Mesmo com chuva a gente realizou nosso primeiro meetup de 2020 onde falamos sobre a área de engenharia de dados, ciência de dados, visão computacional e alguns cases da utilização de IA na área da saúde.
Para combater a disparidade de gênero em áreas como programação, escola, família e sociedade devem trabalhar em conjunto para estimular o interesse de meninas em exatas
Quem quer ser um unicórnio?
A palestrante Pamela, engenheira de dados no Itaú, nos deixou uma provocação ao dizer que o que as empresas pedem de um cientista de dados acaba tornando esse profissional um unicórnio com todas os requisitos que é pedido, que todas essas skills pedidas não deveria caber a um profissional apenas, e sim a várias outras profissões como engenheiro de dados, analista de dados,
Assim como cientista de dados é o piloto de fórmula um nós temos outras áreas atuando nos bastidores e com isso a Pamela nos contou um pouco sobre seu dia a dia como engenheira de dados e a importância desse profissional para um cientista de dados. Portanto um engenheiro de dados é um profissional que facilita o trabalho do cientista de dados, ele limpa, padroniza e junta todos os dados deixando eles pronto para o manuseio do do cientista.
Como as máquinas aprendem?
Logo após essa palestra falamos sobre machine learning com a Laura, estagiária em soluções cognitivas na IBM, que é uma forma matemática e estatística de representar um problema de negócio, seu aprendizado é dividido em supervisionado, não supervisionado e por reforço. As principais diferenças de cada um desses aprendizados:
- No aprendizado supervisionado nós temos a nossa variável alvo (Y), ou seja nós temos meio que a presença de um “professor” que vai ensinar para a máquina oque é cada dado. Então através das características do dado (X), nos conseguimos prever algo (Y). Exemplos de algoritmos: Regressão logística, KNN, Regressão linear, Árvore de decisão,Back Propagation Neural Network.
- No aprendizado não supervisionado nós não temos esse professor, então a máquina vai ter que aprender os padrões dos dados sozinha e com isso criar grupos com esses dados e esse processo é chamado de clusterização, exemplo de algoritmos : K-means, K-median, clusterização hierárquica.
- No aprendizado por reforço é muito utilizado em games, carros autônomos e drones. Nesse tipo de aprendizado a máquina aprende através de feedbacks, se ela acertar ela recebe uma "recompensa" mas se errar ela tem uma "punição", então ela tenta várias vezes até conseguir chegar no objetivo.
O que é visão computacional?
É um ramo da inteligência artificial que estuda e desenvolve tecnologias que permitem as maquinas “enxergarem” e extraiam características de imagens.
É muito usada na aplicação de carros autônomos, detecção de objetos, detecção de anomalias no raio X e etc.
Como as máquinas enxergam?
Essa pergunta parece ser bem difícil né?! Elas enxergam através de números, então cada imagem corresponde a uma matriz de números para ela, entre 0 e 255 e com cada um desses valores dentro da imagem ela procura o padrão dos valores de cores RGB que vem do modelo nele.
A palestrante Suzana,desenvolvedora de software na Idwall, nos mostrou alguns trechos de códigos sobre visão computacional, as bibliotecas utilizadas (OpenCV e DLib) com a linguagem python e como ela usou isso na sua tese de mestrado para movimentação de cadeira de rodas através de expressão facial.
Cadê os PotterHeads de plantão?
A Suzana conseguiu reproduzir a capa da invisibilidade utilizando o OpenCV.
E ela ainda lançou um desafio para a galera, e você também pode participar!
Fazer o filtro “turn down for what” em uma foto e se conseguir, escrever para o nosso blog do AI Girls contando como foi realizar esse desafio, quais as dificuldades e como você conseguiu realizar. (Bora fazer meninas?!!)
IA e IOT na área da saúde
A IA vem promovendo transformações seja nas empresas, no mercado e até mesmo na saúde e pensando nisso a palestrante Renata, Globalization Specialist for Security na IBM, nos contou sobre a utilização da IA e do IOT para ajudar pessoas com Parkinson para conseguir escrever ou realizar algumas ações simples como comer.
A Renata nos contou que por ela ser diabética ela sofria muito quando tinha que medir a quantidade de insulina que precisava aplicar antes das refeições e como era difícil quando ela era mais nova, pois ela precisar tirar um pouco do seu sangue para saber o nível de glicose no sangue e atualmente uma empresa desenvolveu um medidor de glicose no sangue, onde ela usa um aparelho no braço que fica medindo a glicose e no aplicativo de celular ela consegue ver essa quantidade, facilitando na quantidade de insulina que ela precisa aplicar sem precisar tirar um pouco do sangue dela para medir.
Através da sua experiência pessoal ela nos ajudou a enxergar as vantagens da IA e o IOT na vida das pessoas e como isso faz a diferença e como precisamos cada vez mais dessas tecnologias.
Até o próximo artigo!!
Atenciosamente,
AI Girl
Palestra sobre Mulheres em Analytics:
Palestra sobre machine learning:
GitHub com códigos de machine learning:
Palestra sobre visão computacional:
GitHub com códigos de visão computacional:
Top comments (0)