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.
(Critical)
Sem descrição
Eduardo joined Deloitte PT in 2018 as Lead Specialist of Data Science / AI. He is leading the advanced analytics team at Deloitte in the financial services sector with the main aim to provide top-class solutions based on the combination of machine learning, computer vision, and natural language techniques to their clients. In his role, he is also coaching and mentoring internal staff, as well as master students, keeping a tight link with several universities and research centers. He is also focus on providing data-driven digitalization solutions within Deloitte PT. He has over 12 years’ experience working on computer graphics, computer vision, natural language processing and machine learning within surveillance, retail, forensic, entertainment, manufacturing, biology, finance and smart environments/cities. Most recently he was senior data scientist at UTRC in Cork-Ireland. Before that he spent four years as a machine learning researcher at INESCTEC. He worked on a mid-size and a startup companies as responsible for the computer vision/machine learning solutions, and he cofounded his own startup in the field of videogames and digital interactive solutions. Eduardo holds a PhD in Computer Vision/Machine Learning from the University of Porto-Portugal, with collaboration with UT Austin-USA.
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
A Aguardar descrição e nome.
"Artificial Intelligence, and its diverse subfields, including machine learning, has been the subject of intense study for more than a half a century. Recent advances in machine learning, jointly known as deep learning, have partially closed the gap that exists between the abilities of naturally intelligent systems (i.e., brains) and artificially intelligent ones in problems related with perception. Additionally, some problems that have been deemed very hard to solve, like learning to play the game of Go from scratch or mastering complex strategy games have fallen to approaches that combine deep reinforcement learning with efficient computation methods. Still, the depth of understanding of these systems is somewhat limited, and many counterexamples exist that show that DCNNs (deep convolutional neural networks) are still very far from approaching human abilities even in simple perception problems. In this seminar, I will lead an interactive discussion about the power and limitations of DCNNs and whether this technology will lead the way to artificial general intelligence (AGI) or will simply become one more tool in the practitioners’ toolbox. Active involvement from the audience will be expected."
"Arlindo Oliveira was born in Angola and has lived in Mozambique, Portugal, Switzerland and California. He obtained his BSc and MSc degrees from Instituto Superior Técnico (IST) and his PhD degree from the University of California at Berkeley, all in Electrical Engineering and Computer Science. He was a researcher at CERN and at the Berkeley Cadence Laboratories. He is a professor at the computer science and engineering department of IST and a researcher at INESC-ID. He authored three books, translated in different languages, and more than 150 articles in international conferences and journals. He has been on the boards of a number of companies and institutions and is a past president of INESC-ID and of the Portuguese Association for Artificial Intelligence. He is a member of the IEEE and of the Portuguese Academy of Engineering. He became president of Instituto Superior Técnico in 2012.
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.
