Nessa apresentação falaremos sobre nossa stack, como construímos sistemas de recomendação usando várias técnicas, como aprendemos sobre o comportamento dos usuário usando Reinforcement Learning e como fazemos predições/análises, mantendo mais de 50 modificações de algoritmos em produção para recomendação gerando impacto em mais de 80 milhões de usuários únicos por mês. Falaremos sobre o nosso ambiente altamente focado em sistemas open-source e como estamos estamos com isso tornando a empresa cada dia mais Data Driven.

Com o rápido crescimento das mídias sociais nos últimos anos, tem havido um crescente interesse na caracterização automática, ou criação de perfis, dos usuários com base no conteúdo informal que eles geram. No entanto, informações como sexo e idade, ainda não são geralmente necessárias ao criar uma conta nas mídias sociais. Nesse contexto, a rotulação de usuários em categorias demográficas, como idade, etnia, origem e raça, preferências políticas, personalidade e expressão de gênero, tem recebido grande atenção, especialmente com base em conteúdo textual não estruturado. O que dá pra saber a partir de mensagens anônimas se usando PLN e ML? Em que essa informação pode ser usada?

Com o advento da Internet das Coisas (IoT) e do BigData, uma grande quantidade de dados está disponível para o cientista de dados. Mas, como saber o que realmente é mais importante ?

A Análise de Componentes Principais (PCA) é um algoritmo que permite fazer uma "escolha inteligente dos dados", de forma a focar apenas no que é mais importante !

Nesta palestra, vamos mostrar de forma intuitiva como funciona o PCA, para que você possa utilizá-lo em seus projetos !

Nesta apresentação veremos como é possível colocar um modelo de machine learning treinado e otimizado em produção com poucos passos. Falaremos sobre Automação de Machine Learning (AutoML), seus prós e contras e também um pouco sobre a plataforma Marvin.

Nessa palestra irei apresentar as vantagens e desvantagens de utilizar um modelo de previsão de série temporal usando o algoritmo ARIMA e SARIMAX. Ale? disso, mostrarei o passo a passo para implementar em sua empresa; quais os desafios e serem enfrentados; e algumas ferramentas que podem ajudar quem quer iniciar com esse tipo de projeto.

Deep learning is widely use in several cases with a good match and accuracy, as for example images classifications. But when to come to social networks there is a lot of problems involved, for example how do we represent a network in a neural network without lost node correspondence? which is the best encode for graphs or is it task dependent? Here I will review the state of art and present the success and fails in the area and which are the perspective.

Carros autônomos estão cada vez mais presentes em notícias, debates e na imaginação das pessoas. É necessária a constante de supervisão humana? É realmente confiável? O quão distante estamos desta tecnologia?
Além disto, nós brasileiros temos outro grande ponto de interrogação para nos preocuparmos: Quais os principais entraves na nacionalização desta tecnologia? A partir da experiência adquirida pela equipe que lidero no desenvolvimento do Synkar, uma plataforma de veículo autônoma nacional, abordaremos os problemas de infraestrutura, legislação e tecnologia que precisam ser enfrentados para transformar essa tendência mundial em realidade no Brasil.