Perfil

André Claudino @andreclaudino


Sobre mim

-

Eventos

IA.Inside - Rio de Janeiro

Em Janeiro estaremos fazendo o Primeiro meetup da comundiade IA Brasil.

Estamos em busca de Palestrantes que possam falar sobre inteligência artificial para a nossa comundiade.

 

Vai ser na Stone, Avenida General Justo 375 - Centro.

 

Será em torno das 19h30min no dia 17 de Janeiro de 2018, Quarta-feira.

 

Aproveite e conheça a comunidade no Telegram:

https://t.me/iaBrasil

Propostas

Álgebra e Cálculo com Python: Usando Sympy pra computação simbólica

Algoritmos numéricos são muito comuns nos mais diversos problemas de ciência, engenharia e análise de dados. Mas em alguns casos eles podem ser otimizados com uma validação prévia do problema utilizando computação simbólica.


Com o SymPy, uma biblioteca Python de computação simbólica e Matemática não só podemos resolver algebricamente equações como também dá pra verificar os exercícios de cálculo :-)


 


Nessa apresentação vou falar um pouco da computação simbólica, como funciona por trás dos panos e apresentar a biblioteca SymPy.


 


http://www.sympy.org/pt/index.html

Apache Mesos: Distribuindo e escalando códigos em Python

É muito comum hoje em dia se falar em microserviços, escalabilidade e map reduce. Todos esses termos são na verdade faces de um mesmo hipercubo, a programação esclável e distribuída.


No mundo de hoje onde temos algumas características que mudam completamente a visão de software eficiente que tínhamos há alguns anos:


- a demanda por desempenho e o volume de dados a serem manipuladosé enorme
- em lugar de supercomputadores esse processamento pesado precisa ser feito em vários computadores com menor capacidade
- Deve-se levar em conta a resiliência e escalabilidade do software, pois falhas acontecem, e elas devem custar o mínimo para serem recuperadas


A forma de resolver todos estes problemas é  com o processamento distribuído, mas nem sempre Map Reduce ou microserviços atendem a essa demanda. Algumas vezes precisamos apenas delegar tarefas mais complicadas para outra unidade de processamento e com isso manter um serviço suficientemente resiliente, ou apenas queremos economizar ativando certos recursos apenas quando necessário. O Mesos, sistema operacional de datacenter da Apache, atende a esses pré-requisitos, e aqui vamos dicustor como utilizá-lo para distribuir recursos usando Python.

Apache Mesos: Distribuindo e escalando códigos em Python

É muito comum hoje em dia se falar em microserviços, escalabilidade e map reduce. Todos esses termos são na verdade faces de um mesmo hipercubo, a programação esclável e distribuída.


No mundo de hoje onde temos algumas características que mudam completamente a visão de software eficiente que tínhamos há alguns anos:


- a demanda por desempenho e o volume de dados a serem manipuladosé enorme
- em lugar de supercomputadores esse processamento pesado precisa ser feito em vários computadores com menor capacidade
- Deve-se levar em conta a resiliência e escalabilidade do software, pois falhas acontecem, e elas devem custar o mínimo para serem recuperadas


A forma de resolver todos estes problemas é  com o processamento distribuído, mas nem sempre Map Reduce ou microserviços atendem a essa demanda. Algumas vezes precisamos apenas delegar tarefas mais complicadas para outra unidade de processamento e com isso manter um serviço suficientemente resiliente, ou apenas queremos economizar ativando certos recursos apenas quando necessário. O Mesos, sistema operacional de datacenter da Apache, atende a esses pré-requisitos, e aqui vamos dicustor como utilizá-lo para distribuir recursos usando Python.


Duração: 1h a 3h
Nível: Iniciante
Ambiente: Linux com Docker
Pré-requisitos: Não há

Aplicações de IA com Tensorflow com Python

Inteligência Artificial está na moda e uma das melhores ferramentas para IA avançada em GPU é o Tensorflow.


Aqui vou falar um pouco sobre a ferramenta e apresentar o básico para que ela possa ser usada em projetos de Machine Learning ou Deep Learning, desde o treinamento até produção.

Deep Learning com Python

Vou falar um pouco de inteligência artificial usando python, principalmente sobre deep learning.


Vou fazer uma introdução ao deep learning, sua utilidade e algumas aplicações.


A seguir, vou apresentar algumas ferramentas de deep learning usando python como Tensorflow, Keras e Pytorch.


 


 

Distribuindo e escalando códigos em Python

Hoje em dia é muito comum falar em processamento distribuído e escalabilidade, mas fora de microserviços autônomos não se fala muito no assunto.


Vou abordar um pouco sobre como criar aplicações em Python que podem ser escaladas com a demanda é interagir entre si.

IA com tensores usando Tensorflow

A ideia do tutorial é apresentar a Inteligência Artificial baseada em operadores lineares.


 


Essa abordagem nos permite partir tanto de algoritmos como da definição matematima, aos poucos chegar a escalabilidade e IA para produção.

Levando IA pra produção com Python

Inteligência Artificial está na moda, vemos formas eficientes de resovler e atacar problemas que antes só poderiam ser feitos por humanos ou com um nível de precisão razoável. Porém, quando falamos em IA estamos quase sempre falando de metodologia de treinamento, e raramente nos preocupamos com o nosso problema em produção.


Aqui vou discutir formas de fazer o deploy de produtos de Inteligência Artificial usando ferramentas como Tensorflow e Sickit Learn, além de discutir o aprendizado online, onde focaremos em sistemas que precisam ser treinados enquando estão em produção.

Levando IA pra produção com Python

Inteligência Artificial está na moda, vemos formas eficientes de resovler e atacar problemas que antes só poderiam ser feitos por humanos ou com um nível de precisão razoável. Porém, quando falamos em IA estamos quase sempre falando de metodologia de treinamento, e raramente nos preocupamos com o nosso problema em produção.


Aqui vou discutir formas de fazer o deploy de produtos de Inteligência Artificial usando ferramentas como Tensorflow e Sickit Learn, além de discutir o aprendizado online, onde focaremos em sistemas que precisam ser treinados enquando estão em produção.


Duração: 1h a 2h
Nível: Intermediário
Ambiente: Linux
Pré-requisitos: Noção de inteligência artificial e treinamento.

Python Para Ciência de Dados

Python é uma das linguagens mais utilizadas para quase tudo. Além do seu uso em produção, Python é muito bom pra quem está testando modelos e projetos. Uma das aplicações é na ciência de dados. 


Hoje em dia, entender o que alguns dados significam é muito importante para os resultados de uma empresa, nem sempre os dados vêm mastigados, preparados para gráficos. As vezes é preciso processar muitos dados, ou dados que são gerados por streamming, ou seja, avançamos ao campo do big data.


 


Nessa palestra, proponho uma pequena introdução a Ciência de Dados com Python, passando por Big Data, Bad Data e Visualização.


 


Os códigos utilizados para a apresentação estarão disponíveis no github em https://github.com/andreclaudino/pythonOnRioXXII-IA

Python Para Inteligência Artificial

Python é uma das linguagens mais famosas para análise de dados e inteligência artificial. Muitas ferramentas importantes para IA e machine learning estão escritas em Python, e portanto vou falar um pouco do básico de Python para inteligência artificial e aprendizado de máquina. Uma introdução ao assunto, apresentando as ferramentas e algumas ideias simples, espero cortar caminho para quem não entende nada do assunto, e criar uma base de discussões para quem já conhece um pouco da área.


 


Os códigos utilizados para a apresentação estarão disponíveis no github em https://github.com/andreclaudino/pythonOnRioXXII-IA

Vetorizando textos

Um dos primeiros passos para a computação cognitiva e para uma análise textual consistente está na vetorização de textos.


Nós aprendemos os significado das palavras e textos a partir da experiência, mas como fazer um computador entender o significado de uma palavra num contexto, interpretar um texto e analisar o tom?


Tem muitos passos pra isso mas o primeiro e transcrever as palavra para vetores, ou seja, transformar palavras em algo matematicamente mensurável. É e isso que vamos fazer aqui.