Machine Learning tem se tornado um tópico importante no cenário de software atual. Muito do que se vê sobre o assunto ainda está altamente relacionado a uma matemática complicada, algo exclusivamente acadêmico ou relacionado ao tema do momento, Big Data. A proposta desta apresentação é tentar mostrar um pouco além da teoria sobre o assunto. Mostrar como parte de toda a carga conceitual por trás de Machine Learning, tem tornado aplicações ligeiramente mais “inteligentes” e como isso pode ser usado em projetos mais tradicionais do mundo empresarial, sem necessidade de ser uma grande startup, que produz alguns milhões de registros de dados por dia. Nesta palestra, será apresentada uma visão geral sobre o assunto, será mostrado alguns algoritmos e exemplos de aplicações. Além de mostrar um pouco pouco do trabalho que está sendo feito no processo de evolução de um sistema de recomendação e da otimização de processos empresariais através das idéias de Process Mining.
Aprendizado de Máquinas com Azure Machine Learning e RDiego Nogare
Veja esta sessão de "Aprendizado de Máquinas com Azure Machine Learning e R" com o MVP em SQL Server Diego Nogare, onde são apresentados recursos de aprendizado de máquinas supervisionado e não supervisionados, tanto com Azure Machine Learning quanto com R
Aprendizado de Máquinas com Azure Machine Learning e RDiego Nogare
Veja esta sessão de "Aprendizado de Máquinas com Azure Machine Learning e R" com o MVP em SQL Server Diego Nogare, onde são apresentados recursos de aprendizado de máquinas supervisionado e não supervisionados, tanto com Azure Machine Learning quanto com R
Artificial intelligence (AI) is everywhere, promising self-driving cars, medical breakthroughs, and new ways of working. But how do you separate hype from reality? How can your company apply AI to solve real business problems?
Here’s what AI learnings your business should keep in mind for 2017.
Machine Learning na sua empresa: casos de usoMario Filho
O aprendizado de máquina já está revolucionando o modo de trabalhar de algumas empresas. Os exemplos de aplicação aumentam a cada dia, e conhecer alguns dos desafios que já estão sendo solucionados por meio destes algoritmos pode ser o que falta para que machine learning comece a transformar o dia a dia de seu trabalho também.
Conheça diferentes casos de uso de machine learning em diferentes empresas e setores. Mario é consultor em machine learning, é Kaggle Grandmaster e já ocupou o 12º lugar no ranking global de cientistas de dados.
O modelo de regressão é então usado para prever o resultado de uma variável dependente desconhecida, dados os valores das variáveis independentes.
Nesta aula, mostro um passo a passo com a bordage teórica e prática de como fazer regressão linear utilizando o WEKA
This project is my first attempt in solving a real world problem usingmachine learning. Here I made use of Random Forests, Gradient Tree Boosting, Neural Networks and Ensembles to participate on the "Bikesharing Demand (http://www.kaggle.com/c/bike-sharing-demand) competition on Kaggle.
J!Quant presents the Pills app. A proof-of-concept of what the self-improvement industry will look like in the following years - Personalized, Context-Based, AI-Curated and a platform to leverage great content from best-selling authors, speakers and specialists.
The Pills app leverages the power of GPU Computing to use Conv Nets (Deep Learning) for facial mood recognition and text sentiment extraction.
Apresentação realizada em um encontro do GDG - Google Developers Group (16/05), sobre Scrum e a filosofia ágil. Lançamos também neste dia a versão open-beta de nossa plataforma aberta à comunidade de gestão de projetos, o Jaked (http://jaked.ninja).
Oportunidades para usar inteligência artificial na jornada dos usuários de ecommerce. Caminhos via personalização, recomendação, busca, catálogo, fraude, logística e CX.
Artificial intelligence (AI) is everywhere, promising self-driving cars, medical breakthroughs, and new ways of working. But how do you separate hype from reality? How can your company apply AI to solve real business problems?
Here’s what AI learnings your business should keep in mind for 2017.
Machine Learning na sua empresa: casos de usoMario Filho
O aprendizado de máquina já está revolucionando o modo de trabalhar de algumas empresas. Os exemplos de aplicação aumentam a cada dia, e conhecer alguns dos desafios que já estão sendo solucionados por meio destes algoritmos pode ser o que falta para que machine learning comece a transformar o dia a dia de seu trabalho também.
Conheça diferentes casos de uso de machine learning em diferentes empresas e setores. Mario é consultor em machine learning, é Kaggle Grandmaster e já ocupou o 12º lugar no ranking global de cientistas de dados.
O modelo de regressão é então usado para prever o resultado de uma variável dependente desconhecida, dados os valores das variáveis independentes.
Nesta aula, mostro um passo a passo com a bordage teórica e prática de como fazer regressão linear utilizando o WEKA
This project is my first attempt in solving a real world problem usingmachine learning. Here I made use of Random Forests, Gradient Tree Boosting, Neural Networks and Ensembles to participate on the "Bikesharing Demand (http://www.kaggle.com/c/bike-sharing-demand) competition on Kaggle.
J!Quant presents the Pills app. A proof-of-concept of what the self-improvement industry will look like in the following years - Personalized, Context-Based, AI-Curated and a platform to leverage great content from best-selling authors, speakers and specialists.
The Pills app leverages the power of GPU Computing to use Conv Nets (Deep Learning) for facial mood recognition and text sentiment extraction.
Apresentação realizada em um encontro do GDG - Google Developers Group (16/05), sobre Scrum e a filosofia ágil. Lançamos também neste dia a versão open-beta de nossa plataforma aberta à comunidade de gestão de projetos, o Jaked (http://jaked.ninja).
Oportunidades para usar inteligência artificial na jornada dos usuários de ecommerce. Caminhos via personalização, recomendação, busca, catálogo, fraude, logística e CX.
O objetivo desta palestra é apresentar o que é o Big Data, suas principais
características além do perfil do profissional desta área.
Ao longo da apresentação busco mostrar como é possível criar projetos
de grande valor organizacional. Além de
compartilhar um código-fonte de fácil entendimento que ja tornaria possível
gerar ótimos resultados com poucos conhecimentos
Também deixa minha explícita minha convicção que o valor não está no Big Data em si
mas sim na cultura de abordagem sistêmica através de matemática e estatística que
oferece o poder de extração de dados a partir de dados e geração de informação
Apresentação sobre como personalizamos a jornada do PicPay.
Explicamos sobre o uso de técnicas de big data e machine learning aplicado ao negócio.
Falamos sobre recomendação na home, problemas de NLP em busca e construção de plataformas.
Como começar uma startup - StartCamp #1 Ideiação e User ExperienceWelliton Oliveira
StartCamp #1 Ideiação e User Experience
http://evolvemvp.com
Escolhendo sua área de atuação e criando a segmentação:
Em qual área a sua ideia se encaixa? Qual recorte de segmentação você pretende atuar? Esse mercado tem um número de usuários que o torne viável?
Definir personagens envolvidos (Buyer Personas):
Quem são as pessoas envolvidas com esse mercado? Quais problemas elas enfrentam no dia-a-dia? O que poderia facilitar a vida dessas pessoas?
Jornada do usuário (Customer Journey):
Quais são as atividades que elas executam todos os dias? Quais são os pontos altos e baixos do seu dia? Vamos usar a Jornada do usuário para encontrar as melhores oportunidades de negócios.
Selecionando o cliente ideal e traçando a proposta de valor:
Utilizando o canvas de proposta de valor, vamos mapear de forma visual quais são as dores, ganhos e atividades que o seu cliente executa.
Brainstorm de soluções:
Com as informações da etapa anterior vamos gerar o maior número de ideias possível sobre os problemas do seu usuário, buscando encontrar a solução ideal.
Selecionando sua ideia:
Ela é financeiramente viável? Tecnologicamente factível? É desejável pelos clientes?
Apresentação sobre Arquitetura de Informação feita por Flávia Scudeler, Designer na agência Princi Web.
Informações baseadas no workshop de Arquitetura de Informação de Vinícius Krause, em Campinas.
Apresentação do @leonaressi no #UaiSEO sobre métricas, uso pragmático de ferramentas de informação para otimização em buscadores e web analytics em geral. Com exemplos em Google Analytics
Conceitos básicos e ferramentas para sua empresa marcar presença na internet.
Palestra apresentada no dia 10/09/2013 aos membros do Núcleo de Jovens Empreendedores da ACIL - Limeira.
[SGRio2019] Mais Hipóteses e Menos Certezas - viabilizando o diálogo entre ne...Flavio Nazario
Nesta palestra, vamos propor diversos caminhos para os times de produtos repensar estratégias para validar hipóteses frente aos desafios diários do negócio. Mostraremos também um compilado de diversas possibilidades simples para seu time começar a praticar hoje a aproximação mais empírica de problemas nos seus produtos/serviços.
A proposta desta apresentação é mostrar uma alternativa para construção de aplicações com Ruby on Rails que dá ênfase a modelagem de domínio, separando o código que resolve o problema de negócio do código do framework.
Modular Monoliths - Como é possível organizar sua aplicação para habilitar um...Luiz Costa
O objetivo desta palestra é mostrar como é possível construir uma aplicação baseada na idéia de MonolithFirst e atrasar a decisão de separar em microserviços. A ideia de modular monoliths vem da organização e separação da sua aplicação em módulos ou componentes autônomos que se relacionam entre si, mas estão dentro de uma mesma base de código. Nesta palestra será mostrado como identificar e separar estes módulos, além de um processo que permite extrair um módulo e distribuir como um microserviço.
Como DDD e Strategic Design estão nos ajudando a modernizar um LegadoLuiz Costa
O objetivo desta palestra é mostrar como é possível evoluir e reescrever partes de uma aplicação legada com mais 5 anos em produção utilizando técnicas de uma parte Domain Driven Design conhecida como Strategic Design. É uma aplicação web escrita em Python e Django que suporta a operação de um grupo focado em medicina do trabalho, com clínicas espalhadas pelo país.
Nesta palestra vamos mostrar uma abordagem que pode ajudar times que precisam lidar com aplicações legadas grandes e complexas no caminho da modernização.
Impactos no Design utilizando programação funcional Light TalkLuiz Costa
Orientação a Objetos é sem dúvidas o paradigma de programação mais utilizado, mas ultimamente temos visto
um crescimento significativo no uso de linguagens funcionais. O objetivo desta palestra é mostrar uma abordagem de design com problemas comuns que temos em orientação a objetos, dentro do mundo funcional. Para isso, vamos utilizar um sistema que simula algumas operações de bolsa de valores, para mostrar como as decisões tomadas em um design OO, podem ser mapeadas no mundo funcional através das linguagens Javascript e Clojure.
Impactos no design com programação funcionalLuiz Costa
Orientação a Objetos é sem dúvidas o paradigma de programação mais utilizado, mas ultimamente temos visto um crescimento significativo no uso de linguagens funcionais. O objetivo desta palestra é mostrar uma abordagem de design que mostra problemas comuns que temos em orientação a objetos dentro do mundo funcional. Para isso, vamos utilizar um sistema que simula algumas operações de bolsa de valores para mostrar como as decisões tomadas em design OO podem ser mapeadas no mundo funcional através da linguagem Clojure.
7. machine learning
In which we describe agents that can improve their behaviour through
diligent study of their own experiences.
“Artificial Intelligence -A modern approach"
-Stuart Russell and Peter Norvig
8. Field of study that gives computers the
ability to learn without being explicitly
programmed.
Arthur Samuel (1959)
9. Machine learning is a subfield of computer science (CS)
and artificial intelligence (AI) that deals with the
construction and study of systems that can learn from
data, rather than follow only explicitly programmed
instructions. Besides CS and AI, it has strong ties to
statistics and optimization, which deliver both methods
and theory to the field.
Machine Learning - Wikipedia
10. Machine learning is a subfield of computer science (CS)
and artificial intelligence (AI) that deals with the
construction and study of systems that can learn from
data, rather than follow only explicitly programmed
instructions. Besides CS and AI, it has strong ties to
statistics and optimization, which deliver both methods
and theory to the field.
Machine Learning - Wikipedia
16. marketing
descobrir grupos distintos em uma base de clientes e
usar estes grupos para ajudar no desenvolvimento de
campanhas focadas nos nestes grupos
57. process mining
• process discovery
• performance analysis
• process prediction
• process improvement
o que realmente
aconteceu?
quais são os gargalos do meu
processo?
esta instância vai estourar o
sla?
como posso redesenhar este
processo com o que foi
aprendido?
61. e a análise sobre dados
de negócios?
exemplo compra de passagens aéreas
62. log resumido processo de compra de passagens
aéreas
passageiro companhia trecho preço
data da
compra
data do
embarque
dias de diferença
Souza/Jose TAM SDU/CGH 570,00 28/01/2014 05/02/2014 8
Costa/Luiz TAM SDU/CGH 200,00 08/04/2014 09/06/2014 62
Paiva/Roberto AVIANCA SDU/CGH 126,00 25/02/2014 11/03/2014 14
Ronaldo/Cristian
o
TAM SDU/CGH 258,70 25/11/2014 17/12/2014 22
63. dados de negócio?
• o que define uma boa compra?
• quais são as variáveis que mais
influenciam na compra?
• por que uma compra ruim, foi ruim?
64. definição de um
processo automático
para obter respostas
Statistical Learning
65. qual seria a entrada de dados
necessária?
passageiro companhia trecho preço
data da
compra
data do
embarque
case contexto e objetivo
dias de diferença
Souza/Jose TAM SDU/CGH 570,00 28/01/2014 05/02/2014 8
Costa/Luiz TAM SDU/CGH 200,00 08/04/2014 09/06/2014 62
Paiva/Roberto AVIANCA SDU/CGH 126,00 25/02/2014 11/03/2014 14
Ronaldo/Cristian
o
TAM SDU/CGH 258,70 25/11/2014 17/12/2014 22
66. como definir o que é uma boa compra?
preço
570,00
200,00
126,00
258,70
67. como definir o que é uma boa compra?
preço
570,00
200,00
126,00
258,70
preço <= 181,50
68. quais são as variáveis que mais
influenciam na compra?
69. quais são as variáveis que mais
influenciam na compra?
lineares?
Não lineares?
variáveis mais
importantes
70. quais são as variáveis que mais
influenciam na compra?
Ex. código R
71. por que uma compra ruim, foi ruim?
passageiro companhia trecho preço
data da
compra
data do
embarque
dias de diferença
Souza/Jose TAM SDU/CGH 570,00 28/01/2014 05/02/2014 8
72. por que uma compra ruim, foi ruim?
utilizando as variáveis identificadas, é
possível ter alguns insights
dias de diferença companhia
boas case boas case
14 8
100%
Avianca
TAM
passageiro companhia trecho preço
data da
compra
data do
embarque
dias de diferença
Souza/Jose TAM SDU/CGH 570,00 28/01/2014 05/02/2014 8
77. Referências
Introdução a sistemas de recomendação -
https://www.coursera.org/course/recsys
Recommender Systems: An Introduction - http://www.amazon.com/Recommender-Systems-
Introduction-Dietmar-Jannach/dp/0521493366
Process Mining - http://www.processmining.org/
Statistical Learning Theory -http://en.wikipedia.org/wiki/Statistical_learning_theory
An Introduction to Statistical Learning with applications in R - Gareth James, Daniela
Wittern, Trevor Hastie, Robert Tibshirani
R Language - http://www.r-project.org/
scikit learn - http://scikit-learn.org/stable/
Vandal - www.vandal.com.br
Notas do Editor
Podemos citar várias conceitos aqui, que são tradicionais no mundo OO. Por exemplo, Encapsulamento, polimorfismo, herança, estado. Tudo isso faz parte do que nós conhecemos como OO. Mas o que é mais importante é que isso forma um Conjunto de idéias
Podemos citar várias conceitos aqui, que são tradicionais no mundo OO. Por exemplo, Encapsulamento, polimorfismo, herança, estado. Tudo isso faz parte do que nós conhecemos como OO. Mas o que é mais importante é que isso forma um Conjunto de idéias
Podemos citar várias conceitos aqui, que são tradicionais no mundo OO. Por exemplo, Encapsulamento, polimorfismo, herança, estado. Tudo isso faz parte do que nós conhecemos como OO. Mas o que é mais importante é que isso forma um Conjunto de idéias
final dos anos 80 John Huges escreveu um paper sobre a importancia da programação funcional. Eu gosto bastante de destacar 2 pontos destes paper. É um paper bem denso, e recomendo vcs darem uma olhada, mas ele fala logo no início sobre isso.
final dos anos 80 John Huges escreveu um paper sobre a importancia da programação funcional. Eu gosto bastante de destacar 2 pontos destes paper. É um paper bem denso, e recomendo vcs darem uma olhada, mas ele fala logo no início sobre isso.
final dos anos 80 John Huges escreveu um paper sobre a importancia da programação funcional. Eu gosto bastante de destacar 2 pontos destes paper. É um paper bem denso, e recomendo vcs darem uma olhada, mas ele fala logo no início sobre isso.