MENU

| BR

Campus

Cursos

Programas Executivos

Programas Executivos

Paises

SXSW 2021: neurotecnologia, Amy Webb e tendências para o futuro

SXSW 2021: neurotecnologia, Amy Webb e tendências para o futuro
#UX
#Marketing
#Tecnologia
#Dados
17 de março - min de leitura

O maior festival de tecnologia do mundo acontece no online! Fique por dentro das novidades do SXSW 2021 e principais insights comentados por nosso diretor acadêmico, Edney Souza.


A edição SXSW 2021 acontece inteiramente online, e por consequência disso, a maior parte das palestras e painéis foi gravada anteriormente, imagino (e concordo) que foi para evitar possíveis problemas técnicos. 

Desta forma, diversas sessões foram liberadas para transmissão já no primeiro dia, então a cobertura será basicamente sobre as palestras que eu decidi assistir naquele dia e mais algumas coisas que foram liberadas aos poucos ao longo da semana  :)

Meu nome é Edney Souza, Diretor Acadêmico da Digital House, essa é a 6ª edição do SXSW que tenho o prazer de assistir e espero que vocês gostem dos insights que vou compartilhar por aqui no nosso blog ao longo dos próximos dias.

SXSW 2021: Jornada para um cérebro melhor

Iain McIntyre - Ceo - Humm

Vivienne Ming - Founder & Executive Chair - Socos

A Humm é uma startup que está pré-lançando um dispositivo que estimula seu cérebro por 15 minutos e melhora a performance do seu cérebro e sua memória por 90 minutos.

Neste painel um dos convidados foi Vivienne, Phd em neurociência com 20 anos de experiência em pesquisas nessa área.

Durante a palestra, Vivienne explica um pouco sobre a ciência por trás da estimulação cerebral e outros avanços da neurociência e da neurotecnologia.

Se olharmos a história da neurociência, o EEG (Eletroencefalografia) para movimentar um cursor no computador é algo que já tem 20 anos, o que mudou é o avanço tecnológico, tanto na eletrônica, para miniaturizar o leitor de EEG, quando na inteligência artificial para organizar esses dados e permitir leituras mais elaboradas. Juntos com esses avanços também temos próteses mais desenvolvidas, mais leves, mais resistentes, mais avançadas.

Quando você combina tudo isso, temos próteses movimentadas por "ondas" cerebrais

Alguns ramos da neurotecnologia se desenvolveram mais rapidamente do que outros, em função do tipo de entendimento necessário para fazê-los funcionar. O uso de EEG para movimentar próteses, por exemplo, precisa ler a atividade do cérebro, mas não precisa interpretá-la detalhadamente. 

Ao compilar os dados de diferentes pessoas foi possível criar um modelo que permite a interpretação do padrão dessa atividade, mesmo sem saber explicar exatamente porque aquelas células estão fazendo aquilo.

Humm: um produto que te deixa mais...feliz?

Produtos como o Humm usam o que se chama de "estimulação transcraniana de corrente alternada", não entendeu? Nem eu! Mas Vivienne Ming explica que é uma espécie de neto da "estimulação do nervo vago" e filho da "estimulação cerebral profunda", todos métodos onde você estimula o cérebro com eletricidade (de baixa voltagem não é choque!).

Esses métodos no passado mostraram-se eficientes para tratar desde depressão até Parkinson, o problema é que, antigamente, não se sabia o porquê de funcionar. Porém, nos últimos anos começou-se a entender a relação entre as partes do cérebro e como esses estímulos permitiam que essas áreas se comunicassem melhor ou funcionassem de forma diferente.

Além de potencializar sua memória e performance mental, é possível estimular suas emoções com métodos parecidos com esse, deixando você mais feliz e não apenas relaxado, por exemplo.

Parece incrível né? Porém como toda criação da humanidade pode ser usada para o bem ou para o mal.

A Dra. Ming já trabalhou numa startup onde, lendo dados de movimentação de um indivíduo através do celular (GPS, giroscópio, acelerômetro) e comparando com os padrões de movimentação de uma pessoa bipolar, eles conseguiram detectar episódios de bipolaridade com antecedência.

Chegou um momento na pesquisa onde eles sabiam afirmar na base de usuários quem era bipolar, mas nunca levaram essa informação a público, pois o objetivo do app não tinha nada a ver com saúde.

Imagine se um algoritmo desses cai em mãos erradas e pessoas decidem demitir ou admitir em processos profissionais e educacionais pessoas baseadas na análise de seus dados "mentais"? O pior é que a tecnologia já existe, mas não há legislação para isso.

Os investidores da neurotecnologia

Atualmente, Mark Zuckerberg e Elon Musk, respectivamente donos do Facebook e da Tesla, 2 entre os 5 homens mais ricos do mundo, estão investindo em empresas de neurotecnologia.

Imagine você usando o Oculus VR (produto do Facebook para realidade virtual) que vem embutido com um estimulador para te deixar feliz e clicar em anúncios

Ok, não precisa ficar paranóico, ninguém acha que Mark Zuckerberg vai fazer algo assim que pode gerar tanta repercussão negativa para seu negócio e felizmente o conhecimento da tecnologia não é monopólio do Facebook. Entretanto, já vivemos experiências no passado onde as pessoas sabiam que algum tipo de manipulação estava sendo feita e não se importavam, como o conhecido escândalo da Cambridge Analytica contado no documentário "O Dilema das Redes".

Proibir uma tecnologia que pode curar o Alzheimer e proporcionar muitos anos adicionais de vida para muitas pessoas que sofrem de problemas mentais no final da vida não parece o caminho, o jeito é nos informarmos e exigirmos, enquanto é possível, legislação para não usar essas tecnologias para o mal.

A Dra. Vivienne tem uma sugestão: governos trabalharem para que dispositivos que melhoram a performance mental sejam um direito de todos, que você pode abrir mão se não quiser ser "turbinado", mas, caso você tenha interesse, não seja algo que possa ser negado em função da sua situação financeira. Se por um lado podemos salvar vidas, por outro podemos aumentar ainda mais o abismo social entre ricos e pobres.

Dispositivos como o Humm devem ser lançados ainda esse ano (2021), e talvez nesse momento, você já tenha disputado algum concurso ou processo seletivo com alguém usando um aparelho desses. Já pensou nisso?

Amy Webb lança relatório de tendências de tecnologias emergentes de 2021

Essa é uma das palestras mais aguardadas todos os anos, Amy Webb é futurista, autora, fundadora e CEO do Future Today Institute. É uma espécie de Pelé da futurologia, e engana-se quem acredita que Amy faz previsões sobre o futuro, ela compila sinais e apresenta cenários!

O relatório de 2021 tem mais de 500 tendências, um incremento de 22% em relação a 2020. O crescimento deste ano tem uma causa principal, o COVID-19 e dois desmembramentos: as tecnologias criadas para diminuir os problemas de saúde física e mental relacionados à pandemia e as tecnologias criadas para os negócios continuarem existindo apesar da pandemia.

Para projetar as tendências o FTI analisa as tecnologias disponíveis para diferentes setores da economia, sinais fracos (ainda em pesquisa ou desenvolvimento), sinais fortes (produtos disponíveis no mercado ou protótipos funcionais que podem se popularizar rapidamente) e baseado nisso montam tendências do que deve dominar mercados existentes ou criar novos mercados.

Com base nessas tendências, a equipe do FTI, liderada por Amy, faz projeções (e não previsões) de possíveis cenários futuros apresentando riscos e oportunidades. Com esses riscos e oportunidades em mãos, Amy espera que nós, indivíduos, empresas e governos, sejamos capazes de tomar melhores decisões.

O relatório de 2021 ficou tão grande que foi dividido em 12 relatórios setoriais!

Cada tecnologia é apresentada com insights, exemplos, impacto disruptivo e uma lista de players emergentes, que não são necessariamente os maiores ou mais conhecidos, mas aqueles que provavelmente você não conhece e deveria olhar mais de perto.

Além disso, para cada tecnologia você encontra uma página adicional com 4 tipos de recomendações: Estratégia, Inovação, Pesquisa e Desenvolvimento e Risco.

Você pode baixar os relatórios aqui. Pronto! Você já tem leitura de tecnologia pro resto do ano :)

Brincadeiras à parte eu aconselho você a ler com cuidado pelo menos as partes mais próximas da sua profissão, área do conhecimento, empresa ou mercado onde você está inserido.

A seguir segue um resumo de algumas tendências que ela apresentou:

O auge da IoT: o que já temos e o que vem por aí

Ela chamou esse primeiro conjunto de tendências de YoT (You of Things), que seria uma espécie de Internet das Coisas (IoT), porém onde tudo está conectado em você! 

Essa tendência inclui desde dispositivos "vestíveis", como relógios inteligentes e pulseiras, dispositivos implantados em nosso corpo como marcapassos, e chips para medir sinais vitais como batimentos cardíacos ou eletroencefalograma até dispositivos na sua casa que interagem diretamente com seu corpo, como uma cama inteligente que resfria para você dormir ou aquece para você acordar, uma lixeira que escaneia seu lixo ou uma privada inteligente que analisa tudo que você elimina do seu corpo. Sim, todos esses exemplos já existem!

Em um cenário positivo esses produtos ajudam você a controlar sua saúde de forma reativa (enviando seus dados para o médico) ou proativa (recomendado que você beba água, coma vegetais, etc.)

Em um cenário catastrófico você pode ter seu corpo ou sua casa hackeados ou ter sua vida controlada por uma empresa (companhia de seguros te manipulando para fazer algumas coisas senão seu seguro sobe de valor) ou governo (você ter acesso a determinados serviços como saúde o coleta de lixo dependendo de como você cuida da sua casa ou da sua vida).

Talvez você leia esses riscos e decida que é melhor não usar nada disso, mas e se eu te disser, que as pessoas que usam isso tem descontos das companhias de seguro, descontos de impostos do governo e vivem de 10 a 15 a mais por conta do monitoramento e recomendações de saúde? Não é uma decisão muito simples no final das contas né?

E falando sobre os tipos de tecnologia...

Nesse segundo conjunto de tendências, Amy fala de mudanças na nossa realidade provocadas por diferentes tecnologias.

Assistive Reality - são tecnologias que te ajudam a fazer coisas, como por exemplo Brown Noise, uma frequência de ruído que te ajudam a manter o foco enquanto trabalha ou estuda (tem no Spotify se você quiser usar da próxima vez que precisar se concentrar).

Diminished Reality - tecnologias que removem coisas ao seu redor, podem ser óculos inteligentes que apagam pessoas ou objetos em tempo real da sua visão, ou dispositivos de cancelamento de som que eliminam vozes ou ruídos.

Imagine ir em um restaurante e, se você não gostar de alguém que está numa mesa perto de você, é possível "cancelar" essa pessoa. Apesar de ser possível criar ambientes mais relaxantes, tecnologias desse tipo podem ser danosas à sociedade: o que acontece se ao invés de recolher o lixo, nós apenas apagarmos digitalmente? Ou se ao invés de acolher os moradores de rua nós desaparecermos com eles através das janelas dos ônibus, carros e outros veículos?

Outros exemplos de realidade modificada incluem: 

  • Um dispositivo que toca uma frequência desagradável que apenas jovens escutam, dessa forma é possível afastar adolescentes de alguns locais!

  • Video games que melhoram a concentração de quem tem TDAH (e só podem ser jogados com prescrição médica!).

  • Pessoas criadas digitalmente que podem usar informações pessoais para parecer mais realistas (imagine uma inteligência artificial ministrando um treinamento e falando coisas da sua vida no meio da conversa), ou podem até parecer com alguém que já morreu (usando dados de mídias sociais ou outros conteúdos).

Muito se fala dos deep fakes para se falsificar uma pessoa, porém você pode ter um deep fake gerenciado por você, que permitiria você estar em mais de um lugar ao mesmo tempo, participando de palestras, reuniões, aulas, etc. Imagine as possibilidades de ser "mais de uma pessoa"?

A palestra apresenta um monte de outras tecnologias, e eu recomendo muito que você baixe o relatório e reflita sobre os impactos dessas tecnologias na sua vida.

Toda tecnologia pode ser usada para o bem ou para o mal, toda tecnologia tem o potencial de mudar completamente o mercado onde você está inserido, no final das contas os futuros possíveis já estão disponíveis no presente e você tem chances de preparar sua empresa e carreira para o futuro. 

Não desperdice seu tempo tentando evitar o futuro ou manipular o futuro, não tem como ter certeza de que alguma coisa vai acontecer ou deixar de acontecer, mas você pode estar preparado para algumas possibilidades e não ser pego de surpresa quando o futuro chegar.

Por fim, você pode conferir como foram os outros painéis do SXSW 2021. Veja o resumo sobre o segundo dia, terceiro dia e último dia.

Leia mais no blog DH:

+ Insights SXSW Edu 2021: tendências no cenário da educação 

+ Conheça o desenvolvedor full cycle

Mulheres na tecnologia: como é atuar no mercado de TI

Outras notícias

A nova corrida espacial img
#Tecnologia

A nova corrida espacial

Quem viu a disputa recente de bilionários, sobre quem fazia o primeiro voo espacial turístico, talvez não saiba que estamos no meio de uma disputa espacial. Essa nova corrida pode nos levar até Marte em alguns anos e definitivamente redefinir a visão de liderança espacial entre as nações da Terra.Estações EspaciaisA humanidade foi ao espaço pela primeira vez em 1961, chegou na lua em 1969, e de 1998 a 2011 montou uma estação espacial que já foi visitada por 249 astronautas de 19 países.A atual estação espacial internacional (ISS) tem apenas mais 3 anos de vida útil. É possível que ela dure mais algum tempo com alguma manutenção, mas é um tipo de risco que geralmente não se corre com esse tipo de empreendimento. Se já é perigoso morar numa casa com problemas em terra firme, imagine no espaço?A ISS não é a primeira estação espacial e nem será a última, antes tivemos a Salyut, Almaz, Skylab e MIR e já faz algum tempo que a China está trabalhando na sua própria estação espacial.A estação espacial chinesa se chama Tiangong, que em tradução livre significa Palácio Celeste. Os últimos astronautas (ou taikonautas, termo usado pelos chineses) que chegaram lá em 17/junho devem ficar por 10 anos no espaço. A partir de 2024, com a desativação da ISS, a China colocou à disposição da ONU sua estação para pesquisas. Até o momento 9 projetos de 23 instituições em 9 países já foram selecionados.MarteA exploração de Marte começou com a Mariner 4 em 1964, a primeira sonda a passar pela órbita marciana, e a partir de 1997 começaram a enviar veículos (rovers) para explorar o planeta em solo.A Nasa já enviou 5 veículos: Sojourner, Spirit e Opportunity, Curiosity, e Perseverance. Este último chegou lá em fevereiro de 2021. Porém, o veículo mais recente em Marte é dos chineses, se chama Zhurong e aterrissou em maio de 2021.Além dos Estados Unidos e China, temos Rússia (nos tempos da URSS), Agência Espacial Européia, Índia e Emirados Árabes Unidos que já enviaram sondas espaciais com sucesso para a órbita de Marte.E voltando a falar em bilionários, um dos grandes obcecados com a exploração do planeta vermelho é Elon Musk, a ponto de ter uma página oficial e uma página na Wikipedia dedicadas especificamente a esse tema.Uma das ambições do multiempreendedor Musk (SpaceX; Tesla Motors; OpenAI, Neuralink e SolarCity) é colonizar Marte. Isso envolve aquecimento, água, oxigênio, cultivo e mineração entre muitas outras coisas.Se você tem curiosidade sobre o tema, recomendo a minissérie Marte da Netflix. Ela é parte documentário (entrevistando cientistas, políticos e ativistas) e parte ficção-científica (mostrando uma jornada de colonizadores no planeta vizinho).Turismo EspacialO capítulo mais recente (e polêmico) dessa história envolve as viagens espaciais de Richard Branson e Jeff Bezos. Ambos disputam quem ocupa o lugar na história da primeira companhia a levar regularmente turistas ao espaço.Por um lado é um empreendimento fútil, ao contrário da exploração espacial que pode trazer descobertas científicas, o turismo espacial é puro entretenimento para ricos. Por outro lado, populariza a conversa sobre o espaço e chama mais atenção para a ciência, e (espero que) definitivamente, acabe com o terraplanismo.Richard Branson, fundador do Grupo Virgin, largou na frente. Sua nave chegou a 86 km de altitude, acima dos 80 km reconhecidos pelos Estados Unidos como limite do espaço. Ele pretende realizar 400 voos por ano e já vendeu 600 ingressos ao preço de US$250 mil.Jeff Bezos, fundador da Amazon, chegou depois, mas alfinetando seu oponente dizendo que ele não chegou no espaço. Acontece que o limite internacional, conhecido como Linha de Kármán, é de 100 km, altitude que a nave de Bezos alcançou. Ele ainda não deixou claro quantos voos fará por ano nem quanto custará o ingresso.Enfim, o importante é você saber que a atual conquista do espaço não se resume a uma disputa de egos entre quem tem muito dinheiro. Envolve pesquisa científica, envolve geopolítica e com certeza mexe com o sonho de muita gente que olha para as estrelas e fica pensando no que existe lá fora.Leia mais no blog DH:+ Google Analytics Dashboard: crie e personalize com o nosso passo a passo+ O que é brand equity e como as empresas geram valor de marca em seus produtos e serviços+ Marketing digital para iniciantes: 10 dicas de como começar na carreiraE aí, já segue a gente no Twitter? Vem pra rede, vamos conversar sobre habilidades digitais! ;)

Máquina de vetores de suporte: o que é? img
#Dados

Máquina de vetores de suporte: o que é?

O tema de hoje sucede outro importante modelo de classificação em aprendizado supervisionado, o Naïve Bayes. Classificador probabilístico baseados na aplicação do teorema de Bayes, o Naïve Bayes supõe a independência entre os atributos. Por ser simples e rápido o Naïve Bayes está entre os modelos mais aplicados para a classificação. Modelos de classificação têm aplicações diversas na sociedade moderna, da análise de sentimentos à classificação de documentos. A seguir apresentamos mais um interessante modelo, o Support Vector Machine.Support Vector Machine. As Máquinas de Vetores de Suporte ou Support Vector Machines, como o algoritmo é conhecido, são ferramentas de classificação e regressão. Uma SVM constrói hiperplanos em um espaço n-dimensional para classificar ou regredir dados. Os vetores de suporte de classificação constituem o SVC e os vetores de suporte de regressão constituem o SVR. Como ambos dependem apenas de um subconjunto dos dados de treinamento, pois a função de custo que constrói modelo não considera os pontos de treinamento que estão distantes da margem de classificação, o regressor se torna uma extensão do modelo de classificação. Nesse artigo concentraremos nossa atenção na propriedade de classificação que as máquinas de suporte nos oferecem.Conhecido como Support Vector Classification (SVC), o classificador SVC é uma ferramenta que usufrui das diferenças de posição entre determinadas observações e de sua disposição no espaço de atributos, determinado por um dataset, para classificar os pontos observados em relação as suas classes. A ideia é encontrar um objeto geométrico separador de classes, que pode ser uma linha em um espaço bidimensional, um plano em um espaço tridimensional ou um hiperplano, em um espaço n-dimensional de atributos.O método dos vetores de suporte é aplicável a áreas tão diversas quanto a detecção facial e classificação de imagens, a categorização de textos e hipertextos e reconhecimento de letras manuscritas, até a detecção de anomalias.Considere a seguinte base dados apresentada na figura a seguir, com um número M de observações, dois atributos, A e B , e um rótulo que se divide entre as classes Cruz Azul e Círculo Vermelho.   Quando visualizamos os dados de nosso dataset no espaço definido pelos atributos A e B, vemos que sua disposição ocorre de maneira a termos dois agrupamentos, um de Círculos Vermelhos e um de Cruzes Azuis. A figura a seguir apresenta essa disposição espacial das observações. À esquerda vemos a dispersão dos pontos e, à direita, vemos como atua o método SVC de classificação.   Note à direita, que os pontos mais próximos da fronteira entre os dois agrupamentos são utilizados como suporte para a criação de uma linha separadora de classificação. Esses pontos formam nossos vetores de suporte, tanto do lado dos Círculos Vermelhos, quanto do lado das Cruzes azuis e não é necessário que o mesmo número de pontos seja adotado em cada vetor de suporte. São esses pontos que fornecem suporte para a linha separadora, influenciando sua posição. A distância entre os pontos de ambas as classes caracteriza a margem que otimiza o processo de classificação. Como o SVC usa distâncias espaciais para realizar sua classificação, pode ser importante considerar o uso de algum método de reescalonamento dos dados.Pode ser intuitivo imaginar que um modelo que maximiza a margem entre o hiperplano de separação e os pontos de treinamento mais próximos das classes, resulta em um separador mais eficiente, pois em geral quanto maior a margem menor o erro de generalização do classificador. Mas é necessário lembrar da troca entre enviesamento e variância, uma margem maior pode resultar em um aumento do enviesamento do modelo, reduzindo sua variância. Por outro lado, uma margem mais reduzida pode implicar em uma redução do enviesamento, mas um aumento da variância do modelo. Há dois métodos adotados para a escolha do tamanho da margem. O primeira, chamado de Margem Rígida (Hard Margin), é mais indicado para bases com dados linearmente separáveis, entretanto elas podem ser mais sensíveis aos outliers. O segundo método, conhecido como Margem Suave (Soft Margin), é mais indicado para datasets com dados linearmente inseparáveis e apresenta maior maleabilidade e melhor tratamento com outliers.  Para manter um bom balanço entre o viés e a variância no método SVC, é necessário dosar dois hiperparâmetros, C e y. Os hiperparâmetros de um modelo contribuem para sua robustez e precisão, evitando que o modelo seja superdimensionado ou de eficiência insuficiente. O hiperparâmetro de regularização C controla a intensidade da regularização, mantendo com ela uma relação inversa. Quanto maior C, menor a intensidade da regularização, do tipo Ridge. O hiperparâmetro C é responsável por controlar o que se pode entender como a suavidade da margem que separa os dois clusters. Essa relação pode ser vista na figura a seguir.   Para valores mais elevados de C o classificador comete menos violações de margens, o que acaba reduzindo-a. Por outro lado, valores reduzidos para C aumentam o tamanho da margem, aumentando também o número de violações de margem. Esse manejo está diretamente ligado ao controle do sobreajuste do modelo.O hiperparâmetro y tem a função de calibrar a influência de vetores de suporte mais próximos ou mais distantes da linha separadora. Para entender melhor a importância de y é importante lembrar das funções de kernel, aplicadas em distribuições de pontos não linearmente separáveis. Essas funções realizam transformações nos pontos, tornando possível sua separação por um hiperplano. Esse processo é conhecido como um truque de kernel (kernel trick), e guarda uma relação muito próxima com o conceito de medida de similaridade. As funções de kernel podem ser mais elementares, como a polinomial de grau d, com inclinação a e uma constante de deslocamento c, muito popular em bases normalizadas. As funções de kernel também podem ser mais elaboradas, como a função laplaciana, com seu parâmetro de ajuste o.Os valores de entrada são os atributos originais e o valor de saída é uma medida da similaridade do novo espaço de atributos. Como mostrado na figura a seguir. À esquerda vemos uma distribuição de pontos não linearmente separáveis, mas após a aplicação de uma função de kernel, à direita, ocorre a separação entre os pontos em relação à nova medida de similaridade compondo o espaço de atributos. O SVM entende similaridade em termos de proximidade e com isso consegue realizar a separação dos pontos, mantendo os pontos semelhantes mais próximos entre si e mais afastados dos demais.O parâmetro y tem então um comportamento inverso ao do desvio padrão da função de kernel escolhida. Isso significa que um valor alto de y implica em uma função de kernel com baixa variância, implicando que dois pontos precisam estar relativamente próximos, para serem classificados como semelhantes. Em termos do classificador um valor alto de y fará com que apenas os pontos mais próximos da linha separadora afetaram na classificação dos pontos. Já um valor baixo de y define uma função de kernel com alta variância, o que pode classificar como similares pontos relativamente distantes entre si, o que se traduz numa influência maior dos pontos mais distantes da linha separadora, na classificação de pontos de teste. Como pode ser visto na figura a seguir. Imagine agora que consideremos um dataset semelhante ao apresentado anteriormente, mas agora com a inclusão do atributo C, como pode ser visto a seguir. A extrapolação do conceito bi-dimensional de linha separadora, para um conceito tri-dimensional de plano é apresentado na figura a seguir. Note que a dimensão do objeto geométrico separador das classes tem sempre uma unidade inferior àquela do espaço criado pelos atributos do dataset disponível. Isso quer dizer que em um sistema com n atributos, ou n-dimensional, o objeto separador terá (n-1) dimensões. Perceba que no sistema acima um plano corta o espaço formado pelos atributos A, B e C e separa as observações entre as classes de Círculos Vermelhos, abaixo do plano e Cruzes Azuis, acima do plano. A equação geradora de um plano com n dimensões, ou um hiperplano é apresentada a seguir:Em que Wj=(W0, W1, W2,..., Wn) representa um vetor com os coeficientes associados a cada atributo, a constante W0 representa o coeficiente de interceptação do hiperplano e o vetor X=(X1, X2,..., Xn) contém os atributos de nossas observações. O SVM traça um hiperplano entre os pontos, para separá-los e realizar sua classificação, lembre-se que para pontos originalmente linearmente inseparáveis é importante a aplicação de uma função de kernel.Uma vez que os pontos foram submetidos a uma função de kernel, que permite a criação de um hiperplano separador, o método classifica cada ponto como estando acima ou abaixo do hiperplano construído, como mostrado a seguir: Pontos que recebem valor -1 são classificados como estando abaixo do plano separador, pontos com valores +1 são classificados como estando acima do plano separador.O SVM é um dos métodos mais populares para a classificação de classes, ele tenta discriminar as classes de um dataset através da geração de um plano de separação entre os pontos. Para tanto o SVM pode mapear os dados com uma função de kernel que transforma os pontos e facilita a separação das classes. É importante tomar cuidado com o excesso de dimensões, que podem sobrecarregar o classificador forçando a aplicação de técnicas de análise de bases com alta dimensionalidade.Aprenda sobre SVMNa Digital House você aprende sobre o Support Vector Machines (SVM) com abordagem teórica e prática, através do nosso curso de Data Science.Leia mais no blog DH:+ Google Analytics Dashboard: crie e personalize com o nosso passo a passo+ O que é brand equity e como as empresas geram valor de marca em seus produtos e serviços+ Marketing digital para iniciantes: 10 dicas de como começar na carreiraE aí, já segue a gente no Twitter? Vem pra rede, vamos conversar sobre habilidades digitais! ;)

Inteligência de dados: guia completo com o que você precisa saber img
#Dados

Inteligência de dados: guia completo com o que você precisa saber

São milhares de informações disponibilizadas todos os dias na internet, que podem mudar a realidade e o rumo das empresas positivamente. Mesmo sabendo das vantagens consequentes da inteligência de dados, a má exploração na análise das mesmas ainda é um grande problema.Acompanhe este artigo e entenda o conceito, a importância da área e quem é esse profissional no mercado de trabalho. Boa leitura!O que é inteligência de dados?Hoje em dia, temos inúmeras ferramentas e plataformas disponíveis para coletar e analisar o grande volume de informações que crescem constantemente. A inteligência de dados trata de tirar insights, planejar soluções inteligentes para o negócio e tomar decisões estratégicas nesse processo.É algo essencial para qualquer empresa, pois é a área responsável por fornecer informações relevantes sobre os concorrentes, público-alvo, além das tendências do mercado.O segredo para o sucesso da inteligência de dados é a organização das informações, para simplificar as análises e aumentar o potencial da descoberta de mais insights. Usar esses dados evita achismos, garante o embasamento nas decisões e, consequentemente, mais chances de obter sucesso.Qual a importância do data intelligence?Utilizar a inteligência de dados ou data intelligence, como também é conhecido, já não é uma escolha, é uma necessidade! Todas as empresas consolidadas no mercado adotam a prática pelos benefícios que agregam ao negócio.Isso porque vivemos em um cenário dinâmico, em que as coisas não param de evoluir. Sendo assim, as organizações aderem às transformações digitais (potencializadas ainda mais na pandemia) e, em paralelo, o comportamento dos consumidores também se modifica. Por isso, tomar decisões baseadas em informações relevantes, atualmente, é a estratégia mais assertiva.Nesse processo de transição para o digital das empresas, elas buscam facilitar o trabalho de gestão em diversos sentidos. Isso porque, além das tecnologias que passam a fazer parte da produtividade, também há o grande volume de dados que cresce todos os dias, carregados de insights importantíssimos para qualquer negócio, e que precisa ser analisado cuidadosamente.Imagine, por exemplo, uma empresa que quer aumentar suas operações para diferentes mercados, mas precisa optar por qual caminho seguir. Se ela se basear em dados, será possível avaliar as opções com maior potencial de sucesso, garantindo que o investimento valha a pena.Podemos pensar também nos departamentos organizacionais, onde o time de conteúdo, por exemplo, precisa dos insights para fazer um marketing de conteúdo que agregue valor ao público, assim como a área de Customer Experience (CX), que precisa ter informações inteligentes do público-alvo para oferecer a melhor experiência ao usuário.Quem são os profissionais de inteligência de dados?São diversas carreiras que atuam com a inteligência de dados, sejam analistas, consultores, gerentes, supervisores, cientistas de dados, entre muitos outros. Esses profissionais precisam ter habilidades analíticas para ler, coletar e analisar dados com precisão.De acordo com um levantamento realizado pela Plugar, 65% destes profissionais estão concentrados no sudeste do País, principalmente na cidade de São Paulo e região, onde também fica a maior concentração de universidades que os formam, além das empresas que os contratam. Com isso, podemos concluir que ainda há muito espaço para novos profissionais em outras localidades.Além disso, há muita demanda para profissionais de dados e poucos profissionais qualificados, que não são suficientes para suprir toda essa necessidade. Ou seja, o mercado está extremamente aquecido e, se você tem interesse, este é o melhor momento para ingressar na área, que é uma promessa para o futuro, além de uma garantia de boa estabilidade profissional.Depois de saber um pouco mais sobre a área de dados, fica difícil não se interessar pelo segmento, não é mesmo? Neste contexto, ter uma certificação ou diploma é uma ótima opção para desenvolver uma base sólida de conhecimentos e utilizá-los no dia a dia das empresas, além de ser um diferencial no mercado de trabalho, quando for fazer entrevistas.A Digital House entende essa realidade e oferece os cursos de Data Science e Data Analytics, que ensinam o aluno a tomar decisões com base em dados, além de gerar inteligência para o negócio, a partir de diferentes ferramentas, como PowerBI, SQL Server e outras.Que tal garantir seu sucesso profissional conosco? Todos os alunos também podem participar do programa gratuito de apoio à recolocação e de feiras de recrutamento exclusivas (Recruiting Day).Por que investir na cultura data-driven?Investir em uma cultura data-driven é buscar resoluções que trazem resultados mais assertivos em diferentes segmentos de mercado, por meio da coleta e análise de dados. E isso precisa ocorrer de maneira organizada, nos diversos departamentos de uma organização, para que não haja limitação de acesso.A cultura data-driven permite que um grande conjunto de dados seja compilado em um só lugar, para que todas as áreas de uma empresa tenham acesso de maneira simples e efetiva.Pensando no mercado, que é cada vez mais competitivo, implantar a cultura data-driven e a inteligência de dados agrega e contribui para a conquista e prospecção de novos clientes, além da retenção dos já existentes, estando na frente da concorrência. É, sem dúvida, um investimento rentável por garantir que as tomadas de decisão sejam as melhores nos planejamentos.Para que todo esse processo aconteça da melhor maneira, é necessário que a gestão tenha um mindset ágil. Recomendamos a leitura do nosso artigo sobre gestão de produtos, entendendo também a importância dele no mercado e as principais habilidades exigidas pelo mercado.Leia mais no blog DH:+ Google Analytics Dashboard: crie e personalize com o nosso passo a passo+ O que é brand equity e como as empresas geram valor de marca em seus produtos e serviços+ Marketing digital para iniciantes: 10 dicas de como começar na carreiraE aí, já segue a gente no Twitter? Vem pra rede, vamos conversar sobre habilidades digitais! ;)