TDC 2016
São Paulo
Um dos maiores encontros de comunidades e empresas no Brasil

Trilha Machine Learning Machine learning e bots na nuvem, a Inteligência Artificial acessível

Vivemos o tempo que é acessível treinar um algoritmo de sentimentos ou mesmo de previsão de atrasos de vôos, até mesmo fácil; assim como criar um robô de atendimento virtual... tudo na nuvem, com alcance global e em vários idiomas

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 Modelos Ensemble com Árvores de Decisão
Andressa Sivolella
Árvore de Decisão é um algoritmo de máquina de aprendizado supervisionado. Uma das grandes desvantagens desse algoritmo é a dependência do conjunto de treino. Qual o problema disso? O que ocorre com classificadores desse tipo é o overfitting. Em outras palavras, tais classificadores ficam 'viciados' no conjunto de treino. O que fazer para contornar isso? É aí que surgem os modelos ensemble: tais modelos utilizam como classificação o voto majoritário de um conjunto de classificadores ditos fracos. Intuitivamente, seria como se numa conferência médica, especialistas em diferentes áreas quisessem diagnosticar um paciente com diferentes sintomas. O diagnóstico dado pelo voto majoritário de todos os conferencistas é mais forte que o diagnóstico dado por um único médico, certo? Quer saber mais sobre isso? Você pode conferir essa palestra através de uma apresentação de exemplos cotidianos.
11:10 às 12:00 Machine Learning Black Boxes - Terceirizando o Trabalho Duro
Denis Wilson Souza Rosa
Qual a melhor library de ML para o seu projeto? Veja na prática as vantages e desvantagens das principais libraries do mercado e como utilizá-las.
12:00 às 13:00 Intervalo para Almoço
Uma excelente oportunidade de todas as pessoas no evento interagirem e trocarem ideias, colaboradores, empresas patrocinadoras e apoiadoras, palestrantes e coordenadores.
13:10 às 14:00 Criando modelos em nuvem com Azure Machine Learning
Thiago Zavaschi
"Aprendizagem de máquina não é assunto novo, mas por muitos anos a complexidade da criação de modelos preditivos, bem como o alto custo computacional para determinados tipos de problemas levaram desenvolvedores a se afastarem deste universo. Atualmente com a computação em nuvem e a plataforma AzureML é possível criar modelos preditivos de maneira facilitada e integrar de maneira simples com seus aplicativos (web, mobiles, Windows, etc.). Venha ver nesta sessão como criar um modelo para prever o futuro usando a nuvem da Microsoft e como integrar ao seu aplicativo."
14:10 às 15:00 Machine Learning com R
Diogenes Justo
Interessado em ingressar em machine learning e não sabe qual porta escolher? O R fornece uma plataforma free, fácil e rápida para te ajudar nesta inserção. Além disto veremos alguns dos principais algoritmos de machine learning no R.
15:00 às 15:30 Coffee-break e Networking

Durante o intervalo de Coffee-break, as mesas de alimentação terão disponíveis café, sucos, frutas 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.

15:40 às 16:30 SparkMLlib Machine Learning na Prática
Eiti Kimura / Flavio Clésio
Já imaginou um software inteligente que auxilie na tomada de decisões? Essa apresentação mostra na prática o uso de aprendizado de máquina para criar um sistema de monitoramento e análise de dados inteligente.
16:40 às 17:30 Python x R: mas e o Weka?
Mauro Pichiliani
Esta palestra vai apresentar e comparar o uso das tecnologias para machine learning Python, R e Weka.
17:40 às 18:30 Colocando modelos de Machine Learning em produção.
Gilmar Jose Alves de Souza Junior
"Você encontrou o algoritmo de Machine Learning perfeito para resolver seu problema. Todos os parâmentros estão finamente ajustados e acuracidade do modelo está girando em torno de 95%. Agora é só colocar o seu modelo em produção para tornar sua aplicação mais inteligente, correto? Na prática as empresas levam em média de 3 a 6 meses entre ponto em que o modelo de Machine Learning está treinado e pronto para ser usado até o momento em que ele passa a ser utilizado em produção. Essa palestra vai elucidar o que leva a essa lacuna e explorar técnicas e ferramentas que podem ajudar a resolver esse problema."
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

Sábado, 9 de Julho de 2016

10:00 às 18:30 h

Universidade Anhembi Morumbi

Rua Casa do Ator, 275
Vila Olímpia | São Paulo - SP

Informações sobre Data e Local


Público Alvo

Desenvolvedores, cientistas/analistas de dados


Investimento

presencial:R$ 200,00

online:R$ 90,00

Fazendo sua inscrição (presencial) você terá acesso a esta trilha e também a:
Pavilhão de Stands: Venha conversar com pessoas e conhecer empresas incríveis.
Área de Makers: Este ano teremos mini-palestras e workshops, chegou a hora de colocar a mão na massa e surfar a internet das coisas.
Lado B: Uma sala com conteúdo adicional e trilhas horizontais, estamos preparando muitas novidades.
Trilha Stadium: Você poderá assistir às palestras da trilha Stadium, que tem uma seleção de palestras das trilhas de cada dia do evento.


Patrocinadores