Palestra ministrada na IX SNTC do IFSP do Campus de Hortolândia.
Nesta palestra abordamos rapidamente o que é Inteligência Artificial, o que é Ciência de dados, como esses dois campos de estudo interagem e como é o dia a dia de um profissional que aplica IA em projetos de ciência de dados.
1. E SE JOSEPH CLIMBER FOSSE CIENTISTA DE
DADOS?
0 5 . 1 1 . 2 0 2 0
CIÊNCIA DE DADOS E IA
2. 22
• APRESENTAÇÃO
• O QUE É IA?
• O QUE É CIÊNCIA DE DADOS?
• MERCADO
• PROBLEMA DE NEGÓCIO
• SOLUÇÃO DO PROBLEMA
• ENTREGA
• APRENDIZADOS
• REFERÊNCIAS
• CONTATOS
AGENDA
4. 4
APRESENTAÇÃO
A l e x L a t t a r o
Formado em Análise e Desenvolvimento de
Sistemas pelo IFSP de Hortolândia.
Mestrando em Inteligência Artificial pela
Unicamp.
Atuações:
• Technical Community Manager/Coordenador de
Conteúdo – iMasters
• Technical Community Manager/Coordenador de
Conteúdo – Microsoft
• Cientista de dados - Kroton
4
11. DEFINIÇÕES AO LONGO DO TEMPO
1950 1956 1994 2013
A l a n T u r i n g
J o h n
M c C a r t h y
R u s s e l e
N o r v i g
R o s a , P e r e i r a , L u g e r,
R u s s e l e N o r v i g
Computing Machinery and
Intelligence
Conferência realizada na
Dartmouth College
A r t i f i c i a l
i n t e l l i g e n c e : a
m o d e r n a p p r o a c h
Á r e a i n e r e n t e a
c i ê n c i a d a
c o m p u t a ç ã o
11
19. 19
D E F I N I Ç Ã O
19
Bugnion, Manivannan e Nicolas:
A Ciência de Dados é devotada à extração de
informação útil a partir de imensas, complexas e
dinâmicas bases de dados.
O QUE É?
29. PRIMEIRA SPRINT
E r i c C a r t m a n
CEO
We n d y Te s t a b u rg u e r
Gerente de projeto
Ky l e B ro f l o v s k i
PO
Ke n ny M c C o r m i c k
Scrum Master
B u t t e rs S t o t c h
Engenheiro de dados
S t a n M a rs h
Cientista de dados
29
54. • 1 – O S D A D O S N U N C A E S T Ã O L I M P O S ;
• 2 – V O C Ê G A S T A A M A I O R P A R T E D O S E U
T E M P O L I M P A N D O E P R E P A R A N D O O S D A D O S ;
• 3 – 9 5 % D A S T A R E F A S N Ã O P R E C I S A M D E
D E E P L E A R N I N G ;
• 4 – E M 9 0 % D O S C A S O S , U M A R E G R E S S Ã O
L I N E A R R E S O L V E R Á S E U P R O B L E M A ;
• 5 – B I G D A T A É S Ó U M A F E R R A M E N T A ;
• 6 – N I N G U É M L I G A P A R A C O M O V O C Ê
R E S O L V E ;
• 7 – A C A D E M I A E M E R C A D O S Ã O M U N D O S
D I S T I N T O S ;
• 8 – A A P R E S E N T A Ç Ã O É A C H A V E ;
• 9 – T O D O S O S M O D E L O S S Ã O F A L S O S , M A S
A L G U N S S Ã O Ú T E I S ;
• 1 0 – N Ã O E X I S T E A U T O M A T I Z A Ç Ã O D E
C I Ê N C I A D E D A D O S O U D E I A , V O C Ê V A I T E R
Q U E S U J A R A S M Ã O S .
55. ETICA
P E R G U N T E - S E : O S E U C Ó D I G O P R O M O V E A D I V E R S I D A D E O U O
P R E C O N C E I TO ?
55
57. OBRIGADO
w w w. l i n k e d i n . c o m / i n / a l e x l a t t a r o / g i t h u b . c o m / l a t t a r o A l e x . l a t t a r o @ g m a i l . c o m
C O N TATO S
i m a s t e r s . c o m . b r / p e r f i l / a l e x l a t t a r o / w w w. k a g g l e . c o m / a l e x l a t t a r o