E se seus bancos de dados pudessem ajudar a identificar e diagnosticar problemas antes que impactem a produção? Esta sessão demonstra como implementar agentes de IA que monitoram e analisam serviços de banco de dados da AWS, incluindo Amazon RDS e Amazon Aurora. A apresentação aborda a construção de agentes inteligentes que detectam gargalos de desempenho, identificam problemas de padrões de consulta e sugerem estratégias de otimização. Por meio de exemplos práticos, aprenda a criar sistemas que aprimoram o monitoramento de bancos de dados com insights orientados por IA, permitindo respostas mais informadas e oportunas aos desafios comuns nas plataformas de banco de dados da AWS.

Com o avanço da IA, etapas tradicionais do analytics, como exploração de dados, geração de hipóteses, modelagem e análise, podem ser cada vez mais automatizadas. Isso levanta uma provocação: seria o fim do Cientista de Dados? Nesta apresentação, exploramos como transformar esse fluxo em sistemas de analytics assistidos por IA, cobrindo o ciclo completo: da ingestão e exploração de dados à geração de insights e recomendações. Vamos discutir como a IA pode gerar hipóteses, escrever código, testar cenários e produzir análises. Também discutimos limites importantes: automação não implica autonomia, e decisões ainda exigem contexto, validação e governança.

A engenharia de dados mudou completamente, mas a promessa dos LLMs em dados esbarra na realidade: colar DDLs gigantes no chat gera alucinações e estoura o contexto. O problema não é a IA, é a falta de método. Nesta palestra, exploraremos a evolução para o AI Data Engineer via Spec-Driven Development (SDD). Aprenda a criar "Contratos de Dados" (Specs) que guiam Agentes de IA especialistas. Veremos na prática como dominar a janela de contexto, aplicar progressive disclosure e gerenciar o estado da IA para construir arquiteturas complexas de forma escalável, transformando a IA de um simples buscador em um executor real de engenharia. Aprenda com quem aplica isto na prática diariamente na CI&T.

Nesta palestra, exploramos arquiteturas modernas de streaming com Apache Flink, analisando em quais cenários é possível reduzir ou até eliminar o uso do Apache Kafka. Abordamos o papel do processamento stateful, event time, janelas e garantias de exactly-once, mostrando como o Flink pode atuar como engine central de dados em tempo real. Também apresentamos a plataforma Ververica Platform, seus recursos e aplicações práticas. Discutimos ainda trade-offs arquiteturais e cenários reais de uso.

Modelos não apenas aprendem padrões, eles produzem inferências sobre pessoas. Na prática, quem modela dados já toma decisões éticas todos os dias, mesmo ao escolher variáveis, ajustar features ou otimizar métricas.

Sistemas atuais inferem comportamento, intenção e até traços sensíveis a partir de sinais indiretos, como padrões de interação e tempo de resposta. Essas informações não estão nos dados brutos, mas emergem da modelagem, no que se chama fenotipagem digital.

Surge então um problema central: quando uma inferência se transforma em uma decisão sobre alguém. Porque, no fim, inferir é decidir.

As empresas avançam rapidamente em inteligência artificial, automação e tomada de decisão orientada a dados. Mas esse futuro só se sustenta se a base for sólida: dados confiáveis, bem governados e usados com responsabilidade.

Neste painel, profissionais se reúnem para discutir o que as organizações precisam construir hoje para estar preparadas para o que vem por aí. Qualidade, ética e segurança não são obstáculos ao avanço, são o caminho.

De uma plataforma restrita a HDFS/Impala passamos para um ecossistema vivo de serviços escaláveis. Nesta palestra, mostramos como a infraestrutura de dados do BoaVista, o Lakehouse de Governo do CIASC, foi redesenhada com Trino, CDC, Iceberg, Superset, mais ferramentas Open Source e muito mais. Abordaremos como isso resultou em uma arquitetura inovadora, escalável e habilitadora de novas práticas. Demonstraremos como administramos um ambiente de alta complexidade, que reúne dados de diversos setores do governo estadual de SC. Apresentaremos como a nova arquitetura aberta e modular modernizou a Stack de dados do BoaVista respeitando as necessidade de acesso ao legado.

Esta palestra apresenta o projeto MINERVA (Modelo Integrado de Navegação e Estruturação de Relatórios com Visão Analítica), uma arquitetura de dados que centraliza dashboards em um hub governado e escalável. Construída a partir de pipelines de integração via APIs, armazenamento analítico em BigQuery e visualização no Looker Studio, demonstrando a aplicação de boas práticas de engenharia de dados. Nesse projeto, vemos como a modelagem analítica, automação de pipelines e governança da informação contribuem para a redução de inconsistências, além de aumentar a confiabilidade dos indicadores e o fortalecimento de uma cultura data-driven em uma organização com grande volume de dados.