O ENEI19 não só vai ter um programa geral como, também, vai ter 5 Career Paths! Vais poder escolher o que mais se identifica contigo e ter acesso a todas as conferências sobre essa temática!.
Podes fazer a tua inscrição no Career Path que mais gostares através da nossa app!
Mas não te preocupes, apesar de te inscreveres num determinado Career Path, poderás participar em palestras ou workshops de Career Paths diferentes.
O que leva um retalhista a optar por determinados produtos para colocar nas suas prateleiras? Esta sessão pretende debruçar-se sobre o processo de selecção de artigos, utilizando grandes volumes de informação com tecnologias de vanguarda e algoritmos científicos para introduzir novas técnicas de optimização. Serão discutidos os fundamentos da gestão de gama, os desafios dos retalhistas face à informação que têm à sua disposição e de que forma podem ser utilizados os dados disponíveis para a criação de uma gama de produtos que leve por um lado à satisfação do cliente e por outro, à maximização das vendas.
Nuno Santos é um profissional experiente baseado na Retail Consult US. Com 10 anos de percurso profissional, na sua maioria ligado à área de Planeamento e Optimização, realizou a implementação de sistemas de informação em diferentes segmentos de retalho (Grocer, Fashion e Pharmacy) em diversas regiões da Europa, América do Norte e América do Sul, combinando o desenvolvimento do negócio com sistemas tecnológicos Oracle Retail.
O Business Intelligence (BI) tradicional endereça a identificação de perguntas relevantes para o negócio e como estruturar os dados para obter as correspondentes respostas. Esta abordagem revela-se limitada num contexto altamente dinâmico em que os dados são provenientes de inúmeras fontes com diferentes formatos. Além disso, o aumento significativo no volume de dados cria um grande desafio para o BI tradicional. Convencionalmente, o BI é destinado a executivos e gerentes que olham para os negócios de uma perspetiva demasiada alto-nível e focada. Por outro lado, o Big Data é bottom-up, pois democratiza o acesso ao conhecimento crítico de negócios e permite interpretações de perspetivas diferentes do convencional, dando uma capacidade de inovação e decisão potencialmente transformadoras aos diferentes utilizadores de front e back office, permitindo a tomada de decisões em tempo real, usando Data Science. Nesta palestra, apresentaremos o ‘CELFOCUS Vision for Data Science’ dentro da indústria de TI e nossa missão na criação de um futuro brilhante para ciência de dados e cientistas.
A Sara Faria Leal é uma Data Scientist na Celfocus desde 2015. A sua formação é em Matemática Aplicada e Computação no Instituto Superior Técnico, com especialização em Probabilidade e Estatística, onde ela desenvolveu o interesse por Data Mining e Machine Learning. A Sara trabalhou num projeto de IoT a analisar e detetar anomalias em dispositivos de IoT e no projeto do NOC-CIAS (Network Operation Center Cognitive Intelligence Automation System) a estudar o comportamento de alarmística de rede. No seu tempo livre, ela gosta de ver corridas de Fórmula 1 e de jogar Zelda ou Kirby. Tem quase sempre uma caneca de chá com ela.
Atualmente existe um hype de Big Data entre as organizações, contudo transformar o seu potencial em real impacto de negócio tem-se provado um desafio. Desenvolver modelos precisos e confiáveis é um primeiro passo, no entanto colocá-los em produção e fazer a sua gestão diariamente - descobrindo conhecimento único - é outro nível. Os modelos e automação preditivos serão fundamentais na operacionalização de todo o processo, ajudando a orquestrar e gerir o processamento de todos os dados dentro de uma organização. Este deve ser o alvo final de uma estratégia de Big Data bem-sucedida. Neste workshop vamos nos concentramos numa dimensão crítica - a Excelência Operacional. A análise de grandes volumes de dados operacionais pode suportar os esforços dos CSP’s na expansão e controlo da infraestrutura atual. Através da correlação de métricas de uso da rede e atributos de utilizadores, além de dados de tráfego e localização, ajudará de forma proactiva a detetar ou prever possíveis problemas e obstáculos em tempo real. O principal objetivo deste workshop é desenhar e desenvolver um algoritmo capaz de realizar a deteção de anomalias por categoria, usando para o efeito dados operacionais de comunicações móveis. Com base nas mensagens enviadas ou recebidas pelos cartões SIM, a solução proposta deve ser capaz de detetar padrões em altos volumes de mensagens e fornecer informações sobre as suas causas.
Computador pessoal com as seguintes ferramentas instaladas:
-Jupyter Notebook
-Python 3.6
-ScikitLearn
-Matplotlib
-Pandas
Germán Mendez was born in Colombia, where he studied Economics. His first professional experience was for a Fuel Company specialized in supplying military forces. In 2012, he made the risky decision of moving abroad and chose Portugal to start a new adventure as an intern for an NGO company, supporting both the finance and marketing processes.
He studied Information System Management and Business Intelligence at NOVA IMS where he developed his interest in machine learning and data science. German has worked in Jerónimo Martins in the analytics area and joined Celfocus where he is currently involved at the NOC project in the cognitive team doing anomaly detection and sequence pattern mining.
On his free time, he enjoys travelling, learning languages and hanging out with his friends.
A Aguardar descrição e nome.
I've chosen Biomedical Engineering to merge my two passions: engineering and sports. During my academic years I've discovered machine learning and applied it to several human body signals. Skipping time forward, and after a period working as a consultant, I've been a Data Scientist at Feedzai for 2 years now and I'm currently a team leader, managing data science teams in several of Feedzai's clients.
Neste workshop, veremos algumas das diversas fases que estão associadas ao desenvolvimento de um modelo de deteção de fraude baseado em Machine Learning, desde a recolha e tratamento de dados, feature engineering, modelação e avaliação. Para tal vamos explorar essencialmente packages da linguagem de programação Python, como pandas, numpy e scikit-learn. Material necessário: portátil.
Fábio Pinto é Research Data Scientist na Feedzai, empresa líder de mercado no combate à fraude com recurso a Inteligência Artificial. Doutorado em Engenharia Informática pela Faculdade de Engenharia da Universidade do Porto, a sua investigação têm-se focado essencialmente em Automatic Machine Learning (autoML), tendo publicado em diversas conferências e revistas da área, como a Machine Learning Journal.