A palestra "Uma breve introdução ao Big Data e Inteligência Artificial" aborda conceitos fundamentais, histórico e aplicações de Big Data e Inteligência Artificial (IA), destacando a importância dessas tecnologias no mundo atual e seu impacto em diversos setores. Inicia apresentando os palestrantes Leonardo de Souza Marques e Alessandro de Oliveira Binhara, profissionais com vasta experiência em dados, IA e sistemas computacionais. A palestra destaca a evolução do Big Data, citando o aumento exponencial do volume de dados gerados, de 9 zettabytes em 2013 para 120 zettabytes em 2023, e a capacidade atual de processamento e análise de grandes volumes de dados, possibilitada pela computação em nuvem e avanços tecnológicos. Destaca-se a transformação digital em áreas como a genômica, onde o custo de sequenciamento de genes reduziu significativamente, permitindo avanços científicos e médicos. Profissionais de dados são fundamentais nesse contexto, com a palestra elucidando as funções e a importância do cientista e do engenheiro de dados, além de apresentar dados salariais dos EUA para essas profissões em 2023. A discussão se estende para o mercado de Big Data, projetando um crescimento significativo para 2024, com o mercado de big data analytics alcançando $34956 bilhões. Sobre a Inteligência Artificial, a palestra percorre desde suas bases filosóficas e matemáticas até aplicações modernas, como reconhecimento de padrões e aprendizado de máquina. Destaca marcos históricos da IA, como o Teste de Turing, a Conferência de Dartmouth, o desenvolvimento de sistemas especialistas, até avanços recentes em deep learning e linguagem natural processamento. Aspectos técnicos são abordados, como a definição e funcionamento de neurônios artificiais, redes neurais, e o processo de treinamento de redes neurais, incluindo conceitos como feedforward, backpropagation e ajuste de pesos. A palestra também trata do aprendizado de máquina, diferenciando entre seus tipos (supervisionado, não supervisionado e por reforço) e destacando sua importância para o desenvolvimento de sistemas inteligentes. O ChatGPT, desenvolvido pela OpenAI, é apresentado como exemplo de aplicação da IA, com ênfase em sua capacidade de gerar conversações realistas e aplicar conhecimentos em matemática e interpretação de imagem. A aplicação de IA em sistemas de recomendação é exemplificada pelo caso da Netflix, onde 75% das visualizações são baseadas em recomendações, evidenciando o impacto da tecnologia no entretenimento e na tomada de decisões comerciais. A palestra conclui questionando a preparação das empresas para a integração da IA em suas operações e a abertura para perguntas, promovendo a discussão sobre o impacto das tecnologias apresentadas no futuro das organizações e da sociedade

1. "Uma breve introdução ao
Big Data e Inteligência
Artificial"

2. Leonardo de Souza Marques
Curso de Especialização em Inteligência Artificial Aplicada (UFPR),
Graduado em Análise e Desenvolvimento de Sistemas (UFPR),
Cientista e Engenheiro de Dados, Especialista em Sistemas
Cognitivos.
Trabalho com visão computacional, principalmente com identificação
e classificação de objetos, aumento de resolução de imagens de
vídeo, RGBD. Também com NLP, text to speech, speech to text e
resumo (inglês/português). Projeção e classificação de dados
temporais, científicos, financeiros, biológicos entre outros.
Linkedin

3. Alessandro de Oliveira Binhara
É Engenheiro de Software com 24 anos de experiência na indústria de
TI com foco em ambiente open source como Hadoop e Projeto Mono.
Amplo conhecimento em Bigdata ao longo de +12 anos trabalhando
em Apache Hadoop e Hadoop EcoSystem para infraestrutura de
processamento e armazenamento de Bigdata. Instalou e colocou em
produção no Buscapé um dos primeiro cluster em Hadoop.
Atualmente é engenheiro de dados sênior da RDStation, datalake
hadoop da RDStation virou case internacional na Oracle Cloud em
2022.
Linkedin

4. Por que???
BigData ???
Cloud
Computing??

5. Por que??? BigData ??? CloudComputing??
● Em 2001 :
○ Centenas de Milhares de dólares para sequenciar Um Gene
● Atualmente: menos de 6 mil dólares por Gene
● Atualmente o sequenciamento gera cerca de 50 petabytes de dados.
● 1 semana para decodificar 1 Gene
● Atualmente:
○ Se Faz o sequenciamento de 100 Gene por dia

6. O que é BigData ???
2023 - 120
zettabytes
2013 - 9 zettabytes

7. Curiosidades sobre ZetaBytes
O volume de
dados criados
mundialmente
em 2023 é de
120
zettabytes
Diariamente: 328,77 milhões TB que é equivalente: 0,33 ZB/dia
Considerando que uma Bíblia tem
cerca de 5 megabytes em formato
digital, teríamos aproximadamente
65,7 bilhões de Bíblias sendo
escritas todos os dia!

8. O que é Um Cientista de Dados ?
O cientista de dados é um especialista em análise de informações. A
característica mais importante desse profissional, portanto, é a
capacidade analítica. Por isso, quem tem uma sólida formação em
matemática e lógica, como engenheiros, economistas, estatísticos e
matemáticos, é forte candidato a se sair bem na carreira.
Salários nos EUA (2023):
● Cientista de Dados:
● Média: $127K
● Faixa: $79K - $207K
● Engenheiro de Dados:
● Média: $117K
● Faixa: $76K - $184K

9. Porque ?? Quando ???

10. Não confunda os conceitos
● CloudComputing – computação em nuvem
● BigData – Armazenamento e Processamento de Grandes Volumes de Dados
● BI Businnes Inteligence – Apresentar a informações de forma clara, sendo a fonte de
inteligência para os negócios
● Cientista de Dados – é a pessoa capaz de orquestrar todos esses conceitos
apresentando o valor que a empresa quer das informações.
● Engenheiro de Dados - é a pessoa que trabalha com a infra estrutuar de hardware e
software para suportar toda a manipulação de dados

11. Mercado em 2024
● Volume de Mercado:
○ $84 bilhões
● Mercado de big data analytics:
○ $349,56 bilhões
● Crescimento do Mercado:
○ 9%

12. O que é Inteligência Artificial ?
Refere-se à capacidade de sistemas computacionais de realizar
tarefas o que geralmente exigem inteligência humana.
Inclui
● Reconhecimento de padrões
● Aprendizado
● Planejamento
● Tomada de decisões.

13. Como nasceu a
inteligência artificial ???
● Fundação Filosófica:
○ Autômatos e máquinas pensantes desde a Antiguidade.
● Base Matemática:
○ Lógica booleana e teorias de computabilidade (Gödel, Church, Turing).
● Alan Turing:
○ Introduz máquina universal e propõe Teste de Turing em 1950.
● Advento dos Computadores:
○ Plataforma para testar ideias de IA pós-Segunda Guerra.
● Conferência de Dartmouth (1956):
○ Nascimento oficial da IA;
○ Termo "inteligência artificial" cunhado por John McCarthy.
● Investimento e Pesquisa:
○ Otimismo inicial e estabelecimento da IA como campo acadêmico. Teste de Turing

14. Marcos históricos
Inteligência Artificial ?
● 1950: Teste de Turing proposto por Alan Turing.
● 1956: Termo "inteligência artificial" cunhado na Conferência de Dartmouth por John McCarthy .
● 1960s: Primeiros programas conversacionais (ELIZA) e robôs (Shakey) primeiro robot move guiado por IA.
● 1980s:
a. Ascensão dos sistemas especialistas; retropropagação revigora redes neurais.
b. Avanços nos sistemas baseados em regras que são capazes de realizar tarefas específicas em níveis comparáveis
ou, em alguns casos, superiores aos humanos.
c. A introdução do algoritmo de retropropagação revigora o campo das redes neurais.
● 1997: Deep Blue da IBM derrota campeão mundial de xadrez.
● 2000:
a. Sistemas de Recomendação: Grandes empresas, como Amazon e Netflix, começam a usar IA para recomendar
produtos ou filmes.
b. Robótica e Automação: Robôs como o Roomba da iRobot começam a fazer parte da vida cotidiana.
● 2010s: Avanços em deep learning; AlphaGo vence no Go; introdução de BERT .
● 2020s: Modelos linguísticos avançados como GPT da OpenAI.

15. O que é um Neurônio Artificial ?
Definição
Representação matemática de um neurônio biológico.
Entradas
Dados recebidos pelo neurônio (como dendrites).
Pesos
Valores ajustáveis que determinam a importância da entrada.
Função de Agregação
Soma ponderada das entradas
Função de Ativação
Transforma a soma em uma saída
Saída
Resultado final (como axônio em neurônios biológicos).
Funcionamento Básico:
1) Cada valor de entrada é multiplicado pelo seu peso.
2) Os produtos resultantes são somados.
3) O valor somado é passado pela função de ativação para
produzir a saída final.
McCulloch & Pitts (1943): Primeiro modelo matemático de neurônio.

16. O que é uma Rede Neural ?
É um modelo computacional inspirado na forma como as redes neurais
biológicas funcionam no cérebro humano.
Funcionamento Básico:
1)Os dados são introduzidos na camada de entrada.
2)São processados sequencialmente através das camadas.
3)A transformação ocorre por meio da soma ponderada das
entradas, seguida pela função de ativação.
4)A camada de saída fornece o resultado final.
Pode ser uma classificação, uma regressão ou qualquer outro tipo

17. Como é o treinamento
de uma rede neural ?
Inicialização
Comece com pesos aleatórios pequenos.
Feedforward
Propague entradas pela rede até a saída.
Cálculo da Perda
Determine a diferença entre saída prevista e real.
Backpropagation
Calcule contribuição de cada peso para o erro.
Atualização de Pesos
Ajuste pesos usando algoritmos como descenso de gradiente.
Iteração
Repita processo para muitas entradas e épocas.
Validação/Teste
Avalia desempenho em dados não usados no treinamento.
Demonstração
Treinamento para reconhecimento de caracteres.
Muito utilizado em radares fotográficos para
reconhecimento de placas

18. O que é Machine Learning
Aprendizado de Máquina
É o processo que
permitir que
computadores
realizem tarefas
sem programação
explícita através do
aprendizado a partir de
exemplos de dados.

19. E o que é o GPTChat ?

20. E o que é o GPTChat ?
(processo de treinamento)

21. IA Sistemas de Recomendação
Vitrines inteligentes para lojas online, Aumento em 60% o
volume de faturamento.
75% do que é visto é indicado pelo sistemas de
recomendação.
Ela seleciona filmes, cria conteúdo e tomar decisões
multimilionárias com a IA.

22. Case: IA na na Netflix
75% do que é visto é indicado pelo sistemas de recomendação.
Exemplos de métricas
● Quando você pausa, retrocede ou avança rapidamente
● A data e horas , onde (CEP)
● Quando você pausa e sai (e se voltar)
● As avaliações dadas (cerca de 4 milhões por dia)
● Pesquisas (cerca de 3 milhões por dia)
A Netflix também analisa os dados dos filmes. Eles tiram várias “capturas de tela” para observar as características “no momento”. A
Netflix confirmou que sabe quando os créditos começam a rolar; mas há muito mais do que apenas isso. Alguns imaginaram que essas
características podem ser o volume, as cores e o cenário que ajudam a Netflix a descobrir do que os usuários gostam.
Ela seleciona filmes, cria conteúdo e tomar decisões multimilionárias com a IA.

23. Qual grande
questão ?
A IA chegou!
Mas será que as
empresas estão
preparadas ???
Qual a sua opinião ?

24. Obrigado - Perguntas ???
Prompts usados nessa palestra
Escolha do título da palestra
https://chat.openai.com/share/0b077281-a254-4c57-ad8c-8cbb40ce4266
Promtps usado para ajudar na montagem dos slides
https://chat.openai.com/share/09fb445c-a1e9-4e09-9943-ee7069a2422a