SlideShare uma empresa Scribd logo
1 de 152
Ontologias e sua
utilização em aplicações
semânticas
Monday, April 14, 14
globo
.com
Renan Oliveira
renanoliveira.net
Monday, April 14, 14
Web
- suas gerações -
Monday, April 14, 14
Documentos
“A internet atual é baseada em documentos”
Tim Berners-Lee
Monday, April 14, 14
Evolução
Monday, April 14, 14
Web atual
‣ Apresentação dos conteúdos
‣ Formatação, não significado (HTML)
‣ Pouco ou nenhuma estruturação
Monday, April 14, 14
Multimídia
‣ Vários elementos na página
‣ Fotos, vídeos e animações
‣ Qual a relação entre eles?
‣ Quem é mencionado no texto?
‣ Quem, Quando, Onde...
Monday, April 14, 14
HTML
Monday, April 14, 14
Dados
- como organizar? -
Monday, April 14, 14
Google
60 Trilhõesde páginas indexadas no Google.
- Google Fev/2014
Monday, April 14, 14
Falta de Organização
Monday, April 14, 14
Crawler
Monday, April 14, 14
Busca por: Romário
‣ Quem é?
‣ Qual Romário?
‣ Atleta, deputado ou empresário?
Monday, April 14, 14
Busca por: Romário
Monday, April 14, 14
Busca por: Romário
Monday, April 14, 14
Busca por: Gol do Roberto Carlos
no Maracanã
‣ Quem é?
‣ Qual Roberto Carlos?
‣ O que é Gol?
Monday, April 14, 14
Busca
Monday, April 14, 14
Busca
Monday, April 14, 14
Web Semântica
- gerando informação -
Monday, April 14, 14
Web Semântica
“Interliga significados de palavras e, neste âmbito, tem
como finalidade conseguir atribuir um significado
(sentido) aos conteúdos publicados na Internet de modo
que seja perceptível tanto pelo humano como pelo
computador.”
Wikipedia
Monday, April 14, 14
Sintaxe ≠ Semântica
‣ Sintaxe é como você diz algo
‣ Semântica é o que algo significa
Monday, April 14, 14
Sintaxe ≠ Semântica
Monday, April 14, 14
“Sonho”
“I have a dream for the web in which computers
become capable of analyzing all the data on the web -
the content, links, and transactions between people and
computers.”
Tim Berners-Lee
Monday, April 14, 14
Objetivos
‣ Organizar o conteúdo
‣ Distribuir o conteúdo
Monday, April 14, 14
Globo.com
‣ Esportes, Jornalismo, Entretenimento,Tecnologia, etc..
‣ + 2 mil novas matérias por dia
‣ + 15 milhões de usuarios diferentes todo dia
Monday, April 14, 14
Quem usa?
Monday, April 14, 14
Monday, April 14, 14
Globo.com
Monday, April 14, 14
Monday, April 14, 14
CMS
Monday, April 14, 14
Monday, April 14, 14
Monday, April 14, 14
Monday, April 14, 14
Monday, April 14, 14
globo
esporte
.com
Monday, April 14, 14
globo
esporte
.com
Monday, April 14, 14
globo
esporte
.com
Monday, April 14, 14
globo
esporte
.com
Monday, April 14, 14
globo
esporte
.com
Monday, April 14, 14
globo
esporte
.com
Monday, April 14, 14
Monday, April 14, 14
Monday, April 14, 14
Monday, April 14, 14
Monday, April 14, 14
Monday, April 14, 14
Monday, April 14, 14
Números
‣ 98% das matérias do GE e EGO são
anotadas
‣ + 8 MIL páginas de tópico
Monday, April 14, 14
Facebook
Monday, April 14, 14
OpenGraph
‣ Grafo de ações dos usuários
‣ Vocabulário definido
‣ Meta dados no HTML
‣ Inspirado no Dublin Core, RDFa, link-rel canonical
Monday, April 14, 14
OpenGraph - HTML
Monday, April 14, 14
OpenGraph - NewsFeed
Monday, April 14, 14
OpenGraph - Debug
Monday, April 14, 14
Google
Monday, April 14, 14
Iniciativas
‣ Compra do Freebase
‣ Knowledge Graph
‣ Schema.org
Monday, April 14, 14
Freebase
‣ + 43 milhões de tópicos em RDF
‣ Grande comunidade (gestora)
‣ Uso livre
Monday, April 14, 14
Knowledge Graph
‣ Dados da CIA Factbook, Freebase e Wikipedia
‣ Em 7 línguas, incluindo o português
Monday, April 14, 14
Knowledge Graph
Monday, April 14, 14
Knowledge Graph
Monday, April 14, 14
Schema.org
‣ Vocabulário
‣ Metadados no HTML
‣ Recomendo o uso
Monday, April 14, 14
NYT
Monday, April 14, 14
Ações
‣ Anotação e indexação do conteúdo baseado em
indivíduos
‣ Ontologia pública
‣ Interligação com repositórios de dados externos
‣ Usando schema.org e opengraph
Monday, April 14, 14
Monday, April 14, 14
Monday, April 14, 14
Monday, April 14, 14
Monday, April 14, 14
Resultados
‣ Geração automatizada de tópicos
‣ Exibição estruturada dos dados em ambientes externos
Monday, April 14, 14
BBC
Monday, April 14, 14
Ações
‣ Ontologias públicas
‣ Inteligação com repositórios de dados externos
‣ Criação de categorias e agregadores úteis
‣ Grande embaixador da Web Semântica
Monday, April 14, 14
Ontologias públicas e os domínios
Monday, April 14, 14
Histórias
Monday, April 14, 14
Resultados
‣ Potencialização do SEO
‣ Reuso das informações
‣ Navegação interligada e escalável
Monday, April 14, 14
Best Buy
Monday, April 14, 14
Ações
‣ Uso da ontologia GoodRelations (usado no Schema.org)
‣ Adição de metadados com RDFa
Monday, April 14, 14
GoodRelations
Monday, April 14, 14
Monday, April 14, 14
Resultados
‣ + 30% em tráfego de motores de busca
‣ +15% em taxas de cliques noYahoo!
‣ Aumento significativo no Google PageRank
Monday, April 14, 14
Ontologias
- modelo de dados -
Monday, April 14, 14
Definição
“Uma ontologia é um modelo de dados que representa
um conjunto de conceitos dentro de um domínio e os
relacionamentos entre eles”
Wikipedia
Monday, April 14, 14
Protégé
Monday, April 14, 14
Redes Semânticas
‣ OWL e Orientação a objetos
‣ Primeiro formalismo de IA - Anos 70
‣ Gênese das linguagens de programação
‣ UML representam redes semânticas
Monday, April 14, 14
Redes Semânticas
Monday, April 14, 14
Redes Semânticas
‣ Nós representam entidades e links (predicados)
‣ Relações
‣ a-kind-of
‣ is-a
‣ has-a
‣ part-of
Monday, April 14, 14
Conhecimento Único
‣ Menor risco de duplicidade dos dados
‣ Simplificação do uso e da manutenção dos dados
‣ Agilidade na recuperação dos dados
Monday, April 14, 14
Construção
‣ Identificar os indivíduos (exemplares)
‣ Descrever seus atributos
‣ Agrupar os indivíduos em classes (conceitos)
‣ Enumerar as relações entre indivíduos
‣ Definir regras sobre atributos e relações
Monday, April 14, 14
Desenvolvimento
Determinar
domínio e espcopo
Considerar reuso
de ontologias
Enumerar termos
importantes
Definir classes e
hierarquias
Definir
propriedades de
classes
Definir restrições
de propriedades
Criar instâncias da
ontologia
Ontology Development 101
Monday, April 14, 14
OWL
‣ Web Ontology Language
‣ Formaliza um domínio de conhecimento
‣ Define indivíduos (instâncias)
‣ Infere informações de um DataSet
Monday, April 14, 14
RDF
‣ Resource description framework
‣ Modelo baseado em triplas
‣ Você já usou RDF: RSS
‣ Padrão W3C
‣ É muito próximo a como escrevemos uma frase
Monday, April 14, 14
Triplas/RDF
Sujeito
Predicado
Objeto
Monday, April 14, 14
Triplas
sujeito predicado objeto
Neymar é um jogador
Barcelona é um time
Neymar está no elenco Barcelona
Monday, April 14, 14
<Neymar>
RDF
<Barcelona> <Santos>
<Jogador> <Time>
<BarcelonaXSantos:02082013><Partida>
é umé umé um está no
elenco
é uma
mandante visitante
<Camp Nou>
local
“02/08/2013”
data
Monday, April 14, 14
Turtle/N3
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>.
@prefix rdfs: <http://www.w3.org/2000/01/rdf-schema#>.
@prefix foaf: <http://xmlns.com/foaf/0.1/>.
@prefix dbpedia: <http://dbpedia.org/ontology>
<http://semantica.globo.com/Pessoa/Neymar>
rdfs:label "Neymar";
foaf:name "Neymar da Silva Santos Júnior";
dbpedia:birthDate "05/02/1992";
rdf:type dbpedia:SoccerPlayer.
Monday, April 14, 14
DBPedia
‣ Dados extraídos da Wikipedia
‣ Com uma grande comunidade
Monday, April 14, 14
DBPedia
Monday, April 14, 14
DBPedia
:Neymar :nacionalidade :brasileiro
@prefix dbpedia: <http://dbpedia.org/resource>
dbpedia:Neymar dbpedia:birthPlace dbpedia:Brazil .
Monday, April 14, 14
DBPedia
Pessoas 763 mil
Lugares 572 mil
Organizações 192 mil
Outros
+2.240
milhões
DBPedia em Inglês - Março/2014
Monday, April 14, 14
Linked Data
‣ Use URI para descrever coisas (things)
‣ Use HTTP URIs para pessoas e computadores
‣ Forneça informações úteis, usando padrões RDF
‣ Inclua links para outras coisas relacionadas
Tim Berners-Lee
Monday, April 14, 14
Linked Data
‣ Use URI para descrever coisas (things)
‣ Use HTTP URIs para pessoas e computadores
‣ Forneça informações úteis, usando padrões RDF, SPARQL
‣ Inclua links para outras coisas relacionadas
Tim Berners-Lee
Monday, April 14, 14
Linked Open Data
Monday, April 14, 14
LOD
‣ Uso geral
‣ DBPedia
‣ FreeBase
‣ Domínios específicos
‣ GeoNames
‣ MusicBrainz
‣ Sites com autoridades sobre o domínio
Monday, April 14, 14
Classes - owl:Class
‣ Conceito mais básico em um domínio
‣ Todo indivíduo pertence a classe owl:Thing
‣ Toda classe é subclasse de owl:Thing
Monday, April 14, 14
db:Athlete rdf:type owl:Class
@prefix db: <http://dbpedia.org/ontology/> .
@prefix owl: <http://www.w3.org/2002/07/owl#> .
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
db:Athlete rdf:type owl:Class .
Classes - owl:Class
Monday, April 14, 14
db:Athlete rdf:type owl:Class
@prefix db: <http://dbpedia.org/ontology/> .
@prefix owl: <http://www.w3.org/2002/07/owl#> .
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
db:Athlete a owl:Class .
Classes - owl:Class
Monday, April 14, 14
Propriedades
‣ É a mágica!
‣ É como “linkamos” as coisas
‣ Pode unir URIs ou “dados”
‣ Elas tem rdfs:domain e rdfs:range
Monday, April 14, 14
Object Property
‣ Liga uma URI a outra
‣ Seja um indivíduo, uma classe ou outra propriedade
Monday, April 14, 14
db:nationalteam rdf:type owl:ObjectProperty
@prefix db: <http://dbpedia.org/ontology/> .
@prefix owl: <http://www.w3.org/2002/07/owl#> .
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
db:nationalteam a owl:ObjectProperty .
Object Property
Monday, April 14, 14
DataType Property
‣ Liga uma URI a um dado
‣ O dado pode ser um label, uma data, uma hora, etc.
Monday, April 14, 14
Tipos de dados
‣ xsd:string
‣ xsd:decimal
‣ xsd:long
‣ xsd:boolean
‣ xsd:float
‣ xsd:int
‣ xsd:double
‣ xsd:short
‣ xsd:byte
‣ xsd:nonNegativeInteger
‣ xsd:nonPositiveInteger
‣ xsd:negativeInteger
‣ xsd: positiveInteger
etc...
Monday, April 14, 14
db:height rdf:type owl:DatatypeProperty
@prefix db: <http://dbpedia.org/ontology/> .
@prefix owl: <http://www.w3.org/2002/07/owl#> .
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
db:height a owl:DatatypeProperty .
DataType Property
Monday, April 14, 14
Outros tipos de propriedades
‣ Transitivas, owl:TransitiveProperty
‣ Simétricas, owl:SymmetricProperty
‣ Funcionais, owl:FunctionalProperty
‣ Inversas, owl:InverseOf
Monday, April 14, 14
Se A é igual a B e B é igual a C,
logo A é igual a C.
Transitivas
:Brasil :contem :RJ
:RJ :contem :Rio
Monday, April 14, 14
Transitivas
P(x,y) e P(y,z) logo P(x,z)
:contem a owl:ObjectProperty, owl:TransitiveProperty ;
rdfs:domain :Lugar ;
rdfs:range :Lugar .
Monday, April 14, 14
Simétricas
Se A é igual a B logo B é igual a A.
:Joao :e_amigo :Maria
:Maria :e_amiga :Joao
Monday, April 14, 14
Simétricas
P(x,y) iff P(y,x)
:e_amigo a owl:ObjectProperty, owl:SymmetricProperty ;
rdfs:domain :Human ;
rdfs:range :Human .
Monday, April 14, 14
Namoro monogâmico :)
Namora é uma relação funcional, logo Edson e
Pelé são a mesma pessoa.
Funcionais
:Xuxa :namora :Edson
:Xuxa :namora :Pelé
Monday, April 14, 14
Funcionais
P(x,y) e P(x,z) implica y=z
:namora a owl:ObjectProperty, owl:FunctionalProperty ;
rdfs:domain :Human ;
rdfs:range :Human .
Monday, April 14, 14
Inversas
:e_pai e :e_filho são relações inversas,
consegue navegar nas 2 direções
:Zeca :e_pai :Chico
:Chico :e_filho :Zeca
Monday, April 14, 14
Inversas
P1(x,y) iff P2(y,x)
:e_pai a owl:ObjectProperty;
owl:InverseOf :e_filho .
Monday, April 14, 14
Indivíduos
‣ São as instâncias de uma classe
Monday, April 14, 14
db:Neymar rdf:type db:Athlete
@prefix db: <http://dbpedia.org/ontology/> .
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
db:Neymar a db:Athlete .
Indivíduos
Monday, April 14, 14
Restrições
‣ Aplicadas ao contexto
‣ allValuesFrom ou someValuesFrom
‣ Cardinalidade
Monday, April 14, 14
<owl:Restriction>
<owl:onProperty rdf:resource="#hasParent" />
<owl:allValuesFrom rdf:resource="#Human" />
</owl:Restriction>
AllValues From
Todos os Pais são instâncias da
classe Humano
Monday, April 14, 14
SomeValues From
<owl:Restriction>
<owl:onProperty rdf:resource="#hasParent" />
<owl:someValuesFrom rdf:resource="#Physician" />
</owl:Restriction>
Para a classe Pai existir deve
existir um valor hasParent(x,y),
onde pelo menos um valor deY
tem que ser instância de
Physician
Monday, April 14, 14
Cardinalidade - Max
<owl:Restriction>
<owl:onProperty rdf:resource="#hasParent" />
<owl:maxCardinality
rdf:datatype="&xsd;nonNegativeInteger">2</
owl:maxCardinality>
</owl:Restriction>
Todos pessoas tem no máximo 2
pais (biológicos)
Monday, April 14, 14
Cardinalidade - Min
<owl:Restriction>
<owl:onProperty rdf:resource="#hasParent" />
<owl:minCardinality
rdf:datatype="&xsd;nonNegativeInteger">1</
owl:minCardinality>
</owl:Restriction>
Todos pessoas tem no mínimo 1
pai (biológico)
Monday, April 14, 14
Equivalência - owl:equivalentClass
‣ 2 ou + classes possuem os mesmo indivíduos
‣ Une ontologias, ótimo meio
Monday, April 14, 14
@prefix glb: <http://www.globo.com/> .
@prefix db: <http://dbpedia.org/ontology/> .
@prefix owl: <http://www.w3.org/2002/07/owl#> .
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
glb:Atleta owl:equivalentClass db:Athlete .
Equivalência - owl:equivalentClass
glb:Atleta owl:equivalentClasss db:Athlete
Monday, April 14, 14
Classes complexas
‣ Intersecção, owl:intersectioOf
‣ União, owl:unionOf
‣ Complemento, owl:complementOf
‣ Enumeradas, owl:OneOf
‣ Disjuntas, owl:disjointWith
Monday, April 14, 14
Indivíduos iguais - owl:sameAs
‣ Indivíduos são iguais em ontologias diferentes
‣ URIs que representam o mesmo conceito no mundo
real
Monday, April 14, 14
db:Neymar owl:sameAs freebase:Neymar
@prefix db: <http://dbpedia.org/ontology/> .
@prefix owl: <http://www.w3.org/2002/07/owl#> .
@prefix freebase: <http://rdf.freebase.com/ns/> .
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
db:Neymar owl:sameAs freebase:Neymar .
Indivíduos iguais - owl:sameAs
Monday, April 14, 14
Indivíduos diferentes
‣ Muito usado para definir oposição
‣ Individualmente é usado o owl:differentFrom
‣ Em um conjunto é usado owl:distinctMembers
Monday, April 14, 14
:VinhoSeco owl:differentFrom :VinhoSuave
@prefix owl: <http://www.w3.org/2002/07/owl#> .
:VinhoSeco owl:differentFrom :VinhoSuave .
Indivíduos diferentes
Monday, April 14, 14
<owl:AllDifferent>
        <owl:distinctMembers rdf:parseType="Collection">
            <vin:WineColor rdf:about="#Red" />
            <vin:WineColor rdf:about="#White" />
            <vin:WineColor rdf:about="#Rose" />
        </owl:distinctMembers>
    </owl:AllDifferent>
Membros diferentes
Monday, April 14, 14
Vocabulários
‣ Dublin Core Metadata Initiative (DCMI)
‣ Friend of a Friend (FOAF)
‣ Core Ontology for Multimedia (COMM)
‣ Good Relations (Best Buy)
‣ RNews (Media)
Monday, April 14, 14
SCHEMA.ORG
‣ É uma ontologia simples de usar
‣ Coleção de esquemas, html tags
‣ Muito melhor para o SEO
‣ Cria rich snippets
‣ Aproveita de definições de outras ontologias
‣ Iniciativa: Google, Bing, Yahoo eYandex
Monday, April 14, 14
SCHEMA.ORG - Rich Snippets
Monday, April 14, 14
SCHEMA.ORG
Monday, April 14, 14
Classes
‣ Thing
‣ Action
‣ BroadcastService
‣ Class
‣ CreativeWork
‣ Event
‣ Intangible
‣ MedicalEntity
‣ Organization
‣ Person
‣ Place
‣ Product
‣ Property
+ de 100 tipos/classes
Monday, April 14, 14
SPARQL
- consulta em triplas -
Monday, April 14, 14
SPARQL
‣ Definido pelo W3C
‣ Consulta padrão nos maiores repositórios da WS
‣ Consulta em múltiplas ontologias e repositórios
Monday, April 14, 14
Estrutura da Query
# prefix declarations
PREFIX foo: <http://example.com/resources/> ...
# result clause
SELECT ...
# dataset definition
FROM ...
# query pattern
WHERE { ...
}
# query modifiers
ORDER BY ...
Monday, April 14, 14
Estrutura da Query
‣ Declaração de prefixo: abreviação das URIs
‣ Cláusula de resultado: informações que devem ser
retornadas da consulta
‣ Definição de datasets: grafos RDF que estão sendo
consultados
‣ Padrão da consulta: o que consultar (matching)
‣ Modificadores de query: ordenamento e qualquer
processamento a ser feito nos resultados
Monday, April 14, 14
dbpedia.org/sparql
Monday, April 14, 14
Exemplo de consulta
Selecionar todos os predicados e objetos da classe
dbpedia:SoccerPlayer
PREFIX dbpedia: <http://dbpedia.org/ontology/>
SELECT *
FROM <http://dbpedia.org>
WHERE {
dbpedia:SoccerPlayer ?p ?o
}
LIMIT 100
Monday, April 14, 14
Resultado
Monday, April 14, 14
Exemplo de consulta
Selecionar todos indivíduos do tipo dbpedia:SoccerPlayer e
retornar com os seus nomes
PREFIX dbpedia: <http://dbpedia.org/ontology/>
SELECT ?soccerPlayer ?name
FROM <http://dbpedia.org>
WHERE {
?soccerPlayer rdf:type dbpedia:SoccerPlayer;
rdfs:label ?name.
}
LIMIT 100
Monday, April 14, 14
Resultado
Monday, April 14, 14
Insert
Inserir o tipo globo:Celebridade no globo:Neymar
PREFIX globo: <http://s.globo.com>
INSERT data INTO <http://s.globo.com/> {
globo:Neymar rdf:type globo:Celebridade .
}
Monday, April 14, 14
Delete
Excluir o tipo globo:Celebridade no globo:Neymar
PREFIX globo: <http://s.globo.com>
DELETE from <http://s.globo.com/> {
globo:Neymar rdf:type globo:Celebridade .
} WHERE {
globo:Neymar rdf:type globo:Celebridade .
}
Monday, April 14, 14
Personalização
- machine learning -
Monday, April 14, 14
Recapitulação
‣ Melhor SEO
‣ Conteúdo interligado de forma inteligente
‣ Unificação dos dados
‣ Páginas automatizadas
‣ Categorização e classificação
‣ Long Tail
Monday, April 14, 14
Obrigado!
renanoliveira.net
me@renanoliveira.net
Monday, April 14, 14
Referências
‣ http://www.slideshare.net/sergiocrespo/web-semntica-conceitos-e-tecnologias
‣ http://www.slideshare.net/Yasodara/web-semntica-uma-introduo
‣ http://www.slideshare.net/elymatos/introducao-a-web-semantica-2012439
‣ http://www.slideshare.net/icaromedeiros/schemaorg-html-semntico-front-in-macei-2012
‣ http://www.slideshare.net/icaromedeiros/engenharia-de-ontologias
‣ http://www.slideshare.net/renangpa/introduo-a-web-semntica-e-o-case-da-globocom
‣ http://www.ted.com/talks/tim_berners_lee_on_the_next_web
Monday, April 14, 14

Mais conteúdo relacionado

Mais procurados

Knowledge Graphs for Supply Chain Operations.pdf
Knowledge Graphs for Supply Chain Operations.pdfKnowledge Graphs for Supply Chain Operations.pdf
Knowledge Graphs for Supply Chain Operations.pdf
Vaticle
 

Mais procurados (20)

Smarter Fraud Detection With Graph Data Science
Smarter Fraud Detection With Graph Data ScienceSmarter Fraud Detection With Graph Data Science
Smarter Fraud Detection With Graph Data Science
 
2. BigQuery ML を用いた時系列データの解析 (ARIMA model)
2. BigQuery ML を用いた時系列データの解析 (ARIMA model)2. BigQuery ML を用いた時系列データの解析 (ARIMA model)
2. BigQuery ML を用いた時系列データの解析 (ARIMA model)
 
Data Engineering 101
Data Engineering 101Data Engineering 101
Data Engineering 101
 
Big Data na globo.com
Big Data na globo.comBig Data na globo.com
Big Data na globo.com
 
Knowledge Graphs for Supply Chain Operations.pdf
Knowledge Graphs for Supply Chain Operations.pdfKnowledge Graphs for Supply Chain Operations.pdf
Knowledge Graphs for Supply Chain Operations.pdf
 
Build a High-Impact SEO Strategy in 2022
Build a High-Impact SEO Strategy in 2022Build a High-Impact SEO Strategy in 2022
Build a High-Impact SEO Strategy in 2022
 
Think "better" - not "more": Strategisches Content Marketing mit dem SCOM Fra...
Think "better" - not "more": Strategisches Content Marketing mit dem SCOM Fra...Think "better" - not "more": Strategisches Content Marketing mit dem SCOM Fra...
Think "better" - not "more": Strategisches Content Marketing mit dem SCOM Fra...
 
KGC 2014 가볍고 유연하게 데이터 분석하기 : 쿠키런 사례 중심 , 데브시스터즈
KGC 2014 가볍고 유연하게 데이터 분석하기 : 쿠키런 사례 중심 , 데브시스터즈KGC 2014 가볍고 유연하게 데이터 분석하기 : 쿠키런 사례 중심 , 데브시스터즈
KGC 2014 가볍고 유연하게 데이터 분석하기 : 쿠키런 사례 중심 , 데브시스터즈
 
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [투니버스] : 스파크 기반 네이버 웹툰 댓글 수집 및 분석
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [투니버스] : 스파크 기반 네이버 웹툰 댓글 수집 및 분석제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [투니버스] : 스파크 기반 네이버 웹툰 댓글 수집 및 분석
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [투니버스] : 스파크 기반 네이버 웹툰 댓글 수집 및 분석
 
Entity Seo Mastery
Entity Seo MasteryEntity Seo Mastery
Entity Seo Mastery
 
How Enterprise Architecture & Knowledge Graph Technologies Can Scale Business...
How Enterprise Architecture & Knowledge Graph Technologies Can Scale Business...How Enterprise Architecture & Knowledge Graph Technologies Can Scale Business...
How Enterprise Architecture & Knowledge Graph Technologies Can Scale Business...
 
Getting Started with Knowledge Graphs
Getting Started with Knowledge GraphsGetting Started with Knowledge Graphs
Getting Started with Knowledge Graphs
 
Impresní remarketing RTB a FB
Impresní remarketing RTB a FBImpresní remarketing RTB a FB
Impresní remarketing RTB a FB
 
Google Shopping: 5 Ways AI Can Increase Ecommerce Sales and Profit
Google Shopping: 5 Ways AI Can Increase Ecommerce Sales and ProfitGoogle Shopping: 5 Ways AI Can Increase Ecommerce Sales and Profit
Google Shopping: 5 Ways AI Can Increase Ecommerce Sales and Profit
 
Neo4j: The path to success with Graph Database and Graph Data Science
Neo4j: The path to success with Graph Database and Graph Data ScienceNeo4j: The path to success with Graph Database and Graph Data Science
Neo4j: The path to success with Graph Database and Graph Data Science
 
How To Forecast SEO With Better Precision & Transparency
How To Forecast SEO With Better Precision & TransparencyHow To Forecast SEO With Better Precision & Transparency
How To Forecast SEO With Better Precision & Transparency
 
Event-based API Patterns and Practices - AsyncAPI Online Conference
Event-based API Patterns and Practices - AsyncAPI Online ConferenceEvent-based API Patterns and Practices - AsyncAPI Online Conference
Event-based API Patterns and Practices - AsyncAPI Online Conference
 
SEO Case Studies
SEO Case StudiesSEO Case Studies
SEO Case Studies
 
Cypher
CypherCypher
Cypher
 
Bigquery와 airflow를 이용한 데이터 분석 시스템 구축 v1 나무기술(주) 최유석 20170912
Bigquery와 airflow를 이용한 데이터 분석 시스템 구축 v1  나무기술(주) 최유석 20170912Bigquery와 airflow를 이용한 데이터 분석 시스템 구축 v1  나무기술(주) 최유석 20170912
Bigquery와 airflow를 이용한 데이터 분석 시스템 구축 v1 나무기술(주) 최유석 20170912
 

Mais de Renan Moreira de Oliveira

Transição do desenvolvimento web para apps - o caminho suave
Transição do desenvolvimento web para apps - o caminho suaveTransição do desenvolvimento web para apps - o caminho suave
Transição do desenvolvimento web para apps - o caminho suave
Renan Moreira de Oliveira
 

Mais de Renan Moreira de Oliveira (16)

PicPay - GenAI Finance Assistant - ChatGPT for Customer Service
PicPay - GenAI Finance Assistant - ChatGPT for Customer ServicePicPay - GenAI Finance Assistant - ChatGPT for Customer Service
PicPay - GenAI Finance Assistant - ChatGPT for Customer Service
 
AI na jornada do usuário de ecommerce
AI na jornada do usuário de ecommerceAI na jornada do usuário de ecommerce
AI na jornada do usuário de ecommerce
 
RecSys 2020 - iFood recommendation
RecSys 2020 - iFood recommendationRecSys 2020 - iFood recommendation
RecSys 2020 - iFood recommendation
 
Data science Framework
Data science FrameworkData science Framework
Data science Framework
 
iFood Recommendations
iFood RecommendationsiFood Recommendations
iFood Recommendations
 
Sistemas de Recomendação
Sistemas de RecomendaçãoSistemas de Recomendação
Sistemas de Recomendação
 
What is AB, MVT and MAB?
What is AB, MVT and MAB?What is AB, MVT and MAB?
What is AB, MVT and MAB?
 
Dados importam, seja data-driven!
Dados importam, seja data-driven!Dados importam, seja data-driven!
Dados importam, seja data-driven!
 
Big Data to Machine Learning
Big Data to Machine LearningBig Data to Machine Learning
Big Data to Machine Learning
 
Dev para Engenheiro de Dados (From Dev to Data Engineer)
Dev para Engenheiro de Dados (From Dev to Data Engineer)Dev para Engenheiro de Dados (From Dev to Data Engineer)
Dev para Engenheiro de Dados (From Dev to Data Engineer)
 
Big data e globo.com - Uma visão sobre a cultura de dados
Big data e globo.com - Uma visão sobre a cultura de dadosBig data e globo.com - Uma visão sobre a cultura de dados
Big data e globo.com - Uma visão sobre a cultura de dados
 
Big data e a globo.com - 2017
Big data e a globo.com - 2017Big data e a globo.com - 2017
Big data e a globo.com - 2017
 
Big Data e seu fiel companheiro Spark
Big Data e seu fiel companheiro SparkBig Data e seu fiel companheiro Spark
Big Data e seu fiel companheiro Spark
 
Big Data na Globo.com - Dev Version - 2016
Big Data na Globo.com - Dev Version - 2016Big Data na Globo.com - Dev Version - 2016
Big Data na Globo.com - Dev Version - 2016
 
Excelsior - Perfil usando Big Data e Web Semântica
Excelsior - Perfil usando Big Data e Web SemânticaExcelsior - Perfil usando Big Data e Web Semântica
Excelsior - Perfil usando Big Data e Web Semântica
 
Transição do desenvolvimento web para apps - o caminho suave
Transição do desenvolvimento web para apps - o caminho suaveTransição do desenvolvimento web para apps - o caminho suave
Transição do desenvolvimento web para apps - o caminho suave
 

Ontologias e sua utilização em aplicações semânticas - UFF - CASI - 2014