TDC 2017
Porto Alegre
Um dos maiores encontros de comunidades e empresas no Brasil

Trilha Machine Learning Apresentação de cases em produção de Machine Learning

O objetivo desta trilha será o compartilhamento de cases e aplicações de Machine Learning em produção.

Diferentemente de trilhas de Big Data ou mesmo Data Science que tem um foco no caráter expositivo, nesta trilha serão compartilhadas experiências das trincheiras de quem está com Machine Learning aplicada em sua empresa e gerando valor.

Palestras

Importante: A grade de palestras está sujeita a alterações sem prévio aviso.
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 Aprendizado de Máquina Aplicado para Veículos Robóticos em Cidades Inteligentes
Diego Renan Bruno

A acelerada evolução tecnológica de sistemas inteligentes baseados em Inteligência Artificial (IA) - Machine Learning - tem trazido grande evolução, inspiração e, também, algumas preocupações para a humanidade. A palestra tem um viés direcionado para os ADAS (Sistemas Avançados de Assistência ao Condutor) e que possibilitam a redução dos acidentes de trânsito e que geram um grande número de vitimas fatais em todo o mundo. Os ADAS são capazes de colaborar efetivamente entre pessoas e sistemas veiculares autônomos, permitindo então que ambas as partes funcionem em conjunto para alcançar uma elevação do nível das cidades inteligentes e seguras com métodos de Machine Learning.

11:10 às 12:00 Portfólio Intel para Inteligência Artificial: Usando Python e Tensorflow em Machine e Deep Learning
Diego Menescal

Nesta apresentação mostraremos como desenvolver aplicações em Python para Machine Learning e Deep Learning aplicando paralelismo no código, aumentando a performance e melhorando resultados.

12:10 às 13:00 Reinforcement Learning & Meta-Level Reasoning
Jiéverson Maissiat

Vamos entender um pouco sobre Reinforcement Learning (Aprendizagem por Reforço, baseada em recompensa), e como podemos utilizar Meta-Level Reasoning para aprender a aprender.

Otimização de Parâmetros de Algoritmos de Machine Learning com Algoritmos Genéticos
Jallysson Miranda Rocha

Uma das principais dificuldades de se trabalhar com Machine Learning é a extensa variação de parâmetros, necessária para conseguir encontrar modelos classificadores capazes de resolver um problema, em um determinado conjunto de dados com qualidade satisfatória ao problema. Uma das maneiras de otimizar essa variação de parâmetros é por meio do uso de Algoritmos Genéticos da Computação Evolutiva, capaz de minimizar a busca de parâmetros por meio de uma função fitness que mede a qualidade dos parâmetros.

13:10 às 14:00 Intervalo para Almoço
Uma excelente oportunidade de todas as pessoas no evento interagirem e trocarem ideias, colaboradores, empresas patrocinadoras e apoiadoras, palestrantes e coordenadores.
14:10 às 15:00 Imagens não são apenas pixels: Utilizando visão computacional e machine learning para extrair informações de imagens digitais
LUIS FELIPE ZENI

O aprendizado de maquina vem sendo utilizado para encontrar padrões em dados para, por exemplo, melhorar a qualidade de um produto ou maximizar os lucros de uma empresa. Embora uma imagem digital possua bastante informação relevante para este tipo de aplicação, boa parte das empresas não incluem imagens em suas minerações. Esse fato vem da complexidade em fazer com que o computador entenda e seja capaz de extrair informações relevantes das imagens. Esta palestra tem como objetivo introduzir o telespectador ao uso da visão computacional e aprendizado de maquina para fins de extrair informações de imagens digitais.

15:10 às 16:00 Predizendo um ETA na prática
Guilherme Brunhole / Rafael Meirelles

Serviços de logística e ride-sharing estão cada vez mais em evidência e sendo utilizados por uma parcela cada vez maior da população. Diante disso é essencial compreender bem as variáveis que influenciam os tempos nos tempos envolvidos na prestação destes serviços para que eles possam ser otimizados. Essa foi a motivação para a realização do trabalho a ser apresentado neste evento, que passou pelo tratamento da base de dados de uma operadora logística, mapeamento de todo o processo, compreensão das variáveis e elaboração de novas features, ajustes de diferentes modelos de Machine Learning e, por fim, a seleção de um modelo e o deploy, com foco nos resultados obtidos.

16:00 às 16:30 Coffee-break e Networking

Durante o intervalo de coffee-break, serão entregues kits contendo suco 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.

16:40 às 17:30 Aprendizagem de Maquina na AWS
Julio M Faerman

A AWS oferece uma família de serviços inteligentes que fornecem aprendizagem de máquina na nuvem e tecnologias de deep learning para atender diversos casos de uso e necessidades. Para os desenvolvedores buscando adicionar serviços de I.A. gerenciados a seus aplicativos, a AWS traz reconhecimento de linguagem natural (NLU) e reconhecimento automático de fala (ASR) com o Amazon Lex, busca visual e reconhecimento de imagem com Amazon Rekognition, conversão de texto em fala (TTS) com o Polly, e sistemas de recomendação com o Amazon Machine Learning.

17:40 às 18:30 Cluster Analysis em 4 passos
Marco Siqueira Campos

Cluster é a técnica não supervisionada mais importante, esta apresentação apresenta aspectos conceituais básicos como normalização dos dados, métodos de ligação e medidas de dissimilaridade e métodos de particionamento. Mostra os passos para a realização da análise, diagnóstico e visualização dos resultados. Serão apresentados exemplos de aplicação no ambiente R.

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, 8 de Novembro de 2017

8:30 às 19:00 h

UniRitter

Rua Orfanotrófio, 555
Alto Teresópolis | Porto Alegre - RS

Informações sobre Data e Local


Público Alvo

Engenheiros de Machine Learning, Cientistas de Dados, Acadêmicos, Desenvolvedores, Profissionais de TI, Gerentes, Coordenadores e demais gestores.


Investimento

presencial:R$ 180,00

Fazendo sua inscrição presencial, você terá acesso a esta trilha e no mesmo dia também:
TDC Expo: Venha conversar com pessoas e conhecer empresas incríveis.
Trilha Stadium: Você poderá assistir às palestras da trilha Stadium do mesmo dia.