A palestra tem como objetivo falar sobre boas prátricas para construir visualizacao de dados, mostrar que visualizacao de dados não é tao simples quanto parece e que existem problemas que nem sempre são vistos ao interpretar um gráfico, problemas que inclusive voltaram a surgir devido a necessidade que a mídia teve de criar gráficos por conta do novo coronavírus. Ao final, será dada uma breve introdução de como começar a construir uma boa visualizacao de dados, respeitando as principais regras que uma boa visualização deve ter, usando a linguagem de programação Python, de forma objetiva e prática. Passando pela construção de um gráfico de barra, dispersão e histograma 

Público-alvo: Programadores Python / Pessoas interessadas em visualização de dados / Estudantes de Data Science / Entusiastas de programação e visualização de dados

Há algum requisito ou pré-requisito para a palestra?  Linguagem Python (básico)

O que esperar da palestra: Visualização de dados com Python / Boas práticas para construir um gráfico / Conhecer a biblioteca Matplotlib e Seaborn / Construir gráficos / Manipular dados para construção de gráficos

# RESUMO

Você já reparou que ultimamente nós tivemos um grande avanço e barateamento dos custos de tecnologias de localização?! Isso acabou acarretando um grande aumento no volume de dados de trajetória! E esse tipo de dado é bastante importante, viu?!

Imagina o tanto que ele pode auxiliar no entendimento do tráfego de pessoas, de locais que elas mais visitam, encontrar padrões em seus percursos... Como sempre, estamos aqui para facilitar a vida das pessoas, dessa vez as de profissionais de Urbanismo, Geografia e diversas outras áreas!

Com toda essa importância, nessa palestra iremos:

- Entender melhor esse tipo de dado;

- O que podemos fazer e como podemos brincar com eles;

- Apresentar uma biblioteca Python open-source que contém todo o pipeline para trabalho com esse tipo de dado: o PyMove!

Ficou curioso?! Não perde o nosso encontro! :D

# FACILITADORAS

- Andreza Fernandes

- Arina Sanches

Já ouviu falar do AlphaGo, né? (se não ouviu corre agora e procura na Netflix ou no YouTube)

Ouviu falar do time controlado por IA que venceu os campeões mundiais de LoL? 

Ou da IA que venceu o melhor jogador de StarCraft II do mundo?

O que todas essas IA's têm em comum é que elas fazem parte de uma área chamada de Deep Reinforcement Learning. Nessa palestra, vamos conhecer os princípios básicos por trás do DRL, como os dados de treino são gerados pela interação de um agente autônomo com o jogo e a maneira como eles são utilizados para permitir o aprendizado de um jogo sem qualquer intervenção humana.

Uma palestra explicando como funciona um fluxo de detecção de fraudes em transações financeiras, sejam elas em e-commerce ou lojas físicas. O objetivo dessa palestra é explicar os conceitos por trás de um pipeline de dados que tem como finaldiade detectar uma possível transação e bloquear a compra ou alertar o dono de que seu cartão pode ter sido clonado :)

Resumo: A palestra tem como objetivo mostrar que as simulações multiagentes podem ser utilizadas além de um simples ato de simular um cenários. Os dados gerados nas simulações podem ser usados para auxiliar os agentes a alcançar seus objetivos.

Tópicos abordados:

* Simulações multiagentes;

* Apresentação de alguns tipos de saídas de dados das simulações;

* Apresentação de algumas técnicas de análise de dados.

Pré-requisito: Vontade de aprender :).