Trilha Data Science Machine learning, analytics e insights a partir de dados
De Big a Small Data, se há dados, há oportunidades de se descobrir algo interessante.
Esta trilha busca contar histórias a partir de dados, abrangendo aplicações práticas que fazem uso de machine learning, mineração de dados e/ou matemática/estatística.
Wilson Gavião
Cristofer Weber
Letícia Pozza
Programação / Palestras
| Conteúdo | |
|---|---|
| 08:00 às 09:00 |
Credenciamento e recepção dos participantes
Todas as pessoas inscritas, palestrantes, coordenadores e de imprensa, devem retirar seus crachás e kit do congressista nos balcões de credenciamento localizados na entrada do evento, para obterem acesso às salas e Auditório Principal. |
| 09:00 às 10:00 |
Abertura do evento no Auditório Principal
Após o credenciamento, convidamos os participantes a comparecerem ao auditório para receberem as boas vindas por parte dos realizadores e patrocinadores. Neste keynote de abertura, todos serão orientados sobre o funcionamento do evento, destaques e outras novidades. |
| 10:10 às 11:00 |
Ciência de dados para a Internet das Coisas
Ivan Boesing 20 bilhões de novos dispositivos e sensores, dos mais diversos tipos, se conectarão à internet até 2020, fazendo parte do que é conhecida como a Internet das Coisas. Estes dispositivos incluem uma infinidade de novas fontes de dados, criando grandes oportunidades para ciência de dados em um mundo cognificado. Nesta palestra vamos falar sobre oportunidades, e desafios, da utilização de dados das coisas, contando nossa experiência em um projeto de internet das coisas orientado a dados. O projeto envolve a aquisição de dados ambientais em tempo real e o "reality mining" necessário para transformar estes dados em informação sobre o ambiente e o comportamento humano.
|
| 11:10 às 12:00 |
Exploratory Graph Analysis: Uma nova forma de reduzir a dimensionalidade de dados multivariados
Hudson Golino Há um problema bastante antigo na ciência: quantas dimensões (ou fatores) há em um banco de dados? Essa questão está presente em quase todas as situações que envolvam dados multivariados. As técnicas usualmente empregadas para investigar a dimensionalidade dos dados falham em cenários muito comuns de serem encontrados, como alta correlação entre os fatores e poucas variáveis por fator. A técnica denominada Exploratory Graph Analysis verifica a dimensionalidade de dados multivariados combinando modelos de rede com algoritmos de detecção de comunidades em redes balanceadas. As evidências apontam que essa técnica supera a limitação das técnicas usualmente empregadas, como a análise paralela!
|
| 12:00 às 13:00 |
Intervalo para Almoço
Uma excelente oportunidade de todas as pessoas no evento
interagirem e trocarem ideias, colaboradores, empresas
patrocinadoras e apoiadoras, palestrantes e coordenadores.
|
| 13:10 às 14:00 |
From Representation Learning to Deep Learning
Anibal Solon Grande parte do processo de Machine Learning deve-se ao preprocessamento dos dados, para conseguir as melhores features dos dados e, assim, melhor performance dos classificadores e modelos preditivos. Esse processo é majoritariamente manual e custoso. A área de representation learning visa a aprender melhores representações desses dados de forma automática, para que se obtenha melhores modelos e, no geral, haja mais independência da máquina ao humano e se avance na área de Inteligência Artificial. Mas o que faz com a área consiga resultados tão bons? Nessa palestra, exploraremos as representações de dados e suas abstrações, e em como elas ajudam na performance e generalização dos modelos.
|
| 14:10 às 15:00 |
Agile Data Insights: obtendo valor de negócio rapidamente através de seus dados!
Andressa Sivolella Agile Data Insights é o nome dado ao conjunto de práticas e técnicas ágeis que, tem como foco a geração de insights para negócios que buscam sobreviver na Era da Informação. Através do uso de práticas ágeis como, validação iterativa de hipóteses, entrega de valor de negócio de forma constante e contínua e, a participação ativa dos stakeholders no dia-a-dia do projeto, Agile Data Insights possibilita que uma organização consiga, a partir de seus dados, realizar descobertas, fazer previsões e tomar decisões que irão impactar positivamente o seu negócio com grande acurácia e precisão.
|
| 15:00 às 15:30 |
Coffee-break e Networking
Durante o intervalo de Coffee-break, as mesas de alimentação terão disponíveis café, sucos, frutas e biscoitos. Um delicioso intervalo para relaxar, conhecer novas pessoas e estreitar contatos. Neste tempo, também surge a oportunidade de todas as pessoas no evento interagirem entre sí, participantes das trilhas, empresas patrocinadoras e apoiadoras, palestrantes e coordenadores. |
| 15:40 às 16:30 |
Estimação Bayesiana do Valor Futuro de Clientes via MCMC (DATA SCIENCE)
Rodrigo Heldt Silveira / Filipe Zabala O sucesso da mensuração do valor de clientes depende do emprego de métricas robustas de estimação. O trabalho que será apresentado traz uma proposta de estimação bayesiana do valor futuro do cliente (customer lifetime value) via métodos de Markov Chain Monte Carlo (MCMC). A aplicação do modelo foi realizada em uma base de clientes de uma grande empresa e implementada em linguagem R.
|
| 16:40 às 17:30 |
Ciência de dados para não-programadores: a importância da cultura de dados e da inteligência analítica
Letícia Ange Pozza Que a programação acelera processos e auxilia em descobertas a partir da análise de dados, todos sabemos. Mas o que fazem perfis diferentes nessa área e como as empresas estão entendendo o perfil desses profissionais? Na Cappra Data Science trabalhamos com grandes empresas que visam inserir a cultura e a ciência de dados no seu dia a dia. E, muitas vezes, isso significa muito mais do que sistemas de BI e programação.
|
| 17:40 às 18:30 |
O desafio de contratar e formar um cientista de dados: empresas e universidades frente a frente
Cristofer Weber / Letícia Ange Pozza / Marcelo Pias / Wilson P. Gavião Neto / Filipe Zabala Seja para a área de tecnologia, de negócios ou de design, ainda não é claro o papel de um cientista de dados nas empresas. A profissão é nova, o espectro de atuação é amplo, e o grau de especialização é alto. A demanda é por profissionais prontos, mas como formar estes profissionais? Como as universidades estão reagindo para complementar a formação científica e especializar estudantes e profissionais para atuar com dados? Atualmente estamos no processo intermediário da demanda: de um lado existe a necessidade de um profissional que trabalhe com dados, mas a incompreensão dos objetivos desse profissional e da mão-de-obra qualificada; e do outro lado, temos o interesse de profissionais de áreas subjacentes que já trabalham com a informação e buscam a movimentação de carreira.
Quais os desafios que as empresas e universidades enfrentam hoje para formar cientistas de dados?
|
| 18:40 às 19:00 |
Encerramento e Sorteios
No horário de encerramento, todas as trilhas serão direcionadas de suas salas para o Auditório Principal, mesmo local da abertura. Após a apresentação de resultados do dia muitos sorteios fecharão o dia. |
Data e Local
Quarta-feira, 5 de Outubro de 2016
10:00 às 18:30 h
Rua Orfanotrófio, 555
Alto Teresópolis | Porto Alegre - RS
Público Alvo
Curiosos por sistemas que são capazes de aprender e/ou prestar suporte à tomada de decisão a partir de dados.
Investimento
presencial:R$ 200,00
Fazendo sua inscrição (presencial)
você terá acesso a esta trilha e também a:
Pavilhão de Stands: Venha conversar com pessoas e conhecer empresas incríveis.
Trilha Stadium: Você poderá assistir às palestras da trilha Stadium, que tem uma seleção de palestras das trilhas de cada dia do evento.
