O documento apresenta uma palestra sobre Big Data e Machine Learning, abordando casos práticos e as possíveis futuras tendências da área de dados. O palestrante discute perfis comuns na área de dados, arquiteturas modernas de dados e a importância da governança de dados. Apresenta também três casos práticos e prevê tendências como ferramentas sem código, aplicações end-to-end com IA e data platforms.
CPGOIAS2 2022: Big Data e Machine Learning: vida real, cases práticos e possível futuro da área de dados.pdf
1. 2
Ponto
Lorem ipsum dolor sit
amet, consec tetur
adipiscing elit. at efficitur
tortor. Donec congue odio
bibendum
1
Ponto
Lorem ipsum dolor sit
amet, consec tetur
adipiscing elit. at
efficitur tortor. Donec
congue odio bibendum
3
Ponto
Lorem ipsum dolor sit
amet, consec tetur
adipiscing elit. at efficitur
tortor. Donec congue odio
bibendum
4
Ponto
Lorem ipsum dolor sit
amet, consec tetur
adipiscing elit. at efficitur
tortor. Donec congue odio
bibendum
Big Data e Machine Learning
vida real, cases práticos e possível futuro da área de dados
2. 2
Ponto
Lorem ipsum dolor sit
amet, consec tetur
adipiscing elit. at efficitur
tortor. Donec congue odio
bibendum
1
Ponto
Lorem ipsum dolor sit
amet, consec tetur
adipiscing elit. at
efficitur tortor. Donec
congue odio bibendum
3
Ponto
Lorem ipsum dolor sit
amet, consec tetur
adipiscing elit. at efficitur
tortor. Donec congue odio
bibendum
4
Ponto
Lorem ipsum dolor sit
amet, consec tetur
adipiscing elit. at efficitur
tortor. Donec congue odio
bibendum
➔ Tech Lead na Dadosfera;
➔ AWS Community Builder;
➔ Bacharel em Sistemas de Informação pelo IFG;
➔ Pós graduado em Big Data e Machine Learning
pela Fasam;
Cicero Moura
cicerojmm
/in/cicero-moura
31. Tendências
31
● Ferramentas No-Code ou Low-Code;
● Aumento de aplicação end-to-end com IA;
● Data as Service nas organizações;
● Modern Data Stack;
● Data Platforms.
32. Modern Data Stack
32
Reverse ETL
Metrics Layer
Data Mesh
Data Catalog 3.0
Data Team as
Product Team
Data Observability
1
6
5
4
3
2
34. Escalando equipes
34
● Equipe de dados se concentrar em entregar
valor;
● Ter ambiente de Big Data reproduzível em larga
escala;
● Oferecer ambiente de dados como Produto;
● Democratizar o acesso a dados.