Você já teve o trabalho entediante de fazer, frequentemente, relatórios a apresentações que nada mais são que copy and paste? No seu trabalho ou grupo de pesquisa é exigido a apresentação diária/semanal/mensal dos seus resultados? Aprenda a tirar esse trabalho das suas costas e automatizá-lo utilizando python! A palestra consiste em apresentar as possibilidades fornecidas pela combinação Scribus + Matplotlib/Plotly para geração automática de reports e apresentações.

As dependências de uma aplicação Python pode ser comumente feito com um ambiente virtual (VirtualEnv) + requirements.txt. No entanto, com o aumento da complexidade do sistema e a adição de mais dependências aliada a possíveis atualizações das versões destas dependências isto pode mais atrapalhar do que ajudar. Neste cenario, o combo venv + requirements.txt se mostra insuficiente, sendo necessário partir para outras alternativas.

Já pensou em construir uma solução de Internet of Things (IoT)? A proposta da palestra é apresentar um Trabalho de Conclusão de Curso (TCC) que consistiu de um sistema completo de IoT: sensor de vazão + Arduino + módulo wifi + servidor com database (Flask + SQLAlchemy) + frontend (Plotly para geração de gráficos em Javascript) .

Atualmente há uma demanda crescente do uso de microsserviços para diferentes tipos de aplicações. Mas afinal, o que são microsserviços e onde habitam? Nessa palestra/conversa convido a todos a discutir o porque da existência dos microsserviços, onde podemos usar e mostrar o microframework Flask que pode ser utilizado com microsserviço de maneira enxuta, rápida e muito prática. 

Público alvo/nível: Iniciantes

A ideia é dar um norte a quem está começando, mostrando a ferramenta e suas facilidades como meio de aprendizagem e treino. Além de explicar termos utilizadosa atualmente, como microsserviços ou apis.

Como seria o pôr-do-sol pintado por van Gogh? E a frente da sua casa em um dia de chuva pintado por Tarsila do Amaral? Isto é totalmente possível com Deep Learning. A técnica de Transferência de estilo neural tem como objetivo compor imagens no estilo de uma outra imagem, modificando o conteúdo e guardando-o ao mesmo tempo.

Nesta palestra, serão introduzidos os conceitos de Aprendizado Profundo, redes neurais e o passo a passo para se realizar transferência de estilos utilizando Python e PyTorch.

Ultimamente ouvimos bastante sobre a resolução de problemas usando ciência de dados, e chegamos até acreditar que os cientistas simplesmente recebem dados e fazem a mágica com eles, e do nada nasce uma Siri, uma Alexa ou um Watson. Mas por de trás de toda Machine Learning existe um minerador de dados que sofre com este lado obscuro dos dados. Te conto mais na Python Nordeste.

Palestra voltada aos programadores Python do Iniciante ao Intermediário.

Veremos como o Pandas facilita a organização e as operações com esses dados. 

Agenda Proposta:

- Exemplos de Dados Meteorológicos.

- Pandas 101

- Armazenamento com HDFStore

- Pandas MultiIndex

- Operações nos dados

- Plots

A inteção é mostrar ao público iniciante o que são Api's, microsserviços, suas diferenças e atrelado a isso mostrar as facilidade do uso do microframework Flask que pode ser utilizado com microsserviço de maneira enxuta, rápida e muito prática. 

Público alvo/nível: Iniciantes

Ao fim da palestra, o público deverá se sentir confiante em criar suas própias Api's e terem junto a elas, uma ferramenta de fácil uso e bom treino.

Atualmente, com o advento do termo "BigData", existe uma necessidade muito grande de armazenar e tratar esse grande fluxo de informação/segundo que acontece na internet. Algumas vezes , essas informações precisam ser tratadas em tempo real, como tratamentos de falhas ou detecção de fraudes esse tipo de tratamento se dá por meio de um processamento desse streaming de dados. Nesta palestras iremos abordar conceitos de kafka, spark, big data e afins.

O Least Squares Support Vector Machine (LSSVM) nada mais é que uma variação do modelo Support Vector Machine (SVM), um dos mais conhecidos por ter desempenhos equiparáveis as Redes Neurais Artificias na área de Machine Learning (ML). A proposta da palestra é apresentar um pouco da teoria por detrás do modelo e questões práticas da implementação, com uma variação para CPU (desenvolvida utilizando NumPy) e uma em GPU (utilizando PyTorch).