O Insight Lab está com vagas para bolsistas de graduação e graduados para atuarem no Projeto de Aceleração da Transformação Digital do Governo do Ceará. Os selecionados irão trabalhar como desenvolvedor para soluções de Interoperabilidade e receberão bolsa Funcap. Saiba os requisitos para se candidatar.
Acessar o Ted Talks é ter certeza de encontrar alguns dos melhores conteúdos disponíveis na internet sobre design, sociedade, inovação e, é claro, data science. Por isso, escolhemos os 10 melhores Ted Talks sobre campos que compõem a ciência de dados. O conjunto de palestras que lhe apresentaremos a seguir, comandados por profissionais que estão à frente do desenvolvimento e aplicação da ciência de dados, nos ajudam a aprofundar nosso conhecimento e entendimento do potencial, beleza, magnitude e responsabilidade que todos os responsáveis por essa ciência têm.
1. Como os computadores estão aprendendo a ser criativos
Estamos à beira de uma nova fronteira na arte e criatividade – e isso não é humano. Blaise Agüera y Arcas, cientista-chefe do Google, trabalha com redes neurais profundas para percepção de máquina e aprendizado distribuído. Nesta demonstração cativante, ele mostra como redes neurais treinadas para reconhecer imagens podem ser executadas ao contrário, para gerá-las. Os resultados: colagens alucinatórias espetaculares (e poemas!) que desafiam qualquer categorização. “Percepção e criatividade estão intimamente conectadas”, diz Agüera y Arcas. “Qualquer criatura, qualquer ser que é capaz de fazer atos perceptivos também é capaz de criar.”
2. Como a IA pode provocar uma segunda revolução industrial
“O caminho real percorrido por uma gota de chuva enquanto desce o vale é imprevisível, mas a direção geral é inevitável”, diz o visionário digital Kevin Kelly. E com a tecnologia acontece praticamente o mesmo, impulsionada por padrões que são surpreendentes, mas inevitáveis. Nos próximos 20 anos, diz ele, nossa tendência para tornar as coisas cada vez mais inteligentes terá um impacto profundo em quase tudo o que fazemos. Kelly explora três tendências em IA que precisamos entender para abraçá-la e orientar seu desenvolvimento. “O produto de IA mais popular daqui a 20 anos, que todo mundo usará, ainda não foi inventado”, diz Kelly. “Isso significa que você não está atrasado.”
3. Como vamos ganhar dinheiro em um futuro sem emprego
Máquinas que podem pensar, aprender e se adaptar estão chegando, e isso pode significar que nós, humanos, teremos um nível de desemprego significativo. O que devemos fazer sobre isso? Em uma conversa direta sobre uma ideia polêmica, o futurista Martin Ford defende a separação entre renda e trabalho tradicional e a instituição de uma renda básica universal.
4. A próxima revolução de software: programação de células biológicas
As células do seu corpo são como um software de computador: elas são “programadas” para realizar funções específicas em momentos específicos. Se pudermos entender melhor esse processo, poderemos, nós mesmos, desbloquear a capacidade de reprogramar células, diz a bióloga computacional Sara-Jane Dunn. Em uma palestra sobre a ciência de ponta, ela explica como sua equipe está estudando células-tronco embrionárias para obter uma nova compreensão dos programas biológicos que impulsionam a vida e desenvolver “software vivo” que pode transformar a medicina, a agricultura e a energia.
5. As incríveis invenções da IA intuitiva
O que você ganha quando dá a uma ferramenta de design um sistema nervoso digital? Computadores que melhoram nossa capacidade de pensar e imaginar, e sistemas robóticos que apresentam (e constroem) novos designs para pontes, carros, drones e muito mais, sozinhos. Faça um tour pela Augmented Age com o futurista Maurice Conti e visualize uma época em que robôs e humanos trabalharão lado a lado para realizar coisas que nenhum deles poderia fazer sozinho.
6. Podemos construir IA sem perder o controle sobre ela?
Assustado com a IA superinteligente? Você deveria estar, diz o neurocientista e filósofo Sam Harris, e não apenas de uma forma teórica. Vamos construir máquinas sobre-humanas, diz Harris, mas ainda não enfrentamos os problemas associados à criação de algo que pode nos tratar da mesma forma que tratamos as formigas.
7. Estamos construindo uma distopia apenas para fazer as pessoas clicarem nos anúncios
Estamos construindo uma distopia alimentada por inteligência artificial, um clique de cada vez, diz a tecno-socióloga Zeynep Tufekci. Em uma palestra reveladora, ela detalha como os mesmos algoritmos que empresas como Facebook, Google e Amazon usam para fazer você clicar em anúncios também são usados para organizar seu acesso a informações políticas e sociais. E as máquinas nem são a verdadeira ameaça. O que precisamos entender é como os poderosos podem usar IA para nos controlar, e o que podemos fazer em resposta.
8. 3 princípios para criar IA mais segura
Como podemos aproveitar o poder das máquinas super inteligentes e, ao mesmo tempo, prevenir a catástrofe de robôs controladores? À medida que nos aproximamos da criação de máquinas oniscientes, o pioneiro da IA, Stuart Russell, está trabalhando em algo um pouco diferente: robôs com incerteza. Ouça sua visão para IA compatível com humanos que pode resolver problemas usando bom senso, altruísmo e outros valores humanos.
9. A beleza da visualização de dados
David McCandless transforma conjuntos de dados complexos (como gastos militares mundiais, assuntos cobertos pela mídia, atualizações de status do Facebook) em diagramas bonitos e simples que revelam padrões e conexões invisíveis. Um bom design, ele sugere, é a melhor maneira de navegar por grandes conjuntos de informações, e pode mudar a maneira como vemos o mundo.
10. Como estou lutando contra o preconceito nos algoritmos
A aluna do MIT Joy Buolamwini estava trabalhando com um software de análise facial quando percebeu um problema: o software não detectou seu rosto, porque as pessoas que codificaram o algoritmo não o ensinaram a identificar uma ampla gama de tons de pele e estruturas faciais . Agora ela está em uma missão de combater o preconceito no aprendizado de máquina, um fenômeno que ela chama de “olhar codificado”. É uma palestra reveladora sobre a necessidade de responsabilidade na codificação à medida que os algoritmos assumem cada vez mais aspectos de nossas vidas.
Gostou da nossa seleção? Então conheça a nossa lista dos “10 melhores Ted Talks de tecnologia”. E você também pode deixar nos comentários outras sugestões de palestras sobre data science que merecem ser compartilhadas.
Você está buscando um ótimo livro sobre processamento de linguagem natural? Então conheça o Natural Language Processing with Python: Analyzing Text with the Natural Language Toolkit, dos autores Steven Bird, Ewan Klein e Edward Loper.
O livro é baseado na linguagem de programação Python juntamente com a biblioteca de código aberto Natural Language Toolkit (NLTK) e é uma introdução prática ao importante, e sempre em expansão, campo do Processamento de Linguagem Natural (PLN). Com Natural Language Processing with Python, você aprenderá a escrever programas reais e compreenderá o valor de ser capaz de testar uma ideia por meio da implementação.
Os autores destacam a busca pelo equilíbrio entre teoria e aplicação, assim, a abordagem adotada cobre os fundamentos teóricos e faz uma análise linguística e computacional cuidadosa. É um material que oferece conjuntos de dados ricamente anotados usando uma gama abrangente de estruturas de dados linguísticos e ajuda a compreender os principais algoritmos para analisar o conteúdo e a estrutura da comunicação escrita.
Este livro:
• Extrai informações de texto não estruturado, seja para indicar o tópico ou identificar “entidades nomeadas”.
• Analisa a estrutura linguística no texto, incluindo análise e análise semântica.
• Integra técnicas extraídas de campos tão diversos como linguística e inteligência artificial.
E te ajudará a:
• Entender como os conceitos-chave da PLN e linguística são usados para descrever e analisar a linguagem.
• Compreender como as estruturas de dados e algoritmos são usados em PLN.
• Desvendar como os dados da linguagem são armazenados em formatos padrão e como os dados podem ser usados para avaliar o desempenho das técnicas de PLN.
Estrutura
Capítulos 1-3: Os primeiros capítulos são organizados em ordem de dificuldade conceitual, começando com uma introdução prática ao processamento de linguagem que mostra como explorar textos de interesse usando Python.
Capítulo 4: Neste capítulo sobre programação estruturada consolidam-se os tópicos de programação espalhados pelos capítulos anteriores.
Capítulos 5-7: A partir daqui, o ritmo aumenta e passa-se para a cobertura de tópicos fundamentais no processamento de linguagem: marcação, classificação e extração de informações.
Capítulos 8-10: Examinam-se maneiras de analisar uma frase, reconhecer sua estrutura sintática e construir representações de significado.
Capítulo 11: O capítulo final é dedicado a dados linguísticos e como eles podem ser gerenciados de forma eficaz.
Cada capítulo termina com uma série de exercícios, que são fundamentais para consolidar o conteúdo.
AUTORES
Edward Loper, Ewan Klein e Steven Bird
Steven Bird: Atualmente, professor da Charles Darwin University e Pesquisador Associado Sênior no Linguistic Data Consortium da Universidade da Pensilvânia, foi professor associado do Department of Computer Science and Software Engineering da Universidade de Melbourne. Ele concluiu seu doutorado em fonologia computacional pela Universidade de Edimburgo sob a supervisão de Ewan Klein, também autor de Natural Language Processing with Python. Além disso, Bird passou vários anos como diretor associado do Linguistic Data Consortium, onde liderou uma equipe de P&D para criar modelos e ferramentas para grandes bancos de dados de texto anotado.
Ewan Klein: Professor de Tecnologia da Linguagem na School of Informatics da Universidade de Edimburgo, concluiu seu doutorado em semântica formal na Universidade de Cambridge. Também foi Gerente de Pesquisa do Natural Language Research Group, atuando como responsável pelo processamento de diálogo falado.
Edward Loper: Doutor em aprendizado de máquina para processamento de linguagem natural na Universidade da Pensilvânia. Edward foi aluno de Steven Bird em linguística computacional e se tornou professor assistente, passando a contribuir com o desenvolvimento da NLTK. Além da NLTK, ele ajudou a desenvolver dois pacotes para documentar e testar o software Python: epydoc e doctest.
Você, muitas vezes, deve ter se deparado com cenas futuristas no cinema com carros voadores e robôs que se tornam rivais dos humanos. Pois é, a indústria cinematográfica utiliza muito conhecimento tecnológico, matemático e de programação para ativar a imaginação de grandes diretores. A Ciência de Dados na vida real é fascinante e se torna ainda mais incrível quando vista pela sétima arte.
A nossa playlist, desta vez, traz filmes de ficção, documentários e biografias que tratam como a tecnologia foi adequada para a grande tela. Confira estas oito dicas:
1. O Jogo da Imitação
O Jogo da Imitação, baseado na história real de Alan Turing, narra como um matemático, sem patente militar ou cargo político, conseguiu decifrar os códigos de guerra nazistas e contribuir para o final da 2ª Guerra Mundial.
Com uma equipe de decodificadores trabalhando em uma instalação militar secreta no projeto Ultra, Turing não tinha motivações humanitárias ou patrióticas, mas sim, matemáticas.
Arrogante, tirânico, introvertido e de difícil convívio, ainda mais sob a pressão extrema de sua missão, Alan estava obstinado em decifrar o Enigma. Foi quando teve a ideia de criar uma máquina para decifrar códigos secretos. Se a criação deu certo ou não, você vai precisar assistir o filme para saber.
Inspirado no livro “Alan Turing: The Enigma”, de Andrew Hodges, o filme é um reconhecimento ao pai da computação moderna, interpretado por Benedict Cumberbatch, o Sherlock Holmes da série BBC e Dr. Estranho, Marvel.
2. Her
Her é a história de Theodore (Joaquin Phoenix, o coringa), um escritor de cartas românticas divorciado. Ele adquire um novo sistema operacional, Samantha (Scarlett Johansson), como o sistema se autonomeia, e o configura com voz feminina. Os dois desenvolvem uma relação pessoal que evolui para um relacionamento amoroso marcado por questionamentos presentes em qualquer namoro e por questões particulares, como a dúvida se Samantha está desenvolvendo a capacidade de pensamento próprio ou se seu sentimento por Theodore é um comportamento programado.
3. Estrelas Além do Tempo
A obra lança aos olhos do grande público as histórias de Katherine Johnson (Taraji P. Henson), Dorothy Vaughan (Octavia Spencer) e Mary Jackson (Janelle Monáe), três matemáticas negras da Nasa que trabalharam para tornar possível a viagem espacial de John Glenn ao redor da Terra.
O filme é um dos esforços para tentar corrigir a trajetória da História que continuava falando das conquistas espaciais sem citar os nomes dessas mulheres pioneiras.
Katherine realizou o cálculo da trajetória do voo do Apolo 11, o foguete que levou os homens à Lua pela primeira vez. Dorothy, ao descobrir que a Nasa adquirira o computador IBM, decide aprender e ensinar suas companheiras de departamento a programar. Mary foi a primeira mulher engenheira da Nasa. Essas conquistas se tornaram ainda mais desafiadoras diante da discriminação racial e do machismo presentes em suas vidas.
4. O Círculo
Esse filme apresenta a trajetória de Mae (Emma Watson) dentro da Círculo, uma poderosa empresa do ramo de tecnologia. O que parece o trabalho dos sonhos no início se torna um conflito quando a protagonista entende que as tecnologias da empresa, naturalizadas no cotidiano de milhões de pessoas, são um meio para vigiar os usuários e monopolizar suas informações pessoais. É recriada na ficção a realidade: a perda de nossa privacidade quando nos inserimos nos ambientes virtuais. Você lembra do seu histórico de navegação do dia 14 do mês passado? Algumas das maiores companhias do mundo têm tudo isso muito bem armazenado.
5. Vice – The Future of Work
Lançado em 2019, Vice busca delinear um quadro, diante do presente concretizado da inteligência artificial e das perspectivas para seu desenvolvimento, de qual será a configuração do mercado de trabalho no futuro onde máquinas se apresentarão como uma alternativa mais eficiente em diversas atividades laborais.
Quais vantagens no campo de trabalho a humanidade alcançará? Em quais termos as leis serão redigidas para regularizar uma nova realidade empregatícia? Para quais atividades serão realocados os grupos substituídos por máquinas? Em Vice, eles estão tendo essa conversa.
Apresentada pelo ator Robert Downey Junior, a série mostra o trabalho de alguns dos pesquisadores mais influentes no desenvolvimento do potencial da inteligência artificial. Em nove episódios, vamos acompanhar a quais níveis a IA já chegou e o que se espera que sejamos capazes de produzir com ela no futuro, como o aperfeiçoamento da computação afetiva, onde máquinas aprendem a sentir e reagir de uma forma cada vez mais humana.
7. O Homem que Mudou o Jogo
No filme, baseado em fatos reais, vamos acompanhar a análise de dados sendo usada como estratégia pela equipe de beisebol Oakland Athletics. Diante da falta de dinheiro do time, o treinador Billy Beane (Brad Pitt) se junta ao analista Peter Brand (Jonah Hill), que sugere uma nova metodologia na escolha dos atletas; nela, o foco deixa de ser a contratação de grandes estrelas.
Peter, sabendo que quase tudo deixa seu rastro de dados, analisa as estatísticas sobre atletas medianos e passa a selecionar aqueles que são talentosos em pontos específicos do jogo. Essa estratégia eleva a posição da Oakland Athletics dentro da Liga Americana e passa a ser adotada por outras equipes.
8. The Great Hack
A obra mostra como o uso do Big Data, associado a técnicas de marketing, influenciou a eleição presidencial americana de 2016. A companhia Cambridge Analytica, a partir dos dados que o Facebook forneceu de seus usuários, identificou perfis eleitorais e conseguiu produzir um conteúdo mais personalizado para o público que queria atingir.
The great Hack vem para nos lembrar que os nossos dados estão sendo usados, e nós não sabemos por quem e com quais objetivos.
O livro Python Machine Learning, 3ª edição é um guia abrangente de Machine Learning e Deep Learning com Python. De forma didática, o livro ensina todos os passos necessários servindo como leitura de referência enquanto você cria seus sistemas. Contendo explicações claras e exemplos, o livro inclui todas as técnicas essenciais de Machine Learning (ML).
Neste livro os autores Sebastian Raschka e Vahid Mirjaliliensinam os princípios por trás do ML, permitindo que você construa seus próprios modelos e aplicativos.
Revisado e ampliado para conter TensorFlow 2.0, esta nova edição apresenta aos leitores os novos recursos da API Keras, bem como as últimas adições ao scikit-learn. Ele contém ainda, técnicas de aprendizado por reforço de última geração com base em aprendizado profundo, e uma introdução aos GANs.
Outro conteúdo importante que esta obra traz é o subcampo de Natural Language Processing (NLP), esta obra também te ajudará a aprender como usar algoritmos de Machine Learning para classificar documentos.
Você aprenderá a:
Dominar as estruturas, modelos e técnicas que permitem que as máquinas “aprendam” com os dados;
Usar biblioteca scikit-learn para Machine Learning e TensorFlow para Deep Learning;
Aplicar Machine Learning à classificação de imagens, análise de sentimento, aplicativos inteligentes da Web e treinar redes neurais, GANs e outros modelos;
Descobrir as melhores práticas para avaliar e ajustar modelos;
Prever resultados de destino contínuos usando análise de regressão;
Aprofundar-se em dados textuais e de mídia social usando análise de sentimento
Para quem é este livro
Iniciante em Python e interessado em Machine Learning e Deep Learning, este livro é para você que deseja começar do zero ou ampliar seu conhecimento de ML. Direcionado a desenvolvedores e cientistas de dados que desejam ensinar computadores a aprenderem com dados.
Aproveite a leitura
O livro Python Machine Learning poderá ser seu companheiro nos estudos, seja você um desenvolvedor Python iniciante em ML ou apenas alguém que queira aprofundar seu conhecimento sobre os desenvolvimentos mais recentes.
