#TheDevConf 2021 | TRANSFORMATION : Trilha DATA SCIENCE

Trilha DATA SCIENCE

Transforme dados em informação

Na era do Big Data é possível obter dados de diversas fontes, transformar esses dados em informações significativas gera inteligência competitiva, tanto em organizações privadas como em públicas.

Vem com a gente aprender a extrair valor dos seus dados, teremos palestras de todos os níveis, abordando todo o Pipeline de Data Science.

Data e Local

Quinta-feira, 26 de Agosto de 2021

09h às 19h GMT-3

ACESSO REMOTO COM TRANSMISSÃO ONLINE

Investimento

1 trilha: de R$ ~~145~~ por R$ 110
2 trilhas: de R$ ~~290~~ por R$ 198
3 trilhas: de R$ ~~435~~ por R$ 285
* preço válido até 12/07, veja tabela completa

1 trilha: de R$ ~~145~~ por R$ 130
2 trilhas: de R$ ~~290~~ por R$ 230
3 trilhas: de R$ ~~435~~ por R$ 330
* preço válido até 13/08, veja tabela completa

1 trilha: R$ 145
2 trilhas: de R$ ~~290~~ por R$ 260
3 trilhas: de R$ ~~435~~ por R$ 370
* preço válido até 26/08, veja tabela completa

INSCREVA-SE AGORA MESMO

Como se inscrever

TODAS AS TRILHAS

Programação / Palestras TODAS AS TRILHAS

Horário	Conteúdo
09:00 às 09:35	Abertura do evento e mini keynotes No palco da Stadium, todos serão orientados sobre o funcionamento do evento, destaques e outras novidades.
09:40 às 10:25	Technologies that Enable Agile - The Shoemaker's Children Mary Poppendieck When the Agile Manifesto was first published 20 years ago, there were no mobile phones, no cloud computing, and not much Internet. There was no test automation and no delivery pipelines, and most enterprises ran their central database on a single server. Most hardware provisioning, software testing and periodic releases were manual ? it was as if the shoemaker?s children had no shoes. Most of the advances in agile have been enabled by technical breakthroughs that allow small teams to focus on customer outcomes, deploy continuously, obtain rapid feedback, and adapt immediately ? in a safe and seamless flow of experiments. This talk chronicles how the shoemaker?s children learned to make their own shoes ? outlining the rise of the key enabling technologies behind Agile.
10:30 às 10:45	Abertura da trilha pela coordenação Aqui os coordenadores se apresentam e fazem uma introdução para a trilha.
10:50 às 11:25	Detectando uso de máscara em tempo real com TensorflowJS Rafael Ribeiro Como criar e treinar um classificador para detectar se a pessoa está usando máscara em tempo real utilizando o TensorflowJS e executar o modelo online. SLIDES
11:30 às 12:05	SMART-CDSS: Apoio à Prescrição de Antibióticos usando Machine Learning em Dados Populacionais de Resistência Microbiana. Robson Zagre Júnior A resistência antimicrobiana é considerada pela OMS um problema de saúde pública global e possui estimativas de 10 milhões de mortes para o ano de 2050. O sistema GLASS da OMS coleta, analisa e compartilha os dados a nível mundial com o intuito de monitorar e tomar atitudes para evitar esse colapso. Nesta palestra vamos apresentar o SMART-CDSS, um aplicativo de apoio à prescrição de antibióticos que busca minimizar a resistência antimicrobiana utilizando um modelo de aprendizado de máquina treinado com os dados do braço brasileiro do programa, o BR-GLASS, desenvolvido pela PUC-PR com apoio do Grupo 3778 e financiamento da Bill & Melinda Foundation. SLIDES
12:10 às 12:45	Estrutura de vizinhança e KNN no desenvolvimento de um modelo de recomendação para o atendimento em Saúde James de Oliveira / Fábio Gerab / William Ribeiro Balduino Um cidadão tem dificuldade em descobrir para onde se dirigir em situação de primeiro atendimento no sistema público de saúde, pois este sistema é complexo, hierarquizado e conta com estruturas específicas de atendimento (UBS, UPA, PS, etc.). Assim, desenvolveu-se uma estrutura de recomendação em quatro etapas: 1) Caracterização da demanda em saúde. 2) Mapeamento da disponibilidade espacial da estrutura de atendimento em saúde. 3) Recomendação da unidade de atendimento mais próxima ao usuário, segundo a análise de proximidades em uma rede de vizinhança. 4) Construção de um algoritmo em linguagem R com posterior teste e validação do método proposto. SLIDES
12:50 às 13:50	Networking e Visitação a Stands Intervalo para fazer networking e conhecer os estandes do evento.
14:00 às 14:05	Abertura da trilha pela coordenação Aqui os coordenadores se apresentam e fazem uma introdução para a trilha.
14:10 às 14:45	Transparência Algorítmica em soluções de IA - Inteligência Artificial. Lucas de Barros Teixeira Estamos há tempos em contatos com algortimos que tomam decisões automatizadas, desde das mais simples as mais complexas e com alto impatco. Como os algoritmos utilizados em soluções utilizadas pelos Governos se comportam quanto a transparência algoritmica? O que é transparência algoritmica? Em qual contexto o Brasil e outros países encontram-se quanto ao tema No judiciário brasileito existem mais de 70 soluções baseadas em IA - Inteligência artificial. Imagine uma abordagem impactante e reveladora!
14:50 às 16:05	Mercado de trabalho em Data Science Letícia Pedroso / Barbara Barbosa Painel Digital desta Trilha
16:10 às 16:25	Networking e Visitação a Stands Intervalo para fazer networking e conhecer os estandes do evento.
16:25 às 17:00	Engajando usuários nos portais de conteúdo digital da Globo através de Sistemas de Recomendação Joel Pinho Lucas Os portais de notícia e entretenimento da Globo levam informação a milhões de usuários diariamente, concentrando uma grande variedade de conteúdo. Tal cenário representa um grande desafio de personalização devido a diversidade de perfis e engajamento dos usuários. Neste contexto, estratégias de sistemas de Recomendação se apresentam como um componente chave na experiência do usuário. Esta palestra trará uma visão geral sobre famílias de algoritmos de recomendação utilizadas nos portais da Globo, discutindo problemas e vantagens associadas a cada uma. Também se discutirá como tais estratégias são avaliadas através de um ambiente de desenvolvimento apoiado em uma cultura de experimentação.
17:05 às 17:40	Algoritmos Genéticos: data science além de machine learning. Adriano Prieto Breve histórico do surgimento dos algoritmos genéticos (AGs), conceitos gerais e tipos de problemas adequados para os AGs. Exemplo detalhado da modelagem e solução de um jogo simples. SLIDES
17:45 às 18:20	Data Science COM Machine Learning Orlando Silva Neste talk, você vai conhecer o universo da ciência dos dados e aprender a construir projetos de Data Science usando Machine Learning. Você vai aprender a desenvolver aplicações inteligentes utilizando linguagens de programação para tratar, manipular, modelar e visualizar dados usando técnicas de Analytics e Machine Learning.
18:25 às 18:45	Open Space
18:50 às 19:05	Encerramento Após a apresentação de resultados do dia, no palco da Stadium, muitos sorteios fecharão o dia.