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.
Flavio Clésio
Wilson P. Gavião Neto
Programação / Palestras
| 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 |
Aprendizagem de Maquina na AWS
Julio Machado 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. |
| 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. 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 de Araujo 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 |
Compartilhando o P&D de machine learning com a universidade: casos práticos
Wilson P. Gavião Neto Sua empresa armazena dados rotineiramente e decidiu investir em Data Science e/ou Big Data? Os dados armazenados realmente valem o investimento? Ou, sua empresa gostaria de saber se um novo algoritmo pode trazer benefícios em relação ao que está rodando atualmente? Em uma época em que a indústria detém os dados e a academia produz estudos envolvendo Machine Learning, estabelecer parcerias entre ambos pode fazer a diferença. Esta palestra traz dois casos práticos que refletem avanços nesta realidade: das características da entressola dos calçados da Fila a inteligência preditiva dos sistemas educacionais da GVDasa
|
| 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
Rua Orfanotrófio, 555
Alto Teresópolis | Porto Alegre - RS
Público Alvo
Engenheiros de Machine Learning, Cientistas de Dados, Acadêmicos, Desenvolvedores, Profissionais de TI, Gerentes, Coordenadores e demais gestores.
Investimento
presencial:R$ 240,00
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.
