

Nesta apresentação, traremos técnicas, boas práticas e experiências de como lidar com conjuntos de dados de tamanho reduzido na construção de um produto baseado em inteligência artificial.

Nesta apresentação mostrarei como é simples e fácil colocar seu modelo de machine learning em produção utilizando o Streamlit, uma biblioteca Python de código aberto que facilita a criação e o compartilhamento de aplicativos da web personalizados e bonitos para aprendizado de máquina e ciência de dados.

Em muitos domínios, os dados são gerados em ritmo acelerado, e para construir modelos preditivos a partir desses dados, você precisa se contentar com o aprendizado offline tradicional ou tentar aprender de forma incremental. Em geral, essas abordagens demoram a reagir às mudanças no domínio, e essas mudanças podem ter um impacto catastrófico no desempenho preditivo do modelo, uma vez que os padrões nos quais o modelo foi treinado não são mais válidos. Dadas as necessidades atuais da indústria, há muitos desafios a serem enfrentados e, neste trabalho, nos concentramos em elucidar as conexões entre o estado da arte atual em áreas afins; e esclarecer os desafios abertos e as oportunidades.

Aprenda como podemos utilizar a AWS para analisar frames de transmissões ao vivo utilizando os serviços gerenciados de AI/ML. Vamos mostrar na prática como podemos usar essas poderosas ferramentas para responder perguntas como: "quanto tempo o ator The Rock aparece em tela nesse filme?" ou " Como encontrar meu cachorro perdido numa gravação de câmeras de segurança?".

Na atual realidade há uma grande necessidade de softwares cada vez mais robustos, estão surgindo novas metodologias para a geração de dados simulados para testar as aplicações. Tais técnicas usuais necessitam de conhecimento técnico e grande trabalho manual que podem comprometer informações pessoais de usuários ao gerar os dados de forma confiável e fiel aos dados de produção. Esta apresentação abordará uma ferramenta chamada SDV no qual consiste em um conjunto de bibliotecas que utilizam inteligência artificial para a criação de dados com a mesma propriedade estatística e formato que os dados de produção, no qual resolve o problema de geração de dados de forma manual e exaustiva.

O que está em tua mente e tu não gostaria que ninguém soubesse?

Aplicações mais complexas e mais sensíveis à privacidade mental vêm sendo criadas. Em 2018, o MIT Media Lab usou um BCI invasivo para transcrever pensamentos humanos em mensagens digitadas. A Neuralink anunciou que está desenvolvendo um chip implantável sem fio para conectar mentes humanas a computadores para criar cognição "sobre-humana", aprimorando os humanos com Inteligência Artificial.

O que tecnologias correlatas podem nos apresentar de desafios e oportunidades em neuroprivacidade? Essa apresentação abordará sobre esse provável cenário!