Ativando Inteligência
com
BIG DATA
HÉLIO SILVA
Alguns eventos recentes
• Google inicia projeto Google Brain com apoio do
professor Andrew NG, da Stanford University
• Go...
Machine Learning
• Ramo da Inteligência Artificial
• Usado em:
• Visão de máquina
• Intepretação da linguagem natural
• Cl...
Machine Learning - Aplicações
• Sistemas de recomendação (RecSys)
• Search Engine (Google Hummingbird)
• Análise de Sentim...
• A partir de um aprendizado prévio, o algoritmo
dá uma reposta sem intervenção humana:
• Timming Correto
• Efetiva
• Pert...
• Uma nova geração de algoritmos de Machine Learning
• Baseiam-se em redes neurais que funcionam imitando o
funcionamento ...
Favorecem Deep/Machine
Learning nesse momento
• Grandes volumes de dados para
formar o aprendizado
• Computação de nuvem e...
Oportunidades Deep Learning
• Data Rental para treinamento de
modelos (DaaS)
• Serviços de análise de base de
clientes pro...
Roadmap
• Criação de laboratórios de pesquisa e
inovação
– Estatísticos / Físicos / Astrônomos
– Engenheiros de software
–...
• Novos níveis de personalização da experiência
do consumidor
• Novas oportunidades de ofertas, anúncios e
promoções
• Eng...
Obrigado !!!
http://br.linkedin.com/in/helioss/
Próximos SlideShares
Carregando em…5
×

“Ativando inteligência com Big Data”.

143 visualizações

Publicada em

Hélio Silva, Arquiteto de soluções em Big Data e Data Analytics.
“Ativando inteligência com Big Data”.

Publicada em: Dados e análise
0 comentários
1 gostou
Estatísticas
Notas
  • Seja o primeiro a comentar

Sem downloads
Visualizações
Visualizações totais
143
No SlideShare
0
A partir de incorporações
0
Número de incorporações
1
Ações
Compartilhamentos
0
Downloads
7
Comentários
0
Gostaram
1
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

“Ativando inteligência com Big Data”.

  1. 1. Ativando Inteligência com BIG DATA HÉLIO SILVA
  2. 2. Alguns eventos recentes • Google inicia projeto Google Brain com apoio do professor Andrew NG, da Stanford University • Google compra DeepMind (US$ 650-800 Mil) • Facebook forma sua equipe de Deep Learning liderada pelo prof. Yan LeCum, da New York University • Netflix cria sua equipe de Deep Learning para melhorar recomendações • Yahoo compra Lookflow para adicionar inteligência ao Flickr • Bill Gates diz que se tivesse 20 anos estaria estudando Deep Learning • New York Times monta equipe de Deep Learning para manter assinantes • (...)
  3. 3. Machine Learning • Ramo da Inteligência Artificial • Usado em: • Visão de máquina • Intepretação da linguagem natural • Classificação e categorização de textos e informações • Diagnóstico de anomalias ou mudanças de padrão
  4. 4. Machine Learning - Aplicações • Sistemas de recomendação (RecSys) • Search Engine (Google Hummingbird) • Análise de Sentimento e Monitoramento de Redes Sociais • Prevenção ao cancelamento de assinaturas (customer churn) • Promoções e anúncios em tempo real
  5. 5. • A partir de um aprendizado prévio, o algoritmo dá uma reposta sem intervenção humana: • Timming Correto • Efetiva • Pertinente • Adequada • Inteligente • Tipos de algoritmos • Supervisionado – Tipos de informação são ’explicados’ • Não supervisionado – ‘Aprende’ sozinho Machine Learning
  6. 6. • Uma nova geração de algoritmos de Machine Learning • Baseiam-se em redes neurais que funcionam imitando o funcionamento do cérebro humano e sua rede de neurônios • Algoritmos que aprendem sozinhos (não supervisionados) • Resultados surpreendentes em: • Processamento linguístico (interpretação de ambiguidades) • Reconhecimento da fala • Tradução • Visão de máquina (expressões humanas, humor, sentimento) • ‘Compreensão’ e interação com sistemas com regras finitas (jogo pong ou games) Deep Learning
  7. 7. Favorecem Deep/Machine Learning nesse momento • Grandes volumes de dados para formar o aprendizado • Computação de nuvem e sua característica elástica • Computação cognitiva (IBM Watson) • Avanços em performance com o uso de harwdare como uso de GPU- Graphic Processor Unity
  8. 8. Oportunidades Deep Learning • Data Rental para treinamento de modelos (DaaS) • Serviços de análise de base de clientes produzindo acurados perfis e hábitos de consumo • Pesquisas de sentimento e reação sensorial com analise de expressões faciais
  9. 9. Roadmap • Criação de laboratórios de pesquisa e inovação – Estatísticos / Físicos / Astrônomos – Engenheiros de software – Arquitetos de solução – Formação interna e criação de expertise • Acompanhamento de papers e evolução do conceito no meio acadêmico e comercial
  10. 10. • Novos níveis de personalização da experiência do consumidor • Novas oportunidades de ofertas, anúncios e promoções • Engajamento 2.0 • A personalização das lojas físicas em função do seu público Promessas do Deep Learning
  11. 11. Obrigado !!! http://br.linkedin.com/in/helioss/

×