A ciência de dados tem ganhado muita atenção na última década. A criação de vários programas de graduação e pós-graduação, no Brasil e no exterior, é um testamento desse avanço. Empresas e indústrias, das mais diversas áreas, estão consolidando áreas de ciência de dados, comumente agregando expertise vinda predominantemente da estatística e da ciência da computação.
Reunindo três mulheres cientistas de dados e futuros profissionais da área para debater suas áreas de atuação, seus desafios profissionais e, igualmente importante, seus desafios num ambiente ainda predominantemente masculino, o workshop contará, além de tutoriais introdutórios de R e Python para ciência de dados, baseados em exemplos reais tais como a relação entre doenças infecciosas e vacinação, com três palestras. Nelas, as cientistas de dados dividirão conosco a importância da visualização de dados, além de abordar temos relevantes como data literacy e visual literacy. Também falarão sobre causalidade no mundo atual dos algoritmos de aprendizagem de máquina e aplicações altamente complexas em geoprocessamento.
Confira a programação completa e inscreva-se!
Evento gratuito e sujeito à lotação do espaço.
Data: 22/11/2019
Horário: 09h00
Local: Octavio Gouvea de Bulhões - 2º andar - Prédio 1
Entrada: Rua Uberabinha, s/n
Estacionamento: Rua Uberabinha, s/n – Vila Olímpia
Python para ciência de dados: Paloma Schwartzman (iFood)
O objetivo do tutorial é mostrar como um cientista de dados pode utilizar o Python no pipeline de construção de modelos. Serão abordados os seguintes tópicos:
Noções básicas de Python para análise exploratória de dados utilizando bibliotecas como Pandas, NumPy e Seaborn;
Noções básicas de estatística utilizando a biblioteca SciPy;
Construção de modelos preditivos usando o scikit-learn.
Coffee break
R para ciencia de dados: Marina Muradian (Insper)
Em formato de estudo de caso, o workshop será uma introdução à análise de dados usando o R, passando pelas etapas de preparar, visualizar e modelar. Utilizando pacotes do tidyverse como dplyr e ggplot2 para preparação e visualização dos dados, o caso utilizará modelos de análise multivariada e séries temporais para analisar os dados de doenças infecciosas e vacinas nos Estados Unidos ao longo dos anos.
Almoço
DataViz, o canivete suíço da Ciência de Dados: Nathalia Demetrio (Cabify)
A visualização de dados, ou simplesmente DataViz, é um recurso fundamental dentro de qualquer uma das etapas da Ciência de Dados, contemplando desde o entendimento do problema e modelagem dos dados, até a apresentação das conclusões propriamente dita. Porém, apesar da relevância e complexidade deste tema, visto demandar desde conhecimentos técnicos até toda a ciência social que envolve a transmissão de uma mensagem, a “visualização de dados” é praticamente negligenciada dentro dos materiais relacionados à Ciência de Dados.
Causalidade em ciência de dados: Paloma Schwartzman (iFood)
Essa apresentação falará sobre a importância de inferir causalidade ao invés de correlação em diversas aplicações dentro de Ciência de Dados. Os modelos/algoritmos tradicionais de Machine Learning/Deep Learning muitas vezes falham em estimar o efeito causal de determinada intervenção/variável, no entanto, o futuro da Ciência de Dados/ Inteligência Artificial depende de uma melhor inferência destas relações de causa-efeito. Serão apresentadas, resumidamente, algumas técnicas desde experimentos aleatórios controlados até métodos observacionais como árvores aleatórias causais, modelos uplift, propensity score e causalidade em séries temporais.
Aprendizado de máquina para descoberta de recursos naturais: Bianca Zadrozny (IBM Brasil)
A palestra trará uma visão geral de alguns dos projetos mais recentes do grupo Natural Resources Analytics da IBM Research Brasil, cuja missão é desenvolver novas técnicas de aprendizado de máquina que levem em conta as características dos dados da subsuperfície terrestre e conhecimento especializado para auxiliar geocientistas na descoberta de recursos naturais. Será concentrando em um projeto em parceria com a mineradora Goldcorp no Canadá, onde utilizamos aprendizado de máquina para prever o nível de mineralização de ouro com base na informação geológica circundante.
Mesa redonda: desafios correntes e futuros (Nathalia, Paloma & Bianca)
Encerramento
Evento gratuito e sujeito à lotação do espaço.
É de conhecimento do participante que eventuais filmagens e/ou fotografias realizadas no evento poderão ser utilizadas em qualquer meio de mídia para uso institucional.
Olá,
Lamentamos, mas as inscrições para este evento já estão encerradas.
Fique por dentro de nossa agenda para participar de futuras oportunidades.
Cadastre-se para receber os convites das nossas iniciativas.
Atenciosamente,
Insper
Bacharel em Administração de Empresas pelo Insper (2012) e Mestre em Administração pela Faculdade de Economia, Administração e Contabilidade da Universidade de São Paulo (2016). Atualmente é Doutoranda em Business Economics pelo Insper com área de pesquisa em Marketing Analytics e é professora do Insper.
Bacharel em estatística pela UFPE e mestre pela USP, atende por estatista, cientista de dados, growth hacker, ou o que melhor definir uma profissional apaixonada pela mistura de: dados, programação, comunicação e propósito. Com experiência em áreas como pesquisa de mídia e fusão de dados pela Kantar IBOPE Media, insights 'go to market' e business performance pela VIVO, atualmente é Growth Manager na Cabify. Conselheira eleita no CONRE-3, co-organizer das R-Ladies São Paulo, mãe do Guga, entre outros, acredita na responsabilidade individual e coletiva em relação ao meio em que vivemos.
Graduada em Economia pela UFRJ, Paloma Vaissman fez mestrado acadêmico em Teoria Econômica na FEA/USP, com foco em econometria, e doutorado em Estatística pelo IME/USP. Desde cedo tem interesse em inferir padrões através de dados e descrever/ prever 'o mundo' através de modelos matemáticos. Atuou em diversas empresas com Modelagem Estatística/Ciência de Dados como LCA, Itaú, Almap e iFood e deu aulas de econometria no Insper. Defensora da causa de mais mulheres em Exatas/ Tecnologia e educação plural.
Lidera o grupo de pesquisas em análise de dados para recursos naturais na IBM Research Brasil desde 2012. A missão do grupo é desenvolver técnicas de aprendizado de máquina para auxiliar geocientistas no processo de descoberta de recursos naturais. Bianca é graduada em Engenharia de Computação pela PUC-Rio e tem mestrado e doutorado em Ciência da Computação pela Universidade da Califórnia, San Diego. Ela é uma pesquisadora ativa nas áreas de aprendizado de máquina e mineração de dados, tendo publicado mais de 40 artigos científicos.