Alberto de Freitas F. Filho
Felipe Passarelli Andreoni
Gustavo Yogi
William Endo Freire
Sistemas de Informação – NPA810
Prof. Mateus Tavares da Silva Cozer
Social Network Sites (SNS)
 Serviço da internet que permite pessoas
criarem perfis públicos ou semi-públicos
dentro de um sistema limitado,
escolhendo as pessoas em que irão
interagir, vendo e compartilhando esta
lista de conexão dentro do sistema.
Nicole B. Ellison
 Networking associa-se ao início de um NOVO relacionamento, enquanto
Network tem ênfase na parte de interação/comunicação, mesmo que seja com
uma pessoa conhecida.
Dana M. Boyd
Network x Networking
High School Networks To
Corporate Networks
Mudança de Pensamento
MySpace
Fenômeno Global
FOCO NOS PARCEIROS, NÃO NOS
CONCORRENTES.
FACEBOOK: 1.23 Bilhão de Usuários
Social Commerce
http://likestore.com.br/
Social Commerce
Facebook
Open Graphs
Open Data
Open Data
The Future of the Internet
• Battle of the Boxes
• Battle of the Networks
• Cybersecurity and the Generative Dilemma
• The Generative Pattern
Professor na Universidade
de Harvard e co-fundador
do Berkman Center for
Internet & Society.
Jonathan Zittrain
Battle of the Boxes
Herman Hollerith
Criação do Home PC
Fonte: http://www.boredpanda.com/
Battle of the Networks
Fonte: http://www.boredpanda.com/
The Generative Pattern
architecture of the Internet architecture of the PC
Fonte: The Future of the Internet and How to Stop It – J. Zittrain
Web 3.0
John Markoff
Jornalista americano conhecido por ter
popularizado termo web 3.0 ou web
semântica e por ter escrito sobre a busca e
prisão do hacker Kevin Mitnick, ambos
através de seu trabalho no New York Times
“Entrepreneurs See a Web Guided by Common Sense.”
Informações organizadas para
entendimento do homem e da máquina;
uso inteligente do conhecimento e
conteúdo já disponível online; acesso 24h
por dia em meios de comunicação.
Evolução da Web
Web Semantica
Making Information Available
Static HTML, Email, Forums, Chat,
Low Bandwidth, Limited Hardware.
Ex.: Google, Cadê, Yahoo, Hotmail,
etc.
Data Gathering More Robust
Dynamic HTML, Really Simple
Syndication, Podcasting, Blogging,
Video, High Bandwidht, Cheap
Computing. Ex.: Youtube, Skype,
Facebook, etc.
Web 3.0
Predict Our Behaviors.
Semantic Web, Data has become
more open, Creates transparency
between organizations, Internet of
Things (IoT), Communal, Micro-
Networks, Cloud Computing.
Evolução da Web
Fonte: http://www.qualedigital.com/index.php/web-3-0/
Quanto Vale a Informação?
“A informação é o principal recurso natural deste século a ser coletado por
países e empresas. Ela será o que o vapor foi para o século 18, a
eletricidade para o século 19 e os hidrocarbonetos para o século 20.
Entretanto, há uma diferença: ela é ilimitada, mas precisa ser refinada.”
Ginni Rometty CEO da IBM (HSM Expo Management 2013, SP).
1. Cada vez mais as decisões tomadas dentro das empresas serão baseadas na
informação e em ferramentas de análise preditiva.
2. Infusão de inteligência em tudo que a empresa faz e na maneira como ela faz,
baseada na tendência da chamada Internet das Coisas (Internet of
Things), o que forçará as empresas a integrarem todos esses dados a suas redes
para ofertar produtos e serviços melhores a seus clientes.
3. Mudança do foco na entrega de ativos e produtos não mais para setores de
mercado, mas diretamente para o consumidor, em uma estratégia de marketing
que cada vez mais deve se focar no one-to-one.
Fonte: http://corporate.canaltech.com.br/noticia/ibm/Para-CEO-da-IBM-informacao-e-o-maior-recurso-natural-deste-seculo/
Internet of Things (IoT)
RFID (Radio-Frequency Identification): método de identificação
automática através de sinal de rádio, que permite o
armazenamento e a recuperção de dados remotamente, através
de dispositivos chamados de etiquetas RFID.
Aplicações:
• Identificação e rastreamento
de objetos (controles de
patrimônio e estoques);
• Monitoramento de
deslocamento de
ferramentas, peças e
produtos acabados em
linhas de montagens
indutriais;
• Identificação de veículos;
• Identificação e rastreamento
de rebanhos.
“More objects are becoming embedded with sensor and gaining the ability to
communicate. The resulting information networks promise to create new
business models, improve business processes, and reduce costs and risks.”
Michael Chui, Markus Löffler, Roger Roberts
Fonte: http://www.dis.anl.gov/projects/rfid_tech.html
IoT (Internet of Things): redes de comunicação entre objetos e entre estes e a Internet.
• É a extensão da Internet para o mundo físico, isto é, para o mundo real onde estão
os objetos, propiciando uma interface para interação com e entre objetos (coisas);
• Esta comunicação não depende, necessariamente, de interferência humana;
• Permite que aplicações e serviços se comuniquem, obtenham dados sobre o meio
onde está o objeto e atuem sobre os objetos;
• Podem trazem imensos benefícios para a sociedade em diversos setores, tais
como: segurança alimentar, saúde humana, vida assistida e eficiência energética;
• Vantagem competitiva entre países;
• A internet revolucionou a vida dos indivíduos e a IoT vai revolucionar a vida da
coletividade.
Internet of Things (IoT)
Tecnologias Necessárias à IoT são aquelas que permitem:
I. Identificar objetos através de códigos de barras, etiquetas RFID e matrizes
bidimensionais, entre outros;
II. Agregar dados à identificação do objeto;
III. Monitorar variáveis ambientais por meio de sensores eletrônicos;
IV. Processar dados;
V. Formatar redes de comunicação entre objetos;
VI. Comunicar com a Internet.
Internet of Things (IoT)
Internet of Things (IoT)
BRASIL DEVE SER UM IMPORTANTE PARTICIPANTE GLOBAL
• Investir no domínio das tecnologias habilitadoras relacionadas, como RFID, Zig-Bee,
redes de sensores e tantas outras;
• Plano Maior Brasil: Metas de ampliação do acesso a bens e serviços para qualidade
de vida, incluindo a ampliação do número de domicílios urbanos com acesso à
banda larga (PNBL), alcançando 40 milhões de domicílios.
AGENDA ESTRATÉGICA DE PESQUISA
• Criação de 2-3 projetos nacionais
integrados
• que envolvam grupos de várias regiões
do Brasil;
• Promover a formação de Recursos
Humanos para a área de IoT por meio
de programa específico com grande
componente cooperação
internacional;
• Criação da rede de Pesquisa Internet
das Coisas: envolvendo grupos de
pesquisa, empresas e desenvolvedores
de aplicações em todo país.
Internet of Things (IoT)
Fonte: Michael Chui, Markus Löffler, Roger Roberts – McKinsey Quarterly
Information and Analysis
Fonte: Michael Chui, Markus Löffler, Roger Roberts – McKinsey Quarterly
Fonte: Michael Chui, Markus Löffler, Roger Roberts – McKinsey Quarterly
Internet of Things (IoT)
Automation and Control
Fonte: Michael Chui, Markus Löffler, Roger Roberts – McKinsey Quarterly
Fonte: Michael Chui, Markus Löffler, Roger Roberts – McKinsey Quarterly
Fonte: Michael Chui, Markus Löffler, Roger Roberts – McKinsey Quarterly
Fonte: http://www.monity.com.br/solucao.html
Fundada em 2004
Solução para o mercado de segurança eletrônica no Brasil
Propicia o monitoramento das
operações dos seus veículos
em qualquer lugar. Um
equipamento com três
câmeras, sensores e atuadores
é instalado no veículo. Ele
transmite os vídeos, em tempo
real, por meio de uma
comunicação sem fio 3G. Além
da transmissão em tempo real,
os vídeos e outras informações
são armazenados num servidor
e posteriormente podem ser
consultados.
Mobile Resource Management – M2M
Machine-to-Machine (M2M) refere-se a tecnologias
que permitem tanto sistemas com fio quanto sem fio
a se comunicarem com outros dispositivos que
possuam a mesma habilidade.
Machine Learning Process
É um sub-campo da inteligência artificial dedicado ao
desenvolvimento de algoritmos e técnicas que permitam ao
computador aprender, isto é, que permitam ao computador
aperfeiçoar seu desempenho em alguma tarefa
Machine Learning
Social Machines (SM)
- Social Machine is a tuple of Relationships, Wrapper Interface, request, response, state, constrains,
Input, processing unit and output “
Fonte: [ Meira, Silvio R. L.] “The Emerging Web of Social Machines”
Social Machines
Relationships: Uma máquina social pode se conectar com outra máquina social
seguindo qualquer protocolo bem definido. Exemplo: Caso alguma SM tem a
intenção de ter uma relação com o Twitter.com(SM) ela tem que saber as restrições
do Twitter, o que faz com que diversas SMs possam se relacionar.
Wrapper interface: É uma camada de comunicação, a qual uma SM exterioriza seus
serviços e permite interação com outras SM na web. Exemplo: Vivo manda SMS para
falar que seu pacote de internet está se esgotando, este SMS é uma wrapper
interface.
Request: Uma chamada de procedimento remoto para os serviços prestados pela
wrapper interface de uma máquina social.
Response: Uma resposta remota para os serviços prestados pela wrapper interface
de uma máquina social.
Constraints: Qualquer restrição que uma máquina social pode ter são comparados
com os requisitos não funcionais no ciclo de vida do software. Exemplo : Servidor da
web, dependendo do número de acessos temos um erro de serviço.
Fonte: Roush, W. (2005) “Social Machines - Computing means connecting”
Social Machines
Principais Características:
- Sociabilidade;
- Composicionalidade;
- Capacidade de descobrir e conectar a outra SM dinamicamente.
Fonte: [ Meira, Silvio R. L.] “The Emerging Web of Social Machines”
Aprisionamento no Sistema – Lock In
Ipad x Kindle
Ios x Android
iOs x Ubuntu
Ubuntu é um sistema operacional baseado em Linux desenvolvido pela comunidade
e é perfeito para notebooks, desktops e servidores. Ele contém todos os aplicativos
que você precisa - um navegador web, programas de apresentação, edição de texto,
planilha eletrônica, comunicador instantâneo e muito mais.
Segundo a Free Software Foundation (Fundação para o Software Livre): “Software
Livre é qualquer programa de computador que pode ser usado, copiado, estudado,
modificado e redistribuído sem restrições”. Importante salientar que Software
Livre não significa software grátis e sim liberdade de uso.
Fonte : http://ubuntu-br.org
Big Data O conjunto de soluções
tecnológicas capaz de lidar
com dados digitais em
volume, variedade e
velocidade inéditos até hoje.
Na prática, a tecnologia
permite analisar qualquer
tipo de informação digital em
tempo real, sendo
fundamental para a tomada
de decisões.
Fonte : http://oglobo.globo.com/infograficos/bigdata
Data Mining
• Processo de explorar grande quantidade de dados à procura de padrões
consistentes, como regras de associação ou sequencias temporais, para
detectar relacionamento sistemáticos entre variáveis, detectando assim
novos subconjuntos de dados.
Ferramentas:
• Árvore de Decisão
• Regressão
• Aglomeração
• Segmentação
• Análises de Associação
Apas 2014 Highlights
Marcelo Coutinho
Director of Market Intelligence for Terra Networks and professor of Strategy and Communication at Fundação Getúlio Vargas
(FGV)
Fonte: http://pt.slideshare.net/mcoutinholima?utm_campaign=profiletracking&utm_medium=sssite&utm_source=ssslideview
Predicting the Future with Social Media
Fonte: http://pt.slideshare.net/mcoutinholima?utm_campaign=profiletracking&utm_medium=sssite&utm_source=ssslideview
Fonte: http://pt.slideshare.net/mcoutinholima?utm_campaign=profiletracking&utm_medium=sssite&utm_source=ssslideview
Arvore da Decisão
As árvores de decisão são representações simples do conhecimento e têm sido
aplicadas em sistemas de aprendizado. Elas são amplamente utilizadas em
algoritmos de classificação, como um meio eficiente para construir
classificadores que predizem classes baseadas nos valores de atributos. Assim,
podem ser utilizadas em várias aplicações como diagnósticos médicos, análise
de risco em créditos, entre outros exemplos
Algoritmos CART, ID3 e C4.5
Crowdsourcing, API, Apps contests
O crowdsourcing é um modelo de produção que utiliza a inteligência e os
conhecimentos coletivos e voluntários, geralmente espalhados
pela Internet para resolver problemas. – FÓRUNS, Yahoo Perguntas, Etc
Application programming interface – API - é a “matrix” dos aplicativos, ou
seja, uma interface que roda por trás de tudo: enquanto você usufrui de um
aplicativo ou site, a sua API pode estar conectada a diversos outros sistemas
e aplicativos. E tudo isso acontece sem que você perceba
Sistema Único de Saúde
http://aplicacao.saude.gov.br/portaltransparencia/visao/dadosTransparencia.jsf?uf
Cobertura Populacional
Sistema Único de Saúde
• No conjunto do país, são 46.634.678
usuários de planos de saúde, segundo
dados de 2011 da Agência Nacional
de Saúde Suplementar (ANS).
• População que depende
exclusivamente do SUS, soma
144.098.016 pessoas.
• Temos 1,95 de postos médicos nos
estabelecimentos públicos por 1000
HABITANTES;
• A Bahia conta com apenas 1,25 posto
ocupado por 1.000 habitantes;
• O quadro de penúria e desigualdade
é ainda maior em estados como
Maranhão e Pará, que contam com
menos de um posto de trabalho
médico ocupado por 1.000
habitantes/SUS.
Sistema Único de Saúde
http://www.cremesp.org.br/?siteAcao=CentroDados&acao=detalhes_capitulos&cod_capitulo=4
Melhorias
• Tecnologia:
Cadastro de
Clientes em Tablets,
trazendo enormes
benefícios: rapidez,
monitoramento do
paciente eficaz, etc.
- The Future of the Internet and How to Stop it: Published March 30,2008. Cap 1,2,3 e 4, Authored by Jonathan Zittrain;
J. Zittrain: http://www.law.harvard.edu/faculty/directory/10992/Zittrain
- Machine Learning: "M2M: The Internet of 50 Billion Devices", WinWin Magazine, January 2010.
"Machine-to-Machine (M2M) Communications", MobileIN.
- Valor da Informação: http://corporate.canaltech.com.br/noticia/ibm/Para-CEO-da-IBM-informacao-e-o-maior-
recurso-natural-deste-seculo/
- The emerging Webof Social Machine http//arxiv.org/ftp/arxiv/papers/1010/1010.3045.pdf
- The big switch.Rewiring the World,from Edison to Google.Carr(2008)
- FLETCHER,Dan. How Facebook is redefining privacy.2010.
- CARDOSO,Jorge. The semantic web vision:Where are we? Intelligent Systems, IEEE,v.22,n.5,p.84-
88,2007.
- HENDLER, Jim;BERNERS-LEE,Tim. From the Semantic Web to social machines:A research challengefor Al on the
World Wide Web. Artificial Intelligence,v.174,n.2,p.156-161,2010.
- WITTEN,lan H;FRANK,Eibe.Data Mining:Practical Machine Learning tools and techniques.Morgan Kaufmann,2005.
www.data.gov.uk
- Machine learning: an algorithmic perspective / Stephen Marsland. p. cm. (Chapman & Hall/CRC machine learning
& pattern recognition series), 2009
http://www.technologyreview.com/communications/1/4664
http://cyber.law.harvard.edu/iif/Syllabus
http://portal.saude.gov.br/portal/arquivos/pdf/painel_%20indicadores_do_SUS.pdf
http://www2.datasus.gov.br/DATASUS/index.php
http://www2.datasus.gov.br/DATASUS/index.php?area=0701&item=1&acao=22
http://portalsaude.saude.gov.br/portalsaude/index.cfm?portal=pagina.visualizarArea&codArea=369
IoT video: http://www.youtube.com/watch?v=nEVatZruJ7k
Open Graph Video: http://www.youtube.com/watch?v=4Q207Z-HkUo
Bibliografia

Web 3.0 - FEI, 2014

  • 1.
    Alberto de FreitasF. Filho Felipe Passarelli Andreoni Gustavo Yogi William Endo Freire Sistemas de Informação – NPA810 Prof. Mateus Tavares da Silva Cozer
  • 2.
    Social Network Sites(SNS)  Serviço da internet que permite pessoas criarem perfis públicos ou semi-públicos dentro de um sistema limitado, escolhendo as pessoas em que irão interagir, vendo e compartilhando esta lista de conexão dentro do sistema. Nicole B. Ellison  Networking associa-se ao início de um NOVO relacionamento, enquanto Network tem ênfase na parte de interação/comunicação, mesmo que seja com uma pessoa conhecida. Dana M. Boyd Network x Networking
  • 3.
    High School NetworksTo Corporate Networks Mudança de Pensamento MySpace Fenômeno Global
  • 4.
    FOCO NOS PARCEIROS,NÃO NOS CONCORRENTES. FACEBOOK: 1.23 Bilhão de Usuários
  • 5.
  • 6.
  • 8.
  • 9.
  • 10.
  • 11.
    The Future ofthe Internet • Battle of the Boxes • Battle of the Networks • Cybersecurity and the Generative Dilemma • The Generative Pattern Professor na Universidade de Harvard e co-fundador do Berkman Center for Internet & Society. Jonathan Zittrain
  • 12.
    Battle of theBoxes Herman Hollerith Criação do Home PC Fonte: http://www.boredpanda.com/
  • 13.
    Battle of theNetworks Fonte: http://www.boredpanda.com/
  • 14.
    The Generative Pattern architectureof the Internet architecture of the PC Fonte: The Future of the Internet and How to Stop It – J. Zittrain
  • 15.
    Web 3.0 John Markoff Jornalistaamericano conhecido por ter popularizado termo web 3.0 ou web semântica e por ter escrito sobre a busca e prisão do hacker Kevin Mitnick, ambos através de seu trabalho no New York Times “Entrepreneurs See a Web Guided by Common Sense.” Informações organizadas para entendimento do homem e da máquina; uso inteligente do conhecimento e conteúdo já disponível online; acesso 24h por dia em meios de comunicação.
  • 16.
  • 17.
  • 18.
    Making Information Available StaticHTML, Email, Forums, Chat, Low Bandwidth, Limited Hardware. Ex.: Google, Cadê, Yahoo, Hotmail, etc. Data Gathering More Robust Dynamic HTML, Really Simple Syndication, Podcasting, Blogging, Video, High Bandwidht, Cheap Computing. Ex.: Youtube, Skype, Facebook, etc. Web 3.0 Predict Our Behaviors. Semantic Web, Data has become more open, Creates transparency between organizations, Internet of Things (IoT), Communal, Micro- Networks, Cloud Computing. Evolução da Web Fonte: http://www.qualedigital.com/index.php/web-3-0/
  • 19.
    Quanto Vale aInformação? “A informação é o principal recurso natural deste século a ser coletado por países e empresas. Ela será o que o vapor foi para o século 18, a eletricidade para o século 19 e os hidrocarbonetos para o século 20. Entretanto, há uma diferença: ela é ilimitada, mas precisa ser refinada.” Ginni Rometty CEO da IBM (HSM Expo Management 2013, SP). 1. Cada vez mais as decisões tomadas dentro das empresas serão baseadas na informação e em ferramentas de análise preditiva. 2. Infusão de inteligência em tudo que a empresa faz e na maneira como ela faz, baseada na tendência da chamada Internet das Coisas (Internet of Things), o que forçará as empresas a integrarem todos esses dados a suas redes para ofertar produtos e serviços melhores a seus clientes. 3. Mudança do foco na entrega de ativos e produtos não mais para setores de mercado, mas diretamente para o consumidor, em uma estratégia de marketing que cada vez mais deve se focar no one-to-one. Fonte: http://corporate.canaltech.com.br/noticia/ibm/Para-CEO-da-IBM-informacao-e-o-maior-recurso-natural-deste-seculo/
  • 20.
    Internet of Things(IoT) RFID (Radio-Frequency Identification): método de identificação automática através de sinal de rádio, que permite o armazenamento e a recuperção de dados remotamente, através de dispositivos chamados de etiquetas RFID. Aplicações: • Identificação e rastreamento de objetos (controles de patrimônio e estoques); • Monitoramento de deslocamento de ferramentas, peças e produtos acabados em linhas de montagens indutriais; • Identificação de veículos; • Identificação e rastreamento de rebanhos. “More objects are becoming embedded with sensor and gaining the ability to communicate. The resulting information networks promise to create new business models, improve business processes, and reduce costs and risks.” Michael Chui, Markus Löffler, Roger Roberts Fonte: http://www.dis.anl.gov/projects/rfid_tech.html
  • 21.
    IoT (Internet ofThings): redes de comunicação entre objetos e entre estes e a Internet. • É a extensão da Internet para o mundo físico, isto é, para o mundo real onde estão os objetos, propiciando uma interface para interação com e entre objetos (coisas); • Esta comunicação não depende, necessariamente, de interferência humana; • Permite que aplicações e serviços se comuniquem, obtenham dados sobre o meio onde está o objeto e atuem sobre os objetos; • Podem trazem imensos benefícios para a sociedade em diversos setores, tais como: segurança alimentar, saúde humana, vida assistida e eficiência energética; • Vantagem competitiva entre países; • A internet revolucionou a vida dos indivíduos e a IoT vai revolucionar a vida da coletividade. Internet of Things (IoT)
  • 22.
    Tecnologias Necessárias àIoT são aquelas que permitem: I. Identificar objetos através de códigos de barras, etiquetas RFID e matrizes bidimensionais, entre outros; II. Agregar dados à identificação do objeto; III. Monitorar variáveis ambientais por meio de sensores eletrônicos; IV. Processar dados; V. Formatar redes de comunicação entre objetos; VI. Comunicar com a Internet. Internet of Things (IoT)
  • 23.
    Internet of Things(IoT) BRASIL DEVE SER UM IMPORTANTE PARTICIPANTE GLOBAL • Investir no domínio das tecnologias habilitadoras relacionadas, como RFID, Zig-Bee, redes de sensores e tantas outras; • Plano Maior Brasil: Metas de ampliação do acesso a bens e serviços para qualidade de vida, incluindo a ampliação do número de domicílios urbanos com acesso à banda larga (PNBL), alcançando 40 milhões de domicílios. AGENDA ESTRATÉGICA DE PESQUISA • Criação de 2-3 projetos nacionais integrados • que envolvam grupos de várias regiões do Brasil; • Promover a formação de Recursos Humanos para a área de IoT por meio de programa específico com grande componente cooperação internacional; • Criação da rede de Pesquisa Internet das Coisas: envolvendo grupos de pesquisa, empresas e desenvolvedores de aplicações em todo país.
  • 24.
    Internet of Things(IoT) Fonte: Michael Chui, Markus Löffler, Roger Roberts – McKinsey Quarterly Information and Analysis
  • 25.
    Fonte: Michael Chui,Markus Löffler, Roger Roberts – McKinsey Quarterly
  • 26.
    Fonte: Michael Chui,Markus Löffler, Roger Roberts – McKinsey Quarterly
  • 27.
    Internet of Things(IoT) Automation and Control Fonte: Michael Chui, Markus Löffler, Roger Roberts – McKinsey Quarterly
  • 28.
    Fonte: Michael Chui,Markus Löffler, Roger Roberts – McKinsey Quarterly
  • 29.
    Fonte: Michael Chui,Markus Löffler, Roger Roberts – McKinsey Quarterly
  • 30.
    Fonte: http://www.monity.com.br/solucao.html Fundada em2004 Solução para o mercado de segurança eletrônica no Brasil Propicia o monitoramento das operações dos seus veículos em qualquer lugar. Um equipamento com três câmeras, sensores e atuadores é instalado no veículo. Ele transmite os vídeos, em tempo real, por meio de uma comunicação sem fio 3G. Além da transmissão em tempo real, os vídeos e outras informações são armazenados num servidor e posteriormente podem ser consultados.
  • 31.
    Mobile Resource Management– M2M Machine-to-Machine (M2M) refere-se a tecnologias que permitem tanto sistemas com fio quanto sem fio a se comunicarem com outros dispositivos que possuam a mesma habilidade.
  • 32.
    Machine Learning Process Éum sub-campo da inteligência artificial dedicado ao desenvolvimento de algoritmos e técnicas que permitam ao computador aprender, isto é, que permitam ao computador aperfeiçoar seu desempenho em alguma tarefa
  • 33.
  • 34.
    Social Machines (SM) -Social Machine is a tuple of Relationships, Wrapper Interface, request, response, state, constrains, Input, processing unit and output “ Fonte: [ Meira, Silvio R. L.] “The Emerging Web of Social Machines”
  • 35.
    Social Machines Relationships: Umamáquina social pode se conectar com outra máquina social seguindo qualquer protocolo bem definido. Exemplo: Caso alguma SM tem a intenção de ter uma relação com o Twitter.com(SM) ela tem que saber as restrições do Twitter, o que faz com que diversas SMs possam se relacionar. Wrapper interface: É uma camada de comunicação, a qual uma SM exterioriza seus serviços e permite interação com outras SM na web. Exemplo: Vivo manda SMS para falar que seu pacote de internet está se esgotando, este SMS é uma wrapper interface. Request: Uma chamada de procedimento remoto para os serviços prestados pela wrapper interface de uma máquina social. Response: Uma resposta remota para os serviços prestados pela wrapper interface de uma máquina social. Constraints: Qualquer restrição que uma máquina social pode ter são comparados com os requisitos não funcionais no ciclo de vida do software. Exemplo : Servidor da web, dependendo do número de acessos temos um erro de serviço. Fonte: Roush, W. (2005) “Social Machines - Computing means connecting”
  • 36.
    Social Machines Principais Características: -Sociabilidade; - Composicionalidade; - Capacidade de descobrir e conectar a outra SM dinamicamente. Fonte: [ Meira, Silvio R. L.] “The Emerging Web of Social Machines”
  • 37.
  • 38.
  • 39.
    iOs x Ubuntu Ubuntué um sistema operacional baseado em Linux desenvolvido pela comunidade e é perfeito para notebooks, desktops e servidores. Ele contém todos os aplicativos que você precisa - um navegador web, programas de apresentação, edição de texto, planilha eletrônica, comunicador instantâneo e muito mais. Segundo a Free Software Foundation (Fundação para o Software Livre): “Software Livre é qualquer programa de computador que pode ser usado, copiado, estudado, modificado e redistribuído sem restrições”. Importante salientar que Software Livre não significa software grátis e sim liberdade de uso. Fonte : http://ubuntu-br.org
  • 40.
    Big Data Oconjunto de soluções tecnológicas capaz de lidar com dados digitais em volume, variedade e velocidade inéditos até hoje. Na prática, a tecnologia permite analisar qualquer tipo de informação digital em tempo real, sendo fundamental para a tomada de decisões. Fonte : http://oglobo.globo.com/infograficos/bigdata
  • 41.
    Data Mining • Processode explorar grande quantidade de dados à procura de padrões consistentes, como regras de associação ou sequencias temporais, para detectar relacionamento sistemáticos entre variáveis, detectando assim novos subconjuntos de dados. Ferramentas: • Árvore de Decisão • Regressão • Aglomeração • Segmentação • Análises de Associação
  • 42.
    Apas 2014 Highlights MarceloCoutinho Director of Market Intelligence for Terra Networks and professor of Strategy and Communication at Fundação Getúlio Vargas (FGV)
  • 43.
  • 44.
    Predicting the Futurewith Social Media Fonte: http://pt.slideshare.net/mcoutinholima?utm_campaign=profiletracking&utm_medium=sssite&utm_source=ssslideview
  • 45.
  • 46.
    Arvore da Decisão Asárvores de decisão são representações simples do conhecimento e têm sido aplicadas em sistemas de aprendizado. Elas são amplamente utilizadas em algoritmos de classificação, como um meio eficiente para construir classificadores que predizem classes baseadas nos valores de atributos. Assim, podem ser utilizadas em várias aplicações como diagnósticos médicos, análise de risco em créditos, entre outros exemplos Algoritmos CART, ID3 e C4.5
  • 47.
    Crowdsourcing, API, Appscontests O crowdsourcing é um modelo de produção que utiliza a inteligência e os conhecimentos coletivos e voluntários, geralmente espalhados pela Internet para resolver problemas. – FÓRUNS, Yahoo Perguntas, Etc Application programming interface – API - é a “matrix” dos aplicativos, ou seja, uma interface que roda por trás de tudo: enquanto você usufrui de um aplicativo ou site, a sua API pode estar conectada a diversos outros sistemas e aplicativos. E tudo isso acontece sem que você perceba
  • 48.
  • 50.
  • 51.
  • 52.
    • No conjuntodo país, são 46.634.678 usuários de planos de saúde, segundo dados de 2011 da Agência Nacional de Saúde Suplementar (ANS). • População que depende exclusivamente do SUS, soma 144.098.016 pessoas. • Temos 1,95 de postos médicos nos estabelecimentos públicos por 1000 HABITANTES; • A Bahia conta com apenas 1,25 posto ocupado por 1.000 habitantes; • O quadro de penúria e desigualdade é ainda maior em estados como Maranhão e Pará, que contam com menos de um posto de trabalho médico ocupado por 1.000 habitantes/SUS. Sistema Único de Saúde http://www.cremesp.org.br/?siteAcao=CentroDados&acao=detalhes_capitulos&cod_capitulo=4 Melhorias • Tecnologia: Cadastro de Clientes em Tablets, trazendo enormes benefícios: rapidez, monitoramento do paciente eficaz, etc.
  • 53.
    - The Futureof the Internet and How to Stop it: Published March 30,2008. Cap 1,2,3 e 4, Authored by Jonathan Zittrain; J. Zittrain: http://www.law.harvard.edu/faculty/directory/10992/Zittrain - Machine Learning: "M2M: The Internet of 50 Billion Devices", WinWin Magazine, January 2010. "Machine-to-Machine (M2M) Communications", MobileIN. - Valor da Informação: http://corporate.canaltech.com.br/noticia/ibm/Para-CEO-da-IBM-informacao-e-o-maior- recurso-natural-deste-seculo/ - The emerging Webof Social Machine http//arxiv.org/ftp/arxiv/papers/1010/1010.3045.pdf - The big switch.Rewiring the World,from Edison to Google.Carr(2008) - FLETCHER,Dan. How Facebook is redefining privacy.2010. - CARDOSO,Jorge. The semantic web vision:Where are we? Intelligent Systems, IEEE,v.22,n.5,p.84- 88,2007. - HENDLER, Jim;BERNERS-LEE,Tim. From the Semantic Web to social machines:A research challengefor Al on the World Wide Web. Artificial Intelligence,v.174,n.2,p.156-161,2010. - WITTEN,lan H;FRANK,Eibe.Data Mining:Practical Machine Learning tools and techniques.Morgan Kaufmann,2005. www.data.gov.uk - Machine learning: an algorithmic perspective / Stephen Marsland. p. cm. (Chapman & Hall/CRC machine learning & pattern recognition series), 2009 http://www.technologyreview.com/communications/1/4664 http://cyber.law.harvard.edu/iif/Syllabus http://portal.saude.gov.br/portal/arquivos/pdf/painel_%20indicadores_do_SUS.pdf http://www2.datasus.gov.br/DATASUS/index.php http://www2.datasus.gov.br/DATASUS/index.php?area=0701&item=1&acao=22 http://portalsaude.saude.gov.br/portalsaude/index.cfm?portal=pagina.visualizarArea&codArea=369 IoT video: http://www.youtube.com/watch?v=nEVatZruJ7k Open Graph Video: http://www.youtube.com/watch?v=4Q207Z-HkUo Bibliografia