O documento discute Big Data e Machine Learning, apresentando casos práticos e tendências futuras na área de dados. O palestrante apresenta perfis comuns na área como engenheiro de dados, cientista de dados e arquiteto de dados, e discute arquiteturas modernas de dados em nuvem. Exemplos de casos práticos incluem análise de desempenho escolar, predição da qualidade de tubos de petróleo e predição de diabetes.

1. Big Data e Machine Learning
vida real, cases práticos e possível futuro
da área de dados
Pós Graduação em
Inteligência Artificial Aplicada

2. 2
● Tech Lead em Engenharia de
Dados.
● AWS Community Builder.
● Pós-Graduado em Big Data e
Machine Learning pela Fasam.
● Bacharel em Sistemas de
Informação pelo IFG.
Cícero Moura

3. 3
www.datatrain.com.br

4. 4
dadosfera.ai

5. Áreas de Data
Science
Agenda
Big Data e IA
1 4
Carreiras na área de
dados
5 Cases
2
3 6
Arquiteturas
modernas
Tendência na área de
dados
5

6. Big Data e IA
6

7. Data Science
7

8. Ecossistema de Big Data
8

9. Buzzwords
9

10. Quem faz
acontecer?
10

11. Perfis na área de Dados
11
Engenheiro de Dados Cientista de Dados Engenheiro de Análise

12. Perfis na área de Dados
12
Engenheiro de
Machine Learning
Arquiteto de Dados Governança de dados

13. Como faz
acontecer?
13

14. Arquiteturas Modernas
14

15. Arquiteturas Modernas
15

16. Arquiteturas na Nuvem
16

17. Arquiteturas na Nuvem
17

18. Arquiteturas na Nuvem
18

19. E como
controlar
tudo isso?
19

20. Governança de Dados
20

21. Governança de Dados
21
Data Lineage Data Quality Data Security Data Catalog

22. Democratização de dados
22

23. Mas não se
esqueça!
23

24. Objetivo Principal
24
Tornar os dados em conhecimento e inteligência
dentro das organizações;

25. Alguns cases
25

26. Cases Práticos
26

27. Cases Práticos
27
● Análise de desempenho e alocação de docentes

28. Cases Práticos
28
● Predição para Design e Qualidade de tubos de petróleo

29. Cases Práticos
29
● Predição para casos de diabetes e suas complicações

30. E o que podemos
esperar?
30

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

33. Data Platform
33
https://docs.dadosfera.ai/

34. Escalando equipes
34
● Equipe de dados se concentrar em entregar valor;
● Ter ambiente de Big Data reproduzivél em larga
escala;
● Oferecer ambiente de dados como Produto;
● Democratizar o acesso a dados.

35. Merchan - Blog
35
● cicerojmm.medium.com

36. Obrigado!
36
/in/cicero-moura
@cicerojmm
linktr.ee/cicerojmm