Nessa talk você irá conhecer o funcionamento do algoritmo KNN (K-nearest Neighbors), um algoritmo muito usado em problemas de classificação e até mesmo sistemas de recomendação, na demo que teremos, vamos usar o exemplo de um datatset contendo informações sobre tumores malignos e benignos de cancer de mama.

Inteligência artificial, machine learning, deep learning e serviços cognitivos, tecnologias que está se tornando cada vez mais comum ouvirmos falar no nosso dia a dia, o que muitos não sabem e que são muito mais antigas do que imaginam, porem somente nos dias atuais ganhou notoriedade, nessa apresentação vou contar um pouco da história da inteligencia artificial, suas vertentes , aplicações e o que podemos esperar.

O objetivo desta apresentação é compartilhar o conhecimento adquirido durante um trabalho realizado para conclusão de um curso. Nesse trabalho construí desde um protótipo do sistema e um sistema de recomendação baseado no banco de grafos Neo4J e na biblioteca Surprise em Python.

O impacto estimado da Inteligência Artificial na economia é de $15.7 trilhões até 2030. A principal tecnologia que impulsionou essa evolução foi deep learning. Nesta palestra, abordarei os conceitos básicos por trás dessa revolução, além de aplicações práticas em visão computacional.

Nesta apresentação pretendo de forma simples e direta apresentar aspectos iniciais do uso da Elastic Stack (Elasticsearch+Logstash+Kibana). Pretendo para isso utilizar dados abertos do Tribunal de Contas do RS.

Seguindo o caminho contrário do que apresentado pelo cinema as máquinas estão cada vez mais inteligentes e ao invés de nos dominar tem nos ajudado a superar barreiras físicas, sensoriais e cognitivas. Nesta palestra irei debater e apresentar soluções que aplicadas as pessoas com deficiencia tem trazido qualidade de vida e inclusão.

Um dos principais usos do ML é no processamento de texto, onde a análise do conteúdo é o ponto de entrada para vários algoritmos de aprendizagem. No entanto, o uso desse conteúdo pode representar a inserção de diferentes tipos de vieses no treinamento e pode variar com o contexto trabalhado. O objetivo dessa palestra é discutir como o uso indevido de dados pode interferir em modelos de aprendizado propagando desigualdades e viéses preconceituosos através de algoritmos de aprendizado de máquina.

Vemos em todos os lugares produtos que possuem interação por reconhecimento de palavras faladas, mas pouco se vê o código disto, certo? Ok, reconhecimento de palavras ainda não é algo simples de se implementar, devido a MUITOS motivos, como ruído do áudio, sotaque e, no nosso caso BR, por termos pouco material (código aberto). Mas como podemos brincar com algo tão complexo, mas de forma mais simples, código aberto e em nossa língua nativa? Nesta conversa te mostrarei meus estudos na área, vamos conversar/trocar figurinhas?

O uso de deeplearning em visão computacional tem se tornado onipresente. A maioria dos métodos, no estado da arte da área, utilizam em ao menos uma parte do pipeline uma rede neural convolutiva (CNNs). Entretanto, existe o mito de que tais redes funcionam como uma caixa preta. Que não é possível ter controle sobre as feições que a rede vai aprender. Ou que não é possível saber o que a rede esta aprendendo. Esta palestra afronta tais mitos, abordando as técnicas mais recentes do estado da arte para interpretar e entender o que uma CNN esta ?enxergando?.

Nessa palestra, vamos falar sobre o conceito de incerteza de predições em machine learning/deep learning. Atualmente, muitos dos métodos e modelos não consideram essa variável na hora da concepção, e para algumas aplicações isso é extremamente importante. Vamos falar de incerteza no modelo e incerteza nos dados, quais as técnicas para inserir incerteza na predição, e quais a tendências futuras nessa área.