Por que conhecer mais sobre Data Science? Qual o FUTURO DA PROFISSÃO DO FUTURO?
Já não é novidade para ninguém que a Data Science é um elemento fundamental para toda empresa. Aplicado com computação, estatística, matemática e conhecimento de negócio, essa ""arte"" possibilita descobrir padrões transformadores desconhecidos, otimizar as tomadas de decisões e inovar novos produtos e soluções.
Fortemente impactada pelos avanços da tecnologia, que são cada vez maiores, a inteligência artificial e as inovações de machine learning tornaram os processamentos de dados mais rápidos e eficientes, permitindo usar recursos nunca imaginados, como o ChatGPT que é o assunto do momento. Devido ao conjunto de habilidades multifuncionais e à experiência necessária, a ciência de dados mostra um forte crescimento projetado nas próximas décadas e por isso é sempre necessário ficar por dentro de todas as novidades sobre essa ciência.
Não é incrível poder fazer parte dessa história!? Criar algo completamente novo!
Nesta trilha abordaremos tópicos relevantes, teremos excelentes palestrantes e muita troca de conhecimento, de maneira dinâmica com casos reais de atuação.
Quarta-feira, 22 de Março de 2023
09h às 19h
UniBH - Campus Buritis
Rua Líbero Leone, 259 / Portaria 2
Estoril Belo Horizonte - MG
ACESSO PRESENCIAL OU REMOTO COM TRANSMISSÃO ONLINE
Valores para participação online:
1 trilha: de R$ 245 por R$ 150
2 trilhas: de R$ 440 por R$ 270
3 trilhas: de R$ 624 por R$ 384
* aproveite maior desconto até 31/01,
veja tabela completa
Valores para participação online:
1 trilha: de R$ 245 por R$ 195
2 trilhas: de R$ 440 por R$ 350
3 trilhas: de R$ 624 por R$ 495
* preço válido até 07/03,
veja tabela completa
Valores para participação online:
1 trilha: R$ 245
2 trilhas: R$ 440
3 trilhas: R$ 624
* preço válido até 24/03,
veja tabela completa
Valores para participação híbrida:
1 trilha: de R$ 395 por R$ 250
2 trilhas: de R$ 710 por R$ 450
3 trilhas: de R$ 1.005 por R$ 639
Valores para participação híbrida:
1 trilha: de R$ 395 por R$ 325
2 trilhas: de R$ 710 por R$ 584
3 trilhas: de R$ 1.005 por R$ 828
Valores para participação híbrida:
1 trilha: R$ 395
2 trilhas: R$ 710
3 trilhas: R$ 1.005
| Horário | Conteúdo |
|---|---|
| 07:45 às 08:55 | Recepção dos Participantes |
| 09:00 às 09:40 |
Abertura do evento e mini keynotes
Abertura do evento com Bruno Souza e Júlio Matos e mini keynotes com: |
| 09:45 às 10:00 |
Futuro e Inteligências Artificiais: Como será o futuro apoiado pela OpenAI?Alexandre Santos Costa(online) O ChatGPT dominou a mídia recentemente por ser algo, até então, do imaginário humano. Uma interface conversacional que entende contexto, linguagem natural e capaz de gerar conteúdo, não só textual, mas até mesmo códigos de programação. Legal né?! Mas, então o que podemos esperar daqui para frente? O que a OpenAI pode fazer por nós e por nossos negócios e como será o mundo onde seremos empoderamos pela inteligência artificial?
|
| Horário | Conteúdo |
|---|---|
| 10:00 às 10:05 |
Abertura da trilha pela coordenação
Aqui os coordenadores se apresentam e fazem uma introdução para a trilha. |
| 10:05 às 10:40 |
Detecção de anomalias escalável, explicável e não-supervisionada para TelecomunicaçõesIvan Caramello de AndradeEm redes de telecomunicações modernas, a detecção de anomalias - sejam elas ataques, fraudes, falhas ou mesmo novos comportamentos - é um dos maiores desafios presentes. Realizar essa detecção sobre centenas de milhares de eventos se torna um desafio ainda maior quando também é necessário identificá-las e descreve-las em tempo habil, mesmo quando tais anomalias nunca foram vistas antes. Nesta apresentação, mostraremos como técnicas modernas de detecção de anomalias podem ser adaptadas e expandidas para atender a requisitos como escalabilidade e explicabilidade num problema de larga escala e dificil supervisão de maneira robusta, eficiente e auditável. 
|
| 10:45 às 11:20 |
Data science em grafos: do xadrez do século 18 aos dias atuaisBruno Messias Farias de ResendeGrafos são uma estrutura de dados que permeia nosso dia a dia. Nesta palestra, veremos como a ciência de dados em grafos evoluiu desde seus primórdios no século XVIII até os dias atuais. Uma das aplicações mais interessantes nesse período foi o uso de grafos para ranquear jogadores de xadrez. Essa técnica evoluiu ao longo do tempo e culminou na criação do algoritmo PageRank, que revolucionou a maneira como os mecanismos de busca na internet funcionam. O objetivo desta apresentação é demonstrar como fazer essas aplicações utilizando Python e bibliotecas open-source, além de fornecer uma perspectiva histórica sobre a evolução da ciência de dados em grafos. 
|
| 11:25 às 11:40 |
Nós, robôs: uma história sobre Open Source e IARicardo Martinelli de OliveiraPara levar a tecnologia a um novo patamar, temos que levar em conta o que fizemos no passado. A evolução é natural, mas a colaboração é um motor principal para evoluir mais e melhor. Com a IA não é diferente. Preparem-se para ouvir uma breve história sobre o que podemos fazer em colaboração, através do Open Source, para atingir patamares mais elevados.
|
| 11:45 às 13:15 |
Intervalo para almoço
Uma excelente oportunidade de todas as pessoas no evento interagirem e trocarem ideias, colaboradores, empresas patrocinadoras e apoiadoras, palestrantes e coordenadores. |
| 13:25 às 14:00 |
O que é ModelOps e MLOps e quais são suas diferenças?Tais SilvaA inteligência artificial e o aprendizado de máquina têm sido, cada dia mais, escolhidos e até preferidos para resolver diversas situações do cotidiano, é fato que em nossas vidas essas tecnologias vêm sendo cada vez mais presentes em nossas vidas. Todo o ciclo de vida desses modelos de inteligência artificial necessitam de métodos ou até mesmo frameworks para que eles concluam sua implementação e sejam enfim utilizados propriamente. E para os profissionais da área de dados, desde o desenvolvimento à implantação, é um desafio. Portanto, você já ouviu falar em ModelOps e MLOps? 
|
| 14:05 às 14:40 |
Previsão de Pacientes Internados para Otimização de Escala no HospitalLeticia CroffiO dia a dia em um hospital costuma ser agitado, os pacientes internados necessitam de muita ajuda e cuidado. O planejamento e a gestão da escala são essenciais, mas muitas vezes, o número cada vez maior de colaboradores com alta rotatividade, a variação do fluxo de pacientes e o crescimento do hospital, são fatores que dificultam ainda mais a tomada de decisão. Como solução, apresentamos o projeto desenvolvido para 3 hospitais na AWS: um modelo de previsão de série temporal para a quantidade de pacientes internados, que dimensiona a escala para um otimizador, considerando diversos fatores como assiduidade, banco de horas, férias, licenças, plantões 12 x 36 e regras de segurança assistencial. 
|
| 14:45 às 15:45 |
A importância da Jornada Analítica para o negócioBárbara Silveira Fraga / Pollyanna de Oliveira Goncalves / Rejane Silva / Felipe DelfimPainel desta Trilha
|
| 15:50 às 16:20 |
Networking e Visitação a Stands
Intervalo para fazer networking e conhecer os estandes do evento. |
| 16:25 às 17:00 |
Dos dados ao negócio: Machine learning para negóciosLeandro Romualdo da SilvaÉ normal em modelos de machine learning analisarmos a assertividade de modelos baseado em métricas que não medem exatamente o impacto do modelo no negócio. Nesta palestra mostrarei como analisar o impacto de modelos no negócio e como demonstrar seu valor. 
|
| 17:05 às 17:40 |
MMAI - Uma abordagem pragmática para avaliação de maturidade em IA/MLPaulo Laurentys / Claudio LucioA excelência na entrega de projetos de IA/ML que geram valor é um grande desafio hoje em dia nas empresas. Acompanhar a evolução de tal capacidade nas organizações centradas em dados é ainda uma questão em aberto. Neste sentido, gestores precisam de informação para que possam melhorar seu processo e entrega do resultados usando IA/ML. Nosso modelo de maturidade AI/ML traz uma abordagem pragmática, com níveis de maturidade e principais fases de um processo AI/ML (que pode ser usada para avaliar projetos, áreas e empresa). Cada fase propõe produtos de dados a serem entregues e avaliados no modelo de maturidade. Com uma abordagem 'bottom/up' o modelo é capaz de sugerir ações para melhorar a mat 
|
| 17:45 às 18:20 |
Filtragem colaborativa: recomendando produtos com rating implícitoLaís Pisetta Van Vossen / Eduardo Pazini(online) Segundo Neil Hunt e Carlos Gomes-Uribe, em 2016 a Netflix salvou cerca de 1 bilhão de dólares no ano de churn devido ao efeito da experiência personalizada e recomendações de séries e filmes para os usuários. Porém, para se implementar esse tipo de sistema é comum a falta de dados, uma vez que a maioria dos algoritmos fazem uso da avaliação do usuário para o produto que ele consome, sendo esta uma informação regularmente indisponível. Diante da relevância do tema, traremos uma contextualização da recomendação de serviços e apresentaremos uma aplicação prática de como é possível contornar o problema de falta de dados para recomendação de serviços utilizando a estratégia de rating implícito.
|
| 18:20 às 18:25 |
Encerramento da trilha
Os coordenadores fazem um breve encerramento com agradecimentos. |
| Horário | Conteúdo |
|---|---|
| 18:25 às 19:00 |
Encerramento
Após a apresentação de resultados do dia, no palco da Stadium, muitos sorteios fecharão o dia. |
Arthur de Assis Silva
Nilton Kazuyuki Ueda
Sulamita Mara Dantas
Suzana Viana Mota
