O documento apresenta a palestra de Alcides Carlos de Araújo sobre desafios diários em Data Science. A palestra inclui três casos de uso de Data Science em diferentes setores e discute conceitos, atores e o ciclo de Data Science.
Ciência de Dados: a revolução na tomada de decisõesMarlesson Santana
O documento discute a área de Ciência de Dados, como ela vem transformando a tomada de decisões e se tornando cada vez mais importante. Apresenta exemplos de como empresas como Netflix, Amazon e Nubank usam dados para melhorar seus negócios. Também aborda o perfil desejado para profissionais de dados e dicas para aqueles que desejam atuar na área.
Big Data e Data Science - Tecnologia e MercadoHélio Silva
1) O documento discute os conceitos de Big Data, Data Science e as tecnologias e mercado relacionados.
2) Grandes volumes de dados continuam a ser gerados diariamente pela internet e dispositivos conectados.
3) A análise de dados em larga escala requer novas abordagens de engenharia e armazenamento para lidar com a variedade e volume crescentes.
O documento discute o papel dos cientistas de dados e as habilidades necessárias para a profissão. Resume que cientistas de dados precisam ter fortes habilidades em programação, estatística, aquisição e limpeza de dados e machine learning para analisar grandes volumes de dados de forma a gerar insights valiosos.
Ciência de Dados: a revolução na tomada de decisõesMarlesson Santana
1. O documento discute a área de Ciência de Dados e sua aplicação em tomada de decisões nas empresas.
2. A disponibilidade em massa de dados e o baixo custo computacional tornaram a Ciência de Dados uma área em expansão.
3. A Ciência de Dados pode ser aplicada em diversas áreas como recomendação, crédito, fraude, logística e saúde para geração de insights.
Big Data, Analytics e o Cientista de Dados – um novo campo de trabalho se abreVivaldo Jose Breternitz
O documento discute Big Data, Analytics e o Cientista de Dados. Aborda o que é Big Data e como os dados são coletados e processados. Explora o que é Analytics e como extrair conhecimento dos dados. Define o Cientista de Dados e as qualificações e habilidades necessárias para a profissão.
O documento discute a evolução da tecnologia da informação desde a Revolução Industrial, mencionando o ENIAC como o primeiro computador eletrônico e as fases da Revolução da Informação. Também aborda o papel do profissional de sistemas de informação e do analista de informação em apoiar as empresas no uso estratégico da tecnologia.
Este documento fornece uma introdução sobre Big Data, cobrindo conceitos como tipos de dados, análise de dados, processamento distribuído usando Hadoop e Spark. Também discute casos de sucesso de análise de dados em empresas como IBM, Google e Walmart.
Ciência de Dados: a revolução na tomada de decisõesMarlesson Santana
O documento discute a área de Ciência de Dados, como ela vem transformando a tomada de decisões e se tornando cada vez mais importante. Apresenta exemplos de como empresas como Netflix, Amazon e Nubank usam dados para melhorar seus negócios. Também aborda o perfil desejado para profissionais de dados e dicas para aqueles que desejam atuar na área.
Big Data e Data Science - Tecnologia e MercadoHélio Silva
1) O documento discute os conceitos de Big Data, Data Science e as tecnologias e mercado relacionados.
2) Grandes volumes de dados continuam a ser gerados diariamente pela internet e dispositivos conectados.
3) A análise de dados em larga escala requer novas abordagens de engenharia e armazenamento para lidar com a variedade e volume crescentes.
O documento discute o papel dos cientistas de dados e as habilidades necessárias para a profissão. Resume que cientistas de dados precisam ter fortes habilidades em programação, estatística, aquisição e limpeza de dados e machine learning para analisar grandes volumes de dados de forma a gerar insights valiosos.
Ciência de Dados: a revolução na tomada de decisõesMarlesson Santana
1. O documento discute a área de Ciência de Dados e sua aplicação em tomada de decisões nas empresas.
2. A disponibilidade em massa de dados e o baixo custo computacional tornaram a Ciência de Dados uma área em expansão.
3. A Ciência de Dados pode ser aplicada em diversas áreas como recomendação, crédito, fraude, logística e saúde para geração de insights.
Big Data, Analytics e o Cientista de Dados – um novo campo de trabalho se abreVivaldo Jose Breternitz
O documento discute Big Data, Analytics e o Cientista de Dados. Aborda o que é Big Data e como os dados são coletados e processados. Explora o que é Analytics e como extrair conhecimento dos dados. Define o Cientista de Dados e as qualificações e habilidades necessárias para a profissão.
O documento discute a evolução da tecnologia da informação desde a Revolução Industrial, mencionando o ENIAC como o primeiro computador eletrônico e as fases da Revolução da Informação. Também aborda o papel do profissional de sistemas de informação e do analista de informação em apoiar as empresas no uso estratégico da tecnologia.
Este documento fornece uma introdução sobre Big Data, cobrindo conceitos como tipos de dados, análise de dados, processamento distribuído usando Hadoop e Spark. Também discute casos de sucesso de análise de dados em empresas como IBM, Google e Walmart.
Big Data Analytics - Data Science - Aplicação e TecnologiaHélio Silva
1) O documento discute o crescimento exponencial da quantidade de dados gerados, especialmente na ciência e pela internet das coisas.
2) Empresas e governos coletam grandes volumes de dados de dispositivos móveis para criar perfis detalhados de usuários e tomar decisões.
3) Cientistas de dados precisam de habilidades amplas em programação, estatística e modelagem para extrair valor destes grandes conjuntos de dados.
ATENÇÃO: Como é um slide mais visual, os texto de apoio que estão apartir do slide 10 são de extrema importância, leia-os para compreender sobre o tema.
DESIGN DO SLIDE DE AUTORIA DE DAYANE CRISTINE LEITE.
ROTEIRO DO SLIDE DE AUTORIA DE MIGUEL DE OLIVEIRA.
Trabalho apresentado em equipe para a matéria de Fundamentos de Sistemas de Informação em 2018.
Links utilizados:
http://nyti.ms/1EQTznL
http://on.fb.me/1EQTq3A
https://www.cetax.com.br/blog/data-science-ou-ciencia-de-dados/
https://datajobs.com/what-is-data-science
https://www.datasciencegraduateprograms.com/python/
O documento discute as tendências e tecnologias emergentes em machine learning, incluindo como machine learning se conecta a temas como internet das coisas, cidades inteligentes e saúde. Também aborda conceitos como deep learning, aplicações de machine learning e desafios éticos emergentes.
Material relativo à apresentação feita a alunos e professores do curso de Matemática da Faculdade de Computação e Informática da Universidade Presbiteriana Mackenzie. O evento ocorreu em 23 e 24/03/2013 em Campos do Jordão
Renzo Ziegler é um engenheiro eletrônico e de computação que trabalha há 12 anos com análise de dados. Atualmente é líder de equipe de software e cientista de dados na BTT Corp, onde busca padrões em sinais cerebrais para correlacionar com doenças.
A AXONDATA oferece serviços de consultoria e desenvolvimento de soluções de problemas complexos em Análise de Dados (Big Data), incluindo gestão da informação e modelagem analítica com aplicações em negócio, além de uma Plataforma Analítica de Big Data, chamada SOMMA®. A empresa conta com a experiência de mais de 15 anos de atuação dos seus sócios nesse segmento. Nossa missão é tornar suas decisões simples e inteligentes.
O documento descreve uma palestra sobre a utilização da ferramenta Pentaho Data Mining para realizar análise preditiva em dados de e-commerce. O palestrante apresenta casos de uso bem-sucedidos e mal-sucedidos de mineração de dados em empresas de comércio eletrônico e discute as vantagens da personalização de recomendações para os clientes. Ele também fornece uma introdução aos conceitos e processos básicos de mineração de dados.
[Palestras] machine learning gênesis ao apocalipseDevCamp Campinas
O documento discute a evolução da machine learning, desde os conceitos iniciais até as aplicações atuais e futuras. Aborda técnicas como clusterização, classificação, análise associativa e preditiva. Também apresenta casos reais como a Amazon e desafios em recomendação de conteúdo. Por fim, reflete sobre ética e privacidade no uso de dados.
Inteligência artificial: inferindo resultados e tendênciasClaudio Lima
O documento discute o uso de algoritmos de inteligência artificial para inferir informações úteis sobre um projeto de extensão universitário. Foi utilizada uma árvore de decisão para analisar dados de estudantes e sugerir que renda e nota influenciaram os resultados. Mais dados seriam necessários para conclusões significativas.
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
A importância das APIs públicas e Big Data no universo da comunicação (Jornal...Rafael Sbarai
O documento discute o uso de Big Data e APIs públicas no jornalismo. Ele descreve como jornalistas podem usar dados abertos e APIs para encontrar novas histórias e como o Facebook e outros usam cientistas de dados para analisar grandes conjuntos de dados dos usuários.
O documento discute a descoberta de conhecimento em bases de dados e mineração de dados. Apresenta os conceitos, o processo de KDD, métodos de mineração de dados e exemplos de aplicações. Explica como a análise de grandes volumes de dados pode extrair padrões úteis para tomada de decisões em diversas áreas como marketing, bancos e saúde.
esses são os slides que eu uso na primeira hora do curso de Big Data e Data Science da FGV. A ideia é mostrar para o aluno um pouco da evolução para a ciência de dados e discutir alguns assuntos como a proposta do curso, os desafios e as burocracias.
O documento apresenta uma introdução à ciência de dados, abordando os principais conceitos da área como: características dos grandes volumes de dados, aplicações da análise de dados, desafios do uso de big data em diferentes setores e o processo de ciência de dados.
Ciencia de dados na pratica, com transparencia e produtividadeJohn Lemos Forman
Apresentação durante o #rioinfo2018 mostrando como plataformas de ciência de dados podem ajudar a integrar equipes multidisciplinares aumentando sua produtividade. O processo fica mais gerenciável e transparente, ajudando as empresas em suas jornadas de transformação digital. Exemplos baseados na plataforma RapidMiner.
Aula Magna Sobre BI & BigData na UNIA, Luanda - Angolaalexculpado
Breve abordagem sobre o que é, o presente e o futuro do BI (Business Intelligence) o que nos remete a uma breve abordagem sobre o que vem a ser o BIGDATA e suas aplicações na sociedade. Mostrando algumas limitações exixtentes na BI tradicional. Tratou-se de uma aula magna com estudantes da UNIA- Univesidade Independente de Angola.
Tendências de inovações tecnológicas para analítica de negócioscictec
Este relatório descreve as principais tendências de inovação tecnológica em analítica de negócios, incluindo o crescimento dos dados em grande volume (big data) e a necessidade de novas técnicas e ferramentas para analisá-los. Também discute os desafios na aquisição de talentos especializados e a importância de mudanças organizacionais para aproveitar plenamente o potencial da analítica. Por fim, apresenta recomendações para empresas de tecnologia da informação sobre como gerar novas oportunidades neste merc
Ciência de Dados: tudo sobre a área que está mudando o futuro das organizações FaBIana Ravanêda Vercezes
O documento fornece uma introdução sobre Ciência de Dados, incluindo: 1) uma breve história da área e como os dados digitais levaram ao surgimento dos cientistas de dados; 2) as habilidades necessárias de um cientista de dados; 3) como a ciência de dados pode ser aplicada em diferentes setores.
Estratégia de Mensuração para Produtos DigitaisHuxley Dias
O documento discute estratégias de mensuração para produtos digitais, identificando desafios comuns como falta de método e foco excessivo em ferramentas. Propõe o uso de frameworks como AARRR e HEART para definir métricas alinhadas com objetivos de negócio. Também descreve um processo iterativo de design, estratégia e dados para desenvolver soluções de análise customizadas.
O documento apresenta 10 mandamentos para projetos de business intelligence eficazes, incluindo: diminuir o escopo dos projetos, utilizar equipes pequenas, garantir a dedicação de todas as áreas envolvidas e reconhecer pequenos sucessos.
Qmeeting 2018 - Utilizando Mashups no Qlik SenseRoberto Oliveira
O documento descreve o que são mashups e como funcionam os mashups nativos do Qlik, podendo ser com ou sem self-service. Mashups combinam dados de diferentes fontes, como áudio, vídeo e web. Os mashups nativos do Qlik oferecem acesso via hub com ou sem restrições de design.
Big Data Analytics - Data Science - Aplicação e TecnologiaHélio Silva
1) O documento discute o crescimento exponencial da quantidade de dados gerados, especialmente na ciência e pela internet das coisas.
2) Empresas e governos coletam grandes volumes de dados de dispositivos móveis para criar perfis detalhados de usuários e tomar decisões.
3) Cientistas de dados precisam de habilidades amplas em programação, estatística e modelagem para extrair valor destes grandes conjuntos de dados.
ATENÇÃO: Como é um slide mais visual, os texto de apoio que estão apartir do slide 10 são de extrema importância, leia-os para compreender sobre o tema.
DESIGN DO SLIDE DE AUTORIA DE DAYANE CRISTINE LEITE.
ROTEIRO DO SLIDE DE AUTORIA DE MIGUEL DE OLIVEIRA.
Trabalho apresentado em equipe para a matéria de Fundamentos de Sistemas de Informação em 2018.
Links utilizados:
http://nyti.ms/1EQTznL
http://on.fb.me/1EQTq3A
https://www.cetax.com.br/blog/data-science-ou-ciencia-de-dados/
https://datajobs.com/what-is-data-science
https://www.datasciencegraduateprograms.com/python/
O documento discute as tendências e tecnologias emergentes em machine learning, incluindo como machine learning se conecta a temas como internet das coisas, cidades inteligentes e saúde. Também aborda conceitos como deep learning, aplicações de machine learning e desafios éticos emergentes.
Material relativo à apresentação feita a alunos e professores do curso de Matemática da Faculdade de Computação e Informática da Universidade Presbiteriana Mackenzie. O evento ocorreu em 23 e 24/03/2013 em Campos do Jordão
Renzo Ziegler é um engenheiro eletrônico e de computação que trabalha há 12 anos com análise de dados. Atualmente é líder de equipe de software e cientista de dados na BTT Corp, onde busca padrões em sinais cerebrais para correlacionar com doenças.
A AXONDATA oferece serviços de consultoria e desenvolvimento de soluções de problemas complexos em Análise de Dados (Big Data), incluindo gestão da informação e modelagem analítica com aplicações em negócio, além de uma Plataforma Analítica de Big Data, chamada SOMMA®. A empresa conta com a experiência de mais de 15 anos de atuação dos seus sócios nesse segmento. Nossa missão é tornar suas decisões simples e inteligentes.
O documento descreve uma palestra sobre a utilização da ferramenta Pentaho Data Mining para realizar análise preditiva em dados de e-commerce. O palestrante apresenta casos de uso bem-sucedidos e mal-sucedidos de mineração de dados em empresas de comércio eletrônico e discute as vantagens da personalização de recomendações para os clientes. Ele também fornece uma introdução aos conceitos e processos básicos de mineração de dados.
[Palestras] machine learning gênesis ao apocalipseDevCamp Campinas
O documento discute a evolução da machine learning, desde os conceitos iniciais até as aplicações atuais e futuras. Aborda técnicas como clusterização, classificação, análise associativa e preditiva. Também apresenta casos reais como a Amazon e desafios em recomendação de conteúdo. Por fim, reflete sobre ética e privacidade no uso de dados.
Inteligência artificial: inferindo resultados e tendênciasClaudio Lima
O documento discute o uso de algoritmos de inteligência artificial para inferir informações úteis sobre um projeto de extensão universitário. Foi utilizada uma árvore de decisão para analisar dados de estudantes e sugerir que renda e nota influenciaram os resultados. Mais dados seriam necessários para conclusões significativas.
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
A importância das APIs públicas e Big Data no universo da comunicação (Jornal...Rafael Sbarai
O documento discute o uso de Big Data e APIs públicas no jornalismo. Ele descreve como jornalistas podem usar dados abertos e APIs para encontrar novas histórias e como o Facebook e outros usam cientistas de dados para analisar grandes conjuntos de dados dos usuários.
O documento discute a descoberta de conhecimento em bases de dados e mineração de dados. Apresenta os conceitos, o processo de KDD, métodos de mineração de dados e exemplos de aplicações. Explica como a análise de grandes volumes de dados pode extrair padrões úteis para tomada de decisões em diversas áreas como marketing, bancos e saúde.
esses são os slides que eu uso na primeira hora do curso de Big Data e Data Science da FGV. A ideia é mostrar para o aluno um pouco da evolução para a ciência de dados e discutir alguns assuntos como a proposta do curso, os desafios e as burocracias.
O documento apresenta uma introdução à ciência de dados, abordando os principais conceitos da área como: características dos grandes volumes de dados, aplicações da análise de dados, desafios do uso de big data em diferentes setores e o processo de ciência de dados.
Ciencia de dados na pratica, com transparencia e produtividadeJohn Lemos Forman
Apresentação durante o #rioinfo2018 mostrando como plataformas de ciência de dados podem ajudar a integrar equipes multidisciplinares aumentando sua produtividade. O processo fica mais gerenciável e transparente, ajudando as empresas em suas jornadas de transformação digital. Exemplos baseados na plataforma RapidMiner.
Aula Magna Sobre BI & BigData na UNIA, Luanda - Angolaalexculpado
Breve abordagem sobre o que é, o presente e o futuro do BI (Business Intelligence) o que nos remete a uma breve abordagem sobre o que vem a ser o BIGDATA e suas aplicações na sociedade. Mostrando algumas limitações exixtentes na BI tradicional. Tratou-se de uma aula magna com estudantes da UNIA- Univesidade Independente de Angola.
Tendências de inovações tecnológicas para analítica de negócioscictec
Este relatório descreve as principais tendências de inovação tecnológica em analítica de negócios, incluindo o crescimento dos dados em grande volume (big data) e a necessidade de novas técnicas e ferramentas para analisá-los. Também discute os desafios na aquisição de talentos especializados e a importância de mudanças organizacionais para aproveitar plenamente o potencial da analítica. Por fim, apresenta recomendações para empresas de tecnologia da informação sobre como gerar novas oportunidades neste merc
Ciência de Dados: tudo sobre a área que está mudando o futuro das organizações FaBIana Ravanêda Vercezes
O documento fornece uma introdução sobre Ciência de Dados, incluindo: 1) uma breve história da área e como os dados digitais levaram ao surgimento dos cientistas de dados; 2) as habilidades necessárias de um cientista de dados; 3) como a ciência de dados pode ser aplicada em diferentes setores.
Estratégia de Mensuração para Produtos DigitaisHuxley Dias
O documento discute estratégias de mensuração para produtos digitais, identificando desafios comuns como falta de método e foco excessivo em ferramentas. Propõe o uso de frameworks como AARRR e HEART para definir métricas alinhadas com objetivos de negócio. Também descreve um processo iterativo de design, estratégia e dados para desenvolver soluções de análise customizadas.
O documento apresenta 10 mandamentos para projetos de business intelligence eficazes, incluindo: diminuir o escopo dos projetos, utilizar equipes pequenas, garantir a dedicação de todas as áreas envolvidas e reconhecer pequenos sucessos.
Qmeeting 2018 - Utilizando Mashups no Qlik SenseRoberto Oliveira
O documento descreve o que são mashups e como funcionam os mashups nativos do Qlik, podendo ser com ou sem self-service. Mashups combinam dados de diferentes fontes, como áudio, vídeo e web. Os mashups nativos do Qlik oferecem acesso via hub com ou sem restrições de design.
Os conectores Qlik permitem combinar dados da web com informações internas para melhorar a tomada de decisões. Os conectores Facebook, Twitter e Google Analytics permitem obter métricas atualizadas dessas plataformas e integrá-las em painéis no Qlik para promover empresas de forma direcionada e obter resultados rápidos com baixo investimento.
O documento apresenta a plataforma Qlik Core, feita para desenvolvedores. Ela fornece uma arquitetura base com Docker, imagens e bibliotecas como enigma.js, halyard.js e picasso.js para conexão com o motor, carga de dados e geração de gráficos. Apresenta demonstrações e passos iniciais para clonar repositórios no GitHub, rodar containers Docker e executar scripts de exemplo com Node.js.
O documento fornece uma introdução aos fundamentos do gerenciamento do Qlik Sense, incluindo: (1) arquitetura de nós simples e multi-nós, (2) funções dos principais componentes, (3) configuração de ambientes multi-nuvem, e (4) ferramentas de monitoramento como o Qlik Sense Management Console.
OBJETIVOS DO EVENTO
Fortalecer os estudos na área de Business Intelligence;
Promover o desenvolvimento de técnicas, metodologias e interfaces junto a comunidade;
Gerar interação entre estudantes, profissionais e empresas aumentado a qualidade do Networking.
OBJETIVOS DO EVENTO
Fortalecer os estudos na área de Business Intelligence utilizando a plataforma Qlik no Brasil;
Promover o desenvolvimento de técnicas, metodologias e interfaces junto a comunidade Qlik
Gerar interação entre estudantes, profissionais e empresas aumentado a qualidade do Networking.
Este documento fornece estratégias para melhorar o desempenho de aplicações Qlik, incluindo reduzir o tamanho dos arquivos qvw através de diminuir linhas e colunas desnecessárias, agregar dados e remover valores distintos desnecessários. Também recomenda expressões simples em vez de aninhadas e reduzir objetos desnecessários.
O documento fornece diretrizes sobre design para business intelligence (BI), discutindo como combinar data visualization (dataviz) e user experience (UX) para criar soluções de BI eficazes. Ele também discute como escolher os melhores gráficos e visualizações de dados dependendo do tipo de análise e público-alvo.
O documento discute diferentes carreiras em TI, incluindo desenvolvedores de software, administradores de banco de dados e sistemas de rede. Ele também fornece dicas sobre como criar um perfil forte no LinkedIn e estratégias para a procura de emprego, como se tornar visível aos recrutadores e demonstrar interesse em novas oportunidades. Finalmente, o documento lista alguns erros comuns em entrevistas de emprego e perguntas frequentes nessas entrevistas.
Este documento discute os conceitos de Canonical Date e AsOf Table para modelagem de dados. Canonical Date permite integrar datas de diferentes tabelas em um único calendário, enquanto AsOf Table representa datas de/para para criar métricas acumuladas ou do mês anterior. O documento explica como implementar essas técnicas com exemplos de códigos e fluxos de modelagem de dados.
O documento apresenta informações sobre Pablo Labbe, consultor especializado em Business Intelligence e Qlik, e discute opções para visualização e análise geolocalizada em Qlik Sense, como QlikMaps e Qlik GeoAnalytics. QlikMaps oferece funcionalidades como multicamadas, drill down automático e análise de densidade diretamente no Qlik Sense/View, enquanto Qlik GeoAnalytics requer comunicação externa e licenciamento adicional para algumas funcionalidades avançadas.
This document provides an introduction to machine learning concepts including definitions of machine learning, the machine learning process involving sample data, feature selection, choosing an algorithm, training and testing models, and applying models in the real world. It also discusses specific machine learning algorithms like gradient descent and examples of applying machine learning like using soccer match data to analyze and predict outcomes. The author's background and qualifications in machine learning, software engineering and data science are also listed.
O documento apresenta Nilton Kazuyuki Ueda, um analista em Business Analytics com experiência de 4 anos utilizando a ferramenta Tableau. A apresentação inclui definições e demonstrações das funcionalidades do Tableau Desktop, Hyper e Maestro, incluindo limpeza e integração de dados, performance e portabilidade.
O documento apresenta uma empresa de consultoria em inteligência empresarial e seus produtos e serviços de business intelligence, incluindo soluções de análise de dados, planejamento orçamentário e ERP. A empresa realizou um evento para discutir oportunidades no mercado de análise de dados e tem como objetivo oferecer ferramentas que ajudem empresas a tomar melhores decisões com base em dados.
O documento apresenta uma introdução ao Power BI, descrevendo-o como uma ferramenta de análise de dados que permite conectar-se a múltiplas fontes de dados, criar relatórios e análises de forma simples e intuitiva em diversos dispositivos. Destaca também o crescimento da ferramenta com atualizações mensais e o apoio da comunidade.
Apesar do sistema de licenciamento único (por meio de tokens) ter facilitado o calculo de compra e escalabilidade das soluções sob a plataforma Qlik Sense, muitos administradores de ambiente continuam com dúvidas sobre alguns aspectos que são peculiares.
Diógenes Justo apresentou sobre Big Data e Data Science. Ele tem experiência em economia, matemática, bancos de dados e projetos. Big Data surgiu nos anos 90 e se refere a grandes volumes de dados complexos que requerem novas formas de processamento. Profissionais de Data Science usam técnicas estatísticas e de aprendizado de máquina para extrair insights valiosos desses dados. Há grandes desafios em preparar a mão de obra e mostrar o valor prático dessas soluções.
O documento resume uma palestra de Roberto Oliveira no evento QMeeting 2015. A palestra abordou a motivação pessoal de Roberto para entrar na área de análise de dados e inteligência de negócios, os objetivos do evento de facilitar networking e troca de experiências, e apresentou brevemente Roberto e seus canais de contato.
O documento descreve uma apresentação sobre o Qlik QMeeting 2015. Apresenta informações sobre a organização do evento, como não é patrocinado pela Qlik e foi organizado pela comunidade. Também fornece detalhes sobre os palestrantes e os temas que serão abordados, incluindo desempenho de aplicações, modelagem de dados e otimização de consultas.
2. Nome: Alcides Carlos de Araújo
Email: alcides.carlos@gmail.com.br
Cientista de dados, Professor e Pesquisador. Atuação em projetos de Data
Science e Machine Learning em diversos setores como Telecomunicações,
Clipping, Financeiro e Marketing Digital.
Cientista de dados na Datakron
Professor Analytics na FIAP
Doutorado na área de Métodos Quantitativos pela FEA/USP
https://www.linkedin.com/in/alcides-araújo/
3. Agenda
• Data Science: conceito, atores e ciclo
• Case 1: Otimização de Broadcast
• Case 2: Sentimento de Notícias
• Case 3: Data Science no Cartola FC
6. O ciclo DS
Data Science
Problema e
objetivos
Define e
coleta os
dados
Coleta dos
dados
Define e
testa
hipóteses
Mensura
efetividade
Apresenta
resultados
• Conhecimento
de Negócios
• Ferramentas de
Big Data
• Ferramentas de
ML
7. Case 1 – Otimização de Broadcast:
O desafio dos zeros
• Desafio: Reduzir a quantidade de envio
de mensagens de estímulo mantendo a
mesma taxa de retorno.
• Proposta: Identificar o comportamento
ou características dos usuários mais
propensos a responder o estímulo
8. Case 1 – Otimização de Broadcast:
O desafio dos zeros
• Desafio de dados: Quantidade excessiva
de tentativas que gera outra quantidade
gigantesca de fracassos.
• Proposta: Identificar algoritmo de
Machine Learning que melhor separasse
os 10% de sucesso contra os 90% de
tentativas fracassadas.
9. Case 1 – Otimização de Broadcast:
O desafio dos zeros
• Resultado:
Antes
797.681
sms enviados
1.755
Conversões
0,49%
conversões
Depois
429.427
sms enviados
1.503
Conversões
1,15%
conversões
Redução de
368.254
sms indesejados enviados
10. Case 2 – Sentimento de notícias:
O desafio dos textos
• Desafio de negócio: Gerar um
classificador de notícias em tempo real.
• Proposta: Desenvolver um algoritmo de
ML que iria “ler” a notícia e classificá-la
em “positiva”, “neutra” ou “negativa”.
11. Case 2 – Sentimento de notícias:
O desafio dos textos
• Desafio de dados:
• Categorizar as palavras
• Ajustar sinônimos
• Gerar dicionário de palavras
• Treinar algoritmo
12. Case 2 – Sentimento de notícias:
O desafio dos textos• Resultado:
13. Case 3 - Data Science no Cartola
• Motivação:
• Inúmeras estatísticas monitoradas durante
uma partida.
• Será possível que um robô ou inteligência
artificial possa realizar este trabalho?
• O Databol acredita na utilização de modernos
métodos estatísticos e computacionais para
geração de insights, um “olheiro” ou
“conselheiro”.
14. Case 3 - Data Science no Cartola
• O Cartola FC:
• Objetivo é
maximizar a
pontuação
16. Case 3 - Data Science no Cartola
• Propostas:
• Elaborar ferramenta para comparar os
desempenhos dos clubes.
• Elaborar ferramenta para comparar o
desempenho esperado dos jogadores
• Elaborar ferramenta para auto-
avaliação do cartoleiro
17. Nome: Alcides Carlos de Araújo
Email: alcides.carlos@gmail.com.br
Cientista de dados, Professor e Pesquisador. Atuação em projetos de Data
Science e Machine Learning em diversos setores como Telecomunicações,
Clipping, Financeiro e Marketing Digital.
Cientista de dados na Datakron
Professor Analytics na FIAP
Doutorado na área de Métodos Quantitativos pela FEA/USP
https://www.linkedin.com/in/alcides-araújo/
Obrigado!