O que é? Deep Learning e Processamento de Linguagem Natural (NLP) | Leonardo Ribeiro

E eu diria revolucionado a computação de 14 anos para cá é está tendo muito aplicação nessa área e principalmente no mundo inteiro eu acho que isso vai chegar algum momento o brasil já tem algumas iniciativas no brasil e eu acho interessante compartilhar um pouco do que que é isso para você entender ele é só um pouquinho para falar o thales a introduzir eu agradeço só para falar um pouquinho sou eu eu sou leonardo nem eu Formei tech informática no colégio para de manhã o valor nós não é sujeira de computação pelo cefet e atualmente próxima

doutorado aqui na tia o davi está na e concluí meu mestrado no no programa de áries temos de computação da copa e hoje essa meu site você quiser conhecer mais sobre o meu trabalho vocês podem entrar no site tem todas as pesquisas os papers que nós publicamos em filho e hoje eu a empresa especial deep lane para mlp lp Significa processamento de linguagem natural e olho gente vai entender um pouco que quer ir que que é para essa mesinha agora já troca por quê que isso é importante e vocês vão ver aqui na verdade vocês

usa está todo momento e muitas vezes as pessoas como é muito natural elas nem percebem tá certo então já pararam para pensar por exemplo quando você faz o download de uma imagem a no facebook ou em outra rede social geralmente em muitos momentos o facebook Tá gay a nessa imagem já sabe que é você lhe deu certo então ele sugere por exemplo que é determinado a pessoa tá certo isso é um exemplo de plano de um de um modelo de redes neurais a de aprendizado profundo e faz isso aí tá certo ele tá aí a

pessoa a ele olha o rosto ele identifica a pessoa o outro exemplo é a detecção de faces então no seu celular por exemplo que você vai tirar uma foto aparece os quadrados aí no seu rosto ou em outras aplicações por Exemplo na china é oi hoje em dia o que acontece eu te vi lá no passado apresentando o trabalho lá o seguinte a gente tem câmeras em todos os lugares e o governo ele multa então como tem câmera todos os lugares ele consegue saber as pessoas ele consegue reconhecer as pessoas as pessoas atravessaram por exemplo

sinal vermelho de pedestres lutam chegou uma carta para você de uma multa na sua casa então para vocês ver o poder aí a daquele Artificial e o que ela tá tomando é dimensão no mundo tá certo esse outro exemplo na área de visão computacional não vai ser o foco da nossa palestra mas é importante é motivar um pouco aqui outro exemplo a detecção de objetos tá certo então por exemplo nesse exemplo você tem uma câmera filmando aí uma rua e existe um software um modelo de redes neurais aí que ele detecta por exemplo se um

carro saiu da vaga ou não e te aviso entendeu que existe é um lugar Para estacionar e da outra exemplo é um exemplo aqui nós trabalhamos muito para saber linguagem natural por exemplo é transmissão automática de línguas tá certo então quando você tá usando por exemplo google translate a você é tá usando algum modelo de plano algum modelo de processamento de linguagem natural e plano e em são modelos extremamente complexos extremamente custosos e tem muita a tecnologia e pesquisa envolvida a gente vai entender Um pouquinho desses modelos também a como ele funciona e como eles

tentaram um salto de qualidade muito grande de poucos anos para cá por conta desse bumbum né devido ano e mach lane que tem acontecido nos últimos anos outra exemplo também se vocês gostam de jogos né se você joga uns jogos aí provavelmente estão jogando contra algum algoritmo ou dithane ou aprendizado de máquina se você jogou o jogo mais complexo seguramente você tá jogando com O modelo de aprendizagem profunda de plano recentemente 2016 a uma empresa chamada mãe de uma empresa que ela local o que é uma empresa onde a google é dona é uma na

verdade é uma startup de pesquisa entendeu de alto de ponta desenvolveram um um jogo inteligente especial baseado na aprendizado e aí e aí e aí e aí E o léo você ficou sem áudio aí você sem querer você desativar o microfone ou então a bateria do oi tá fraca e aí e o léo continuou sem sol sem áudio e aí ah ah tá me ouvindo agora sim beleza eu comecei a ter clicado sei que ele é bom que eu vi aqui o botão é porque você parou na a gente escutou até a parte da da

startup do google ah tá desculpa eu Agora que eu vi que o botão canal beleza se de novo você me avisa então vamos lá ok então é o que acontece aqui as startup da google é uma empresa de interesse especial que a google é ela ela aplica dinheiro nela né e essa empresa desenvolveu um algoritmo a bem complexo de inteligência social baseado em aprendizado por reforço que ele é esse modelo ele ele ele joga um jogo chamado alfagolf o jogo muito mais complexo que o jogo de xadrez e ele foi Capaz de ganhar do campeão

mundial então isso também foi um marco na nessa área se forem 2016 não tem muito tempo certo outra um exemplo bem interessante também que também na área de processamento de linguagem natural é e os computadores agora eles começam a contar a história do isso é bem incrível ele começa a criar poesias então por exemplo se você pega um modelo desses por exemplo esse modelo chamado jipe two gpt-2 é o modelo da opera e tem uma Startup também que inicial é joelma se ele ele investe nessa empresa e eles devolveram um sistema que ele é um

pouco assustador que ele começa a contar histórias altamente reais ou com o contexto uma tarefa então se você começa a escrever por exemplo no console desse desse modelo por exemplo lembrá-las e billy avançaram sobre os óculos erguido suas almas com grito de guerra no bast ant e o modelo vai continuar a história o modelo escreve a resposta dos óculos Foi um ataque ensurdecedor de gás gás gás até mesmo elrond foi forçado a recuar então quando esse esse sistema foi lançado há dois anos atrás saiu até uma notícia que a startup não queria liberar o código-fonte

com medo disso ser utilizado por exemplo a fake news ou para fazer notícias falsas não existe um medo então isso é muito interessante que a gente ver como que e sistemas ele tem avançado e a gente vai falar um pouco de fake news também como É tentar evitar as fake news e existe dinheiro pesado essas grandes empresas tentando fazer isso e tentando evitar a falta de informação na internet então esse é o outras e que a gente vai falar um pouquinho pra mim mais para frente então beleza que deu motivação eu queria agora explicar um

pouco mais o quê que seria isso deep lane e aprendizado de máquina entendeu porque na verdade de plano é uma sub ariel aprendizado profundo naquela mesma sub-áreas a Precisar de mais então eu gostaria de explicar um pouquinho aqui que é isso para a gente entender melhor o contexto aqui então é mach lane o aprendizado de máquina é um ramo da inteligência oficial e a deep lane a uma sub ar do aprendizado de máquina então é nosso direito aqui a gente tem esse esse diagrama aqui onde nós temos aqui a a grande área que a inteligência

oficial essa mara que volta computação ela nem parece a do conhecimento e dentro da Credencial nós temos martino ano e qual que é a definição de mach lane o apesar de marketing digital definição que de arthur samuel e diz que mach lane é um campo de estudo que proveu o computador habilidade de aprender sem ser explicitamente programado então vamos dar um exemplo vocês por exemplo estão começando a fazer os algoritmos aí na faculdade primeiro e segundo períodos você se programam um problema e você falou exatamente que o programa tem que Fazer então você fala lá

vamos você quer fazer uma função que faz uma soma você vai falar lá é só você vai programar sua atenção de alguma forma e se você botar um mais quatro vai dar cinco essa é o que ele faz entendeu e se você fizer outras funções mais complexas vamos fazer o que você quer numa precisar de máquina é diferente você vai criar um modelo que ele vai aprender por experiência e não vai fazer o que você escreveu ali mas ele vai a partir da Forma que você criou ele a partir dos dados que ele vai receber

ele vai aprender a e o que fazer baseado nesses dados então sem ser explicitamente dito para ele ele vai aprender com a experiência a gente vai entender um pouco como é isso tá certo então deep lane é uma parte de mach lane onde você tem esses grandes modelos com várias camadas com várias vezes melhorar a gente vai explicar o que é rede neural que é é tem de uns Tempos pra cá dominado várias aplicações na indústria e na academia e aí então vamos entender alguns conceitos de apesar de máquina mach lane tá certo então eu

vou fazer só uma comparação aqui dos modelos tradicionais mach lane de plano é para gente é tentar entender a diferença dessas duas abordagens mach lane geralmente sou modelos menores eles eram utilizadas década de 90 2000 ainda são utilizados em aplicações onde é para nesse exemplo Aqui você tem uma imagem de um carro e você gostaria que seu modelo de dissesse isso é um carro ou não tá certo então você gostaria de fosse ficar essa imagem vamos supor que é uma moto modelo deveria dizer o que isso é um carro e uma moto então a gente

quer que modelo faço aí antigamente você teria que tem pessoas que são expert expert no campo de presente automóveis para criar representações parecer usaram dos modelos então esses caras e um criar Relações o seguinte forma olha eu vou ter que criar algumas fitas de ficar falando quantas horas ele tem qual motor é o motor dele e esse tipo de coisa e a parte os dados desse expert ele ele minerou né vamos falar ele retirou do domínio do conhecimento ele vai usar esse como entrada para o modelo e esse modelo vai ser treinado para gerar a

resposta lituânia é uma nova ideia aqui você não precisa mais ser essa xperia para tentar Entender quais são as características dos dados você simplesmente usa a imagem como entrada ou por exemplo texto se você quiser classificar texto o jogo o que for e o modelo vai aprender essas fit o essas características da sua entra sozinho isso é muito poderoso gente vai ver é exemplo de como isso é poderoso para gerar o carro então isso também é muito bom para as empresas porque às vezes eles contrataram sp naquele domínio elas pegam modelo desse treino Cuidado certo

e modelo é capaz de resolver esses problemas então eu vou definir um a equipa dúvida pode falar sim essa questão é que você falou volta um volta um slide por favor e essa questão que você falou sobre o machine learn how the planing pode ser comparado com os capítulos que o google usa e na verdade os capítulos que o google usa eles são usados eles fazem você de Meu de cobaia para você dizer quais são as palavras para criar dados para treinar os modelos entendeu e por que esses modelos de precisão de dados a gente

vai chegar lá precisa de muito dado só que às vezes os dados são escassos então o que que o google faz ele te pede para dizer por exemplo aonde tem uma placa de trânsito e você cria lemos com esses dados e o e ele usa esses dados para treinar esses modelos mas o capim do google além disso ele tem Um aquele gente se ao por trás para verificar se você é um robô né então tem várias a aplicações do caput do google mas mas sim é relacionado sim tudo bem tá obrigado então o que é

deep lane tá certo então vamos definir um pouco mais aqui geralmente deplane se utiliza de redes neurais a gente vai definir o que são redes neurais elas são organizadas em multicar mas é mas embora isso aqui é uma rede neural pode parecer um pouco esquisito Assustador para quem não conhece mas a gente vai começar a entender melhor e aqui a gente tem algumas camadas dentro aqui que ela vai capturar informações da entrada para essa região da serra i é são várias camadas aqui exemplo de duas mais e modelos que estão aí rodando no google no

facebook enfim são redes com mais de 100 camadas tá certo e a ideia é que elas que elas aprendam boas apresentações nos dado só um pouco abstrato tô falando a gente vai dar Alguns exemplos para entender o que possa abstrações e a ideia que esses algoritmos de pela ele aprende esses níveis de abstrações para gerar uma resposta para o seu modelo para gerar uma uma resposta do seu problema e aí ele usa entradas não processadas como mencionei parece palavras como elas são imagens jedson que você queira classificar presente no seu problema é que você quer

aplicar o seu modelo aí o que são redes neurais então vou dar um Exemplo acende aquele muito matematicamente mais de forma intuitiva o mesmo horário elas são modelos que elas recebem o conjunto de dados de entrada nesse caso aqui a gente tem imagens por exemplo de gatos e cachorros ea gente realiza alguns cálculos aqui existem parâmetros nessas eles que a gente usa eles para fazer alguns cálculos e gerar uma saída nesse caso aqui a gente tá dizendo que essa imagem que entrou quer um gato então isso aqui Poderia ser aquele algoritmo do google de faz

isso poderia ser a sua face do seu amigo e o google consegue o google ou facebook que for ele consegue dizer quem é essa pessoa ele então eu estraguei ele falar pulando entendeu então a partir de realizar esses cálculos ele gera essa saída e por que que o depilando tem tido sucesso ultimamente na verdade essa todas essas questões de redes neurais e aprendizado de máquina bem antigo tem mais de 80 Anos e por que que agora que tem sala dos antunes compreende os motivos principais o primeiro é quantidade enorme de dados a humanidade nunca gerou

tanto dado quanto gera hoje entendeu a cada a cada hora instagram é facebook é google e o teu idades para empresa são o que eles falam para o petróleo do futuro isso dá dinheiro para sempre vai querer o porquê que dá dá dinheiro para empresa e o porquê que elas querem que as Pessoas ficam nessas redes sociais porque esses dados eles fazem os algoritmos eles funcionarem melhor então como hoje existe internet 20 muitas pessoas conectadas a quantidade de dados enorme coisa que não se via a década de 90 ou para trás outra coisa que são

os computadores são muito mais rápido hoje principalmente gpu que são essas placas que as pessoas usam para jogar a gente usa essas placas para treinar então é essas placas elas são usadas para Treinar esses algoritmos porque você não consegue treinar os normal ou eu digo é modelos muito grandes modelos menores você até consegue mas se você esse modelos grandes que as empresas usam geralmente você precisa desses abas que são gp usa o google usa o as próprias de pelos chamados pinos e a gente vai explicar um pouco e vocês até consegue entrar no google existem

e onde é você pode usar sítios do google de graça por alguns dias e treinar seus Modelos se você quiser aprender além disso novos modelos algoritmos ideias têm surgido muito e isso fez com que melhorasse muito a performance reconhecimento de fala visão computacional lp é só você pegar aí um exemplo de o google translate eu uso o google translate há mais de dez anos e você pega dez anos atrás de hoje a qualidade é do google ele vai falar mais disso a reconhecimento de objetos enche o reconhecimento de fala do android Realmente tá muito bom

tá chegando anime se você consegue falar para ele pelo menos em inglês muito bom e ele escreve um e-mail para você então é realmente tá crescendo muito e aqui é só não exemplo estão gráfico hoje eu tenho a performance dos modelos no eixo y e tem a quantidade de dados aqui no eixo x e você vê aqui se você pegar esse em vermelho só os modelos a já precisar de máquina aí eu enviei de seus modelos de plano de aprendizado profundo e você vê Que quando você tem poucos dados não importa muito com o modelo

e a perfume sueli aparecida entendeu mas a partir do momento que você tem mais dados os modelos de plano sobre a sair realmente tem uma grande valor para a empresa até formas cresce muito esses modelos percam muito bem então por isso que os dados são muito importantes eu falo aqui gente é dado mas é dado mesmo é coisa de milhares de milhões de margens e olha que pedir inteira de Texto e ele coisas desse nível para treinar essas redes e wi-fi a e agora vamos entrar alguns conceitos base de aprendizado pra gente entender um pouco

como que esses algoritmos eles eles aprendem coisas é não é para fazer essas aplicações que nós vamos aí então gente é a gente tem três definições de aprendizado uma chinelo dedo a primeira é aprendizado supervisionado a segunda é aprendizado não-supervisionado a terceira aprendizado por reforço no Aprendizado supervisionado vou dar um exemplo bem simples aqui que é pressão do preço de nós vamos supor que você trabalha aí no vale do aço uma imobiliária tá certo e você o seu chefe lhe pediu para você montar um modelo para predizer o preço das casas né você quer chegar

o cara perdeu o cliente fizesse uma avaliação da minha casa que eu quero vender a quanto vale você pode usar o modelo para isso você e para usar este modelo você tem que usar Aprendizado supervisionado o que que é o presidente regional você vai ter um datas ética um conjunto de dados que tem a mostra onde você tem o x que é a gente pode usar aqui como o tamanho da casa no caso o metro quadrado e esse aqui é o preço da casa lembrou que você quer é predizer qual o preço da casa dado

o seu o tamanho da casa no caso e metro quadrado então você vai ter vários desses pontos aqui no seu na base das cada cantinho desse aqui nesse Gráfico é um ponto desse desse gráfico que você é um ponto desse dessa base idade que você quer prender então dado o tamanho da casa você quer para dizer aqui qual o preço e se você pega esses dados e levá-los ao modelo né o esse modelo a parte do aprendizado supervisionado ele vai aprender e vai para dizer é a casa que ele nunca viu mas ele ele sabe

o metro quadrado qual seria o preço é quem tem dois exemplos dois modelos que serão aprendidos essa Reta aqui é o modelo que foi apreendido a e ele é ele preguiça os preços da casa baseado no metro quadrado então modelo um pouco mais robustos como que essa curva aqui que ele aprende que ele tem uma eficácia é melhor mas a ideia é importante dizer aqui aqui você tem esse corpo a entrada aqui aqui são os quadrados é só sair daqui é o que você quer para dizer que no caso é o preço certo só que

se você concorda comigo que só o metro Quadrado não vai me dar muita informação do cristo da casa então você pode adicionar mais informações vamos supor que agora além dos metros quadrados você tem informação da postar de como da casa então dado que você tem o tamanho da casa e minhas quadrado de qualidade de contas você tem duas fichas ou duas entradas para o modelo e você quer pra dizer o preço tá certo então o seu x aqui ele tem duas a dimensões que é o tamanho ea quantidade como e você quer Para dizer o

preço então aqui é um exemplo a só demostrando as diferentes dimensões a quantidade de informações que você pode montar o modelo nesse exemplo nós só temos duas dimensões mas em algoritmos da lituânia você chega a ter milhares a centenas de mim certo então essa ideia o que importa aqui no aprendizado supervisionado que você usa os leibols nesse caso do preço para predizer a a sua a sua tarefa você usa eles para Aprender eu só queria definir também duas questões importantes nessa nessa área que é o que é regressão e classificação da serra regressão é um

problema onde você o seu label no caso preço é uma variável contínua é o valor é o número que você vai prender o preço por exemplo a classificação por outro lado ela é uma variável discreta entendeu que era uma variável categórica onde você ao invés de ter um valor ganhar você tem diferença categorias por Exemplo em vez de você perder o preço você quer aprender os tipos de residência então o modelo pega o tamanho acordar de como se diz por exemplo ser uma casa só apartamento entendeu então nesse caso aqui por exemplo os azuis seriam

causas e os laranjas seriam apartamento tá certo e o modelo ele traça uma linha aqui para diferenciar esses dois isso aqui é só um exemplo e o que seja regressão e classificação então voltando para nós desenhos por exemplo Na na área de uma tradução automática o x do nosso e tem pensa em inglês por exemplo meia-entrada para o modelo y é a sentença traduzida nesse caso leigo aqui que é um doce chinês por exemplo e agora a gente fica meu aprendizado não-supervisionado onde a gente não tem os legumes a gente não sabe o preço e

e nesse aprendizado aqui o objetivo é encontrar padrões nos dados entendeu então em vez de você ter livro dos dados Você vai de alguma forma tentar encontrar para 2 e encontrar dados que são relacionados por exemplo você vai encontrar um cluster de dados aqui que diz ok essa esses imóveis aqui são fazendo eles têm é mais metro quadrado esse daqui são quitinetes então você consegue encontrar padrões interessantes nos dados mas sem os lemos tá certo e um exemplo disso que a gente quê que é bem interessante que é usado para você se toda hora aí

no seu celular eu vou Explicar o porquê são aprendizados representações de palavras que é um aprendizado não-supervisionado baseado na wikipédia as pessoas leem e os modelos leem todos os dados da wikipédia e com esses dados os modelos aprender representações de palavras surgem coisas impressionantes a no espaço latente para o espaço onde você aprende as apresentações aqui é que é simplesmente onde está o seu retorno se você tem um espaço duas dimensões aonde Tá o sou grato lá então ele aprende coisas como por exemplo é itália e roma roma capital da itália ele aprende que viste

o relacionamento aqui tem um relacionamento muito parecido com relacionamento frança e paris então se você sabe que país capital da frança você vai saber que roma é a capital da itália esse tipo de relações que surgem nesse espaço a gente pode chamar isso de conhecimento que a gente tem para gente natural essas coisas para a gente Precisa de alguma forma representar isso no computador para ele começar a entender esse conhecimento é que a gente tem um exemplo também de por exemplo de colocar palavras que são parecidas juntas e isso tem um impacto muito grande nas

aplicações depilando a indústria a gente vai ver isso aqui é só um exemplo já precisar de um sobre o meu aprendizado muito interessante chamam atenção aprendizado por reforço é que o algoritmo coleta os dados Interativamente então por exemplo carros autônomos cartesa trabalha o google trabalha robôs autônomos esses drones que andam sozinho eles aprendem pelo aprendizado por reforço o que que é isso eles coletam feedback do ambiente então vamos supor com drone começa a bater lá nas paredes ou começa a bater na nazar ele vai aprender que não pode ficar matando a árvore porque está ruim

e ele vai aprender o comportamento correto para ele o carro a mesma forma o carro Na hora que ele passar no sinal vermelho uma simulação e aconteceu acidente alguma coisa levar aprender aqui isso é errado ele entrar no estacionamento eles não devia então todas as simulações elas vão ensinar ele a a a dirigir corretamente nos então olha que interessa a gente pode pensar nesse bonequinho aqui como um bebê e aqui a gente tem várias interações com 10 interações é como um bebê engatinhando ele tá aprendendo a andar tá vendo bem Ruim bem ruim as interações

de pode pensar como tempo e interações com mais cinco olha como é que o robô já começa a aprender a andar melhor e com 210 interações é impressionante que já vai melhorando e se você joga isso para mim ou duas no interações ele aprende a andar como se fosse a gente pode pensar no bebê aprendendo a andar com tempo entendeu então aí é só aprendizado por reforço bom então o processo de aprendizado no Geral ele é basicamente da seguinte forma você tem uma entrada para o modelo nesse caso aqui vamos supor que é uma imagem

que você quer classificar você tem um modelo que existe um arquitetura por trás ali que a gente vai falar de algumas arquitetura e existem parâmetros são pesos são números dentro desse modelo que esses parâmetros são aprendidos para dar a sua resposta para que você quer saber se você é um gato ou não essa é a sua saída e você tem uma Coisa aqui que chama a loss function o função custo que é uma forma de treinar esse modelo porque quando eu falo modelo aprender a gente tem que treinar ele de alguma forma ele aprender aqui

dado que isso é um gato eu vou dizer que eu vá porque você não ensinar ele não vai saber e você faz isso através de gradiente descendente tem um algoritmo é que a gente vai falar um pouquinho é sobre isso então é trazendo um pouco a coisa mais básica das redes neurais ao Neurônio artificial esse neurônio ele ele trouxe algumas inspirações do nosso cérebro ah tá certo e a ideia do neurônio é o seguinte você tem as suas entradas vamos supor que aqui são por exemplo pixel de uma imagem ou palavras eu te for são

os seus filhos aqui você vai pegar esses valores que são convertidos para número e vai multiplicar os por a pesos da rede esses w são pesos da rede no fim você vai somar isso aqui e você vai usar mão Linearidades que são funções não-lineares e não precisa se preocupar muito sobre isso depois vou falar um pouquinho mais e depois disso você vai ter uma resposta então vamos supor que aqui você quer por exemplo classificar uma imagem isso aqui é a entrada aí você vai dizer se as imagem aqui por exemplo leva o seu não aqui

é só uma representação matemática onde vou para cada entrada você multiplica ela por esse vetor você soma isso e você usa uma Não linearidade e você tem essa entrada aqui por exemplo zero se for um gato a gente se for um cachorro se você tiver trabalhando com alguma coisa desse tipo porque que é nome é verdade é importante porque ela ela te faz as coisas bem interessante rodar zinho se você não tiver não é se você não tiver linearidade na sua rede você não consegue portanto distinguir os pontos que estão verdes dos vermelhos você só

consegue aprender representações que são Lineares porém quando você tem nome realidade como essa função se demore aqui você consegue aprender a diferença entre esses pontos você consegue aprender que o verde fica desse lado vermelho e ficar desse lado e por quê que isso é importante eu entendo que é um pouco abstrato mas é importante porque os problemas reais do cd a gente resolve na nossa vida hoje fica as empresas resolve eles são completamente não minerais eu vou fazer um robô andar Então problema não linear um problema difícil a gente pode pensar problemas mulheres para ver

os mais difíceis então por isso é importante funções ativação serra e aqui eu vou dar um exemplo de novo é de um neurônio né só para entender isso melhor então começar a gente não suporta essa imagem como eu converso as imagem cada pizza dessa imagem ela tem um valor rgb lá que é o quê as cores deste a gente esses valores são Números gente usa esses valores como entrada né da rede aqui no caso neurônio ele são multiplicados por um peso tem uma nome é verdade e a gente dar um resultado a rede aqui para

guardar o resultado que 0 e 1 e ela fala que essa imagem ela tem setenta e dois por cento de chance de ser um gato que você pode aplicar um teste olho aqui dizendo ok se for maior quiser eu consigo um lugar se não for maior não é um gato então é só um exemplo de como seria um processo de Classificação a gente pode fazer isso mais complexo e um negócio que a gente chama multiclass eu invés de dizer se é um cachorro não a gente disse é um cachorro você é um gato você é

uma girafa ele a gente tem mais é neurônios aqui no facebook presa no facebook tem que ter um desse para cada pessoa que são bilhões de pessoas então conectado no facebook você imagina ela tá aí a cada uma dessas pessoas a complexidade que isso é tá certo Oi e aí a gente vai falar um pouco das camadas isso para mim é realmente incrível na minha opinião o que é quanto mais camada você for na rede ela aprende representações bem interessante então esse exemplo que é bem interessante que na primeira camada né vamos supor que essa

primeira camada da rede a primeira camada da rede ela aprende vamos política classificar uma imagem lá o seu rosto no facebook a primeira câmara da rede ela começa a aprender as bordas dos Objetos que estão no imagem assim quando você vai para a segunda camada ela vai ela já pega essas informações mais primitivas e geram informações muito mais interessante do ponto de vista de raciocínios no segundo ponto de tentar resolver a tarefa que é dizer que tava funcionando e ela começou a detectar narizes na imagem óleo boca e aí quando você sobe de camaro ela

agrega essas representações e começa a gritar rostos isso é impressionante entendeu porque Você acaba agregando essas essas representações são mais simples em situações mais complexas e você vai subindo o número de camadas aqui então é mais ou menos assim que esses essas redes neurais elas funcionam elas vão agregando representações mais simples até forma representações é bem interessante do problema então como que a gente treinar uma rede neural eu vou dar só uma intuição aqui que o foco dessa palestra é a motivação explicar o Campo para vocês tá certo e aí gente tem na parte de

uma coisa chamada função custo e a ideia bem sim a ideia dela numa entrada nessa rede essa rede fazer uma cotação com certeza que gera uma saída como nós rios só que quando essa região é treinada às vezes ela já era uma saída aqui no caso zero ponto que é muito diferente do que você queria ser queria que tivesse a saída um significa ela é um bar mas você gerou uma saída 0.1 então a saída que você Tire era saída um mas você que essa conforme gerou a saída zero ponto então essa função da calcula

a diferença entre esses dois e a função do algoritmo de aprendizado é diminuir essa diferença eu quero diminuir eu quero que a minha rede gera um eu quero de alguma forma ensinar essa essa rede a gerar o valor que eu quero né que é um nesse caso e como que a gente faz isso a gente faz isso treinando modelo aí dentro e tiver que a gente vai encontrar peso nessa rede Neural né esses valores w né que são surpresa muito obrigado até atingir o menor que que atinge o menor curso que o valor que você

predisse seja e do valor real mesmo daquele daquela questão presente que você quer classificar um texto do teleférico que ele usou não você quer que o seu valor que você precisa seja assim se for fake lindo eu quero que fale não quer ser aqui mesmo se não for eu quero pedir que preserva e como que a gente faz a gente Faz essa parte de um algoritmo chamado gradiente descendente e essa algoritmo que ele faz é dado que é que você tem o valor que você quer e o valor já ficou só ele você vai minimizar

isso de alguma forma e é cada ponto do seu data set nós irmos lá você vai fazer isso para cada ponto e aqui é só uma ideia intuitiva que essa curva pensa nela como que essa curva fosse a sua função curtir o que você quer você quer chegar aqui nesse nesse mínimo local e esse menino local Significa o menor curso que é a previsão a sua predição ser parecida com o que você quer então você pensa que se eu gosto vai aprender a descer essa como chegar no local fazendo isso a sua rede vai aprender

oi hoje existe várias bibliotecas fazem promoção automaticamente né você pode programar essas redes para presente criar o seu classificador para detectar a presença de ser você eu sou seu irmão você pode brincar com essas coisas aqui Alguns exemplos de regionais é que são muito comuns nessa hora uma é a padrão que a gente viu aí que são residências a outra são redes convolucionais só rezo muito usadas para visão computacional e redes recorrentes são rede muito usadas para mlp certo e agora eu dei uma visão geral do detran e agora quero falar um pouco do que

que o possamos linguagem natural que a gente entender como que essas tecnologias se aplicam e como que vocês usam isso no dia a dia e vocês vão Ficar surpresos que o poder de computação que tem o celular de vocês ao computador de vocês que têm que são capazes de fazer com esse modelo certo então o que que é passar mais de linguagem natural ele é uma área de estudo que envolve ciência da computação inteligência artificial e linguística você é inteligência social esse é um ramo que igual a tecnologia da informação ciência da computação e linguística

é um ramo que a ideia é Entender linguagens tá certo então você quer entender uma linguagem é como que as palavras correlacionadas excelente o objetivo desse campo quer fazer os computadores entender a linguagem natural o que que você importante porque você quer fazer o condado responda a perguntas de sugestões por exemplo o chatbot você quer conversar computador você quer conversar com a siri lá e ela te falar qual é o tempo hoje é você quer saber se determinada a informação Confiável não por exemplo o netflix usa é isso para detecção de sentimentos então quando as

pessoas comentam nos filmes netflix netflix quer saber se aquele filme tá sendo bem falado ou não então você tem algoritmos de processamento de gás natural que eles dizem ok as pessoas estão falando bem as pessoas estão falando mal e não só que entender e representar a linguagem é bem complicado é uma palavra e os olhos ficam problema e acontece que a gente Diz que é tão difícil é com a aprender mais ou menos como ser humano é uma definição formal mas assim eu quero dizer que é bem difícil aprender isso e por que que ele

gente vai falar um pouquinho pouquinho então só para dar um exemplo da comunicação com os computadores tá certo então lá na década de 50 e 70 você tinha os computadores e como é que você se comunicavam com eles ninguém é para realmente ninguém aí é dessa época a sei lá talvez alguém que Você programar um computador usando ele parece ter furado você fazia o seu algoritmo é dessa forma anos 80 90 na nós fazemos isso programando né é nossas ideias digitando e um futuro próximo e mesmo hoje muitas aplicações você vai falar computador você fala

com ele que você quer ele vai é fazer o que você quer inclusive nessa área que eu trabalho já existem trabalhos que eles conversem linguagem na própria você falando você fala assim eu quero que Você construa um só para calcular do ir de 0 e essa equação matemática aqui por exemplo e ele consegue você falando ele consegue escrever o código para você isso ainda é um pouco primitivo já tem resultados muito a impressionar e a microsoft é líder nessa área na área de pesquisa dele é para gerar código a partir de linguagem então essa comunicação

com os computadores ela é bem importante E aí agora eu vou do as aplicações ali pelo menos vocês conhecem por exemplo correção ortográfica quando vocês vão corrigir a palavras por exemplo sugerir a próxima palavra no google quando você digita alguma coisa no google geralmente ele dá alguma sugestão da isso é um modelo de processamento de linguagem natural eu já estão de busca por exemplo no seu celular quando você tá digitando aí no android em qualquer a na época em qualquer por ele ele vai sugerir Palavras para você isso é o modelo de passagem de guarda

troço chamado a língua de modele a gente vai falar um pouquinho dele que ele te prende-se com as suas palavras próximas ele é aprendi com você quando você não está na palavra que você quer você faz um modelo aprender não sei se você já viu que ele te dar sugestão e você pode me chamar para lá e ele vai começar aprender de você e sugeria você por exemplo não sei se você já viu também no gmail agora Quando você como é que você escreveu e-mail já começa a completar um e-mail para você é outro exemplo

de aplicação de processamento de linguagem natural outra zebra quando você precisa alguma coisa no google ele já te dá categorias relacionadas aquela aquela a pesquisa sua bom então isso tudo é essa extração de informações de como disfunção eles são das aplicações praticamente iguais natural baseada sede plano baseadas Nessas redes neurais e outras aplicações por exemplo anúncios em páginas quando você comenta sobre algum assunto no whatsapp por exemplo do whatsapp e no facebook whatsapp do facebook instagram no facebook então quando você conversa com alguém no face no facebook ou instagram whatsapp vai começar aparecer anúncio daquilo

que você começou porque isso é uma aplicação de processamento de linguagem natural você começa a falar de bolo você começa a falar que ia comprar Um tênis vai começa aparecer tênis para você entendeu e o que que é isso aplicações porque ele vai entender a palavra de você vai entender o que acontece ali e vai te sugerir por exemplo alguns anúncios principalmente você entra em algum site também é que tem aqueles anunciou clica no anúncio existe todos os algoritmos que eles entendem esse comportamento baseados em linguagem eles sugerem coisas pelos e como nós falando fake

news essas Empresas têm gastado o dinheiro muito grande nosso laboratório aqui na alemanha existem pessoas trabalhando nessa área de fake news porque é uma área que ela assusta muito as empresas porque é uma fake news ela pode é acabar com a reputação de uma empresa ela pode acabar com a reputação de uma pessoa e das empresas estão muito preocupadas é com essa questão por exemplo tem uma empresa muito grande farmacêutica alemã chamada mulher essa empresa está Localizado aqui na nossa cidade e eles fazem medicamento para o mundo inteiro e filha são a empresa de ponta

na área farmacêutica eles têm eu conversei com as pessoas lá que a gente tem alguns processos para a gente parceria eles estão preocupados com aplicações para tentar evitar fake news porque as pessoas começam a falar presente vacinas é não sorte caso o remédio vão frente de casa isso não é verdade então é isso é um exemplo por exemplo o facebook Twitter também tem gastado o dinheiro muito dinheiro e tentar detectar a sua presença não sei se vocês vir essa semana que o twitter tá ganhou e o twitter do trampo falando que que era uma fake

news e rolou um rebuliço nos estados unidos porque eu quero falar algumas coisas que não era muito verdade eu então isso é importante para trazer informação de qualidade para as pessoas né e ele tem várias vezes por exemplo sistemas de diálogo check box né Responder questões complexas como a síria e alexa google assistente reconhecimento de fala anel de sentimento para o mercado financeiro para empresas financeiras elas têm algoritmos que elas avaliam as notícias do dia e elas a usar essas notícias para saber se o sentimento do dia se tá acontecendo alguma coisa no dinheiro não

para comprar ou vender ações presa entendeu só se um dia tá se falando muito e notícia ruim e ela terminado Ponto você lavar que tá falando muita coisa ruim sobre o petróleo das empresas vão ficar apenas e não vou comprar por exemplo é muitas ações petrorio esperar cainf é empresas investem muito bonitinha muito mais muito mais aplicações daqui é eu vou falar porque que ele pede fiz para mandar se você se não problema fácil de se resolver é que é o seguinte primeiro que existe muita complexidade como que você representa e aprende e uso conhecimento

De mula tá certo para gente a gente desde de de novo a gente é recebe muita informação e a partir da visão da nossa sensores né e como que a gente quer fazer o mesmo para o computador mesma coisa trivial principalmente porque a linguagem ambígua a senhora mandou um exemplo pra vocês bem interessante brasil eu falo amélia correu e abraçou sua amiga clara depois ela voltou seu carro em moscou sua bolsa o que que é ela depois ela voltou seu Carro e buscou sua coisa pode ser amélia pode ser claro não tá bem desse não

é claro até para gente difícil a gente tem que perguntar pessoa quem é isso você imagina para o computador entender então antigamente sem conhecimento de fora não era muito bom hoje avançou muito é então identificar a estrutura significado da palavras dos textos das conversas é uma coisa difícil a gente está acostumado que a gente tá aprendendo isso desde criança mas uma coisa é muito fácil eu Vou dar outro exemplo você vai falar com a siri no seu celular obá google assistente eu qualquer um desses olá siri qual o melhor horário para eu ir fazer compras

no shopping do vale então pra ela responde essa pergunta para você se eu te perguntar talvez para você é super simples mas pensa um pouco no teu computador preciso de fazer para responder à pergunta dessa primeira tem que saber melhorar o que que é melhor horário quando que começa vai estar Aberto quanto que vai ter menos pessoas lá o google requer as estatísticas de mostrar a quantidade de pessoas do comércio ele tem que ter essa informação ele tem que entender que ia fazer compra essa música o shopping para comer alguma coisa na página que você

tem que fazer com que ele vai ter que procurar informações de empresas e lojas que vendem produtos e não que vendem comida por exemplo ir no shopping não vale tem que entender que São local em ipatinga você tá falando de partilha vai usar sua joia localização próximo ao shopping de ipatinga mas se você tiver trazer para outro lugar em outra cidade que tem um shopping igual ele vai procurar aquilo então não é uma coisa trivial de responder é a motivação de por quê que isso é difícil e aqui eu vou dar agora dois exemplos de

algoritmos iniciais departamento de guarda pros só para dar uma intuição para você de como que ele expulsou hoje Eles são mais complexos mas eu vou dar uma intuição mais básica aqui para entender então a primeira coisa que a gente tem que fazer aqui tem que entender que o computador não entendi palavra computador como vocês da computação sabe ele entende número bit 0 e uns correto então como que você representa palavras uma forma primitiva de apresentar palavras aparecendo obtém três palavras hotel conferência e caminhar Se você representa elas como um vetor de zeros e uns e

aí cada porção desse vetor ele referência uma palavra então você tem que fazer com um aqui para referenciar a palavra hotel se você tem um aqui vai referenciar a palavra conferência e por aí vai e você tem um problema o problema é que se tiver palavras muito parecidas vamos ver motel e hotel são palavras que elas tem uma semântica aparecida elas elas têm senhor idade só que se você pode recusar uma Operação ele se você fez circuitos lógicos você vai ver que a operação que vai dar zero porque o 10 aqui é zero esse tipo

de forma só não é muito bom para o computador porque você nunca pura o relacionamento é de palavras e aí entra uma coisa que é um trabalho bem interessante na limpei que é uma ideia de maior sucesso de processamento de linguagem natural e de plano que é que as palavras você queria representações distribuídas de uma palavra o que que é Isso eu vou explicar aqui é o significado da palavra é dado pelas palavras que aparecem próximas a ela ah e por quê que já tem pouca que eu gosto de um exemplo só falar assim ao

banco é legal você tá maluco que banco você tem dá um contexto falar o banco do brasil vai fechar às dezoito horas com esse contexto você sabe que a palavra bancos em uma instituição financeira agora é só falar ao banco da praça está vazio você vai entender que o banco Então é o outro outro significado que é o um objeto na praça então contexto ali posta não é para representação da palavra e capturar as informações importantes para o computador poder fazer os algoritmos funcionário na vida real e aí o que acontece no fim das contas

você esses algoritmos aprendem representações fala que nós falamos de ouro em breve ou vetores de palavras são vetores dentro então por exemplo a palavra banco ela vai ter o vetor que Representa ela com números reais eles são vetor que representa essa palavra e walking dead's eles são a base para deep lane lp o seu e ele é cheio de woodbridge vetores de palavra cheio para te dar a próxima palavra para predizer a próxima palavra quando você vai escrever um e-mail no gmail eles todos esses aplicativos usam vetores de palavras pra te trazer o resultado que

você quer ir para completar sua frase filho e o que que São os vetores de palavra eles são pontos no espaço vetorial né espaço você pensa aqui como você tem esses números que eles te dão uma corda nada no espaço e a ideia que é uma coisa que eu acho impressionante é que palavras que têm contextos similares elas devem ter vetores que são similares no espaço deve estar próximas então esse vetor ele captura meu com conhecimento de mundo onde palavras parecidas de vão ficar juntas existe toda uma hierarquia de Relacionamento que surge nesse nesse espaço

que captura esse conhecimento de alguma forma não é claro não é trivial é explicar isso mas a intuição é essa que você aprende esse modelo eles aprendem isso ajuda e classificar alguma coisa para resolver problema na vida real então como que é como que é isso eu vou dar aqui só uma breve ideia que é a gente pode usar por exemplo freio chamado ortoback é muito famoso é de um trabalho hoje as pessoas Estão no google de 2013 é um trabalho seminal na área onde a ideia é deles é que você gostaria de predizer as

próximas palavras baseado é em cada palavra então quê que ainda é só que eu dar um exemplo simples aqui a deus seguinte dão que você tem a palavra banco e você tem os parâmetros do modelo não sei que é para dizer quais são as palavras que estão próximas do banco e a ideia que você então dado isso você quer aprender isso só probabilidade qualquer Umidade aparecer banco aqui nessa sentença se eu tenho essas palavras aqui próximas dela se você fizer isso usando todos os livros do mundo zona wiquipedia usando várias informações você tem um modelo

poderosíssimo que ele vai conseguir entender de alguma forma todo o significado as relações de palavras ali é presente nesses dados europeu extrapolando um pouco aqui mas a ideia para entender significa esse modelo permite você Aprender essas coisas maximizando essa probabilidade me aprendendo isso e aí você aprende com o modelo aprendi coisas que são impressionantes por exemplo palavra significa a mesma coisa mas tem eh tempos verbais diferente elas ficam próximas a gente passa lá por exemplo relações como o homem então isso aqui é o vetor de um homem é o vetor da palavra homem tá aqui

o vetor da palavra mulher tá aqui até existe uma relação entre os dois que é a mesma relação que existe Entre o vetor da palavra rei e o vetor da palavra rainha ou seja o modelo ele consegue diferenciar essas coisas e dizer que rei é parecido com um homem de alguma forma e rainha parecido com mulher para gente tu faz sentido mas quando isso faz sentido para o computador é muito interessante oi e aí vou dar só mais um exemplo aqui antes de finalizar essa questão de processamento de guarda troque é o exemplo que vocês

usam é que vocês usam Implicitamente que é o modelo de linguagem chamado language modele que a ideia dele é para dizer qual palavra vem depois então vamos consertar uma frase assim os estudantes abriram o seu você vai chutar o que você vai botar o seu livro né o seu laptop o exame então a ideia desse desse desse desse modelo que é dado uma sequência de palavras x 1 x 2 xt que são as palavras eu gostaria de predizer qual que é a próxima palavra isso que eu gostaria de poder dizer Então por exemplo só falo

com você sim o barco está tá navegando para falar assim no quarto você não vai falar no quarto a probabilidade de você falar quarta é muito baixa você sabe que o barco ele tá no rio ou ele tá no mar entendeu então esse tipo de informação para mim que é trivial mas passar isso computador muitas vezes não é depois a gente quer computador aprender tipo de informação bom e você usa estou no dia quando você Usa esse modelo você usa isso com essa pesquisa no google você usa isso quando está digitando alguma coisa no whatsapp

você usa esses modelos de linguagem mais baseado ele pulando tá certo bom dia que eu vou dar um exemplo de um modelo de redes neurais para lembro de modo a ideia é que você tem para cada frase para quando a palavra que você tem aqui você quer dizer que é para dizer a próxima palavra você vai transformar isso em breve né o retorno dessas Palavras você vai ter uma rede neural onde você tem uns parando aqui pesos aqui que você vai aprender de alguma forma como nós vimos e você vai gerar uma distribuição de probabilidade

que que é uma distribuição de probabilidade de dois meses a falar quais palavras são mais prováveis de ser geradas da água que você tem essa sentença então você faz esse modelo você tem esse modelo várias vezes é com muitos dados e você consegue capturar essa informação só que Vocês perceberam que esse modelo ele tem um problema que ele só consegue capturar aqui quatro palavras ao mesmo tempo se você tivesse em crianças maiores ou menores exposta programático existe um modelo chamado redes neurais recorrência ela é tipo um loop no seu problema a id do seu algoritmo

aí da tecnologia da informação ou seja ele usa um mesmo vetor e faz um loop e você pode ter umas a coisa está muito definido baseada nesse look e você também aprende uma Representação das palavras tá certo então eu dei dois exemplos aqui a dê exemplos de modelos para processamento de linguagem natural que eles são bases para todos esses modelos que você veja tem detectar fake news de orçamento automático tradução automática e aqui eu quero falar de um trabalho também que ele é o estado-da-arte hoje só se fala nisso é um trabalho proposto pelo google

em 2017 e ativar os colaboradores mas tem muito trabalho do google envolvido Eles propuseram um trabalho se vocês entraram nessa área quiser conhecer mais resolvi falar amargo transforma e essa marca te tura de rede não vai se ela domina hoje a nossa área de pensamento de voz natural ela foi proposta em 2017 e ela é o estado da arte ou seja melhor que te tura para vários problemas inclusive o google e produziu essa arquitetura no sistema de busca deles com aumento de na casa de 10 porcento de melhoria E o retorno de pesquisa usuário porque

ele consegue entender o que o usuário está pesquisando tudo então dez porcento que o google você pode achar que é pouco mas é muito dinheiro é muita coisa e eles aplicaram esse modelo nas buscas do google e tiveram o seu retorno eu não vou entrar um detalhe que eu mando bem completo mas a ideia é que você pensa modelos grandes com várias camadas cada uma desse negócio é uma camada e ele captura coisas impressionantes né sobre A informações de palavras e aqui eu também gostaria de explicar um pouquinho né gente já tá terminando aqui no

curso de treinamento para fazer ele se você for trabalhar com problemas menores você consegue fazer um treinamento usando seu laptop mas quando você começa a trabalhar com esse modelos muito grandes você tem um problema que você não consegue usar seu computador normal para treinar isso você vai ter que usar computadores muito grande eu só você Pegar o modelo mais simples como esse modelo aqui o lms é o modelo que você vai precisar de uma gpu tem uma dessa essa é a depressão muito paralelo mas apesar dela rodar o dia inteiro quando você entra nesse modelo

se você quiser usar esse modelos que são usados hoje né para problemas mais difíceis você vai ter que usar uma placa dessa por 240 dias para treinar um modelo desse a operar que essa startup dela manda ela usa isso para fazer esses modelos que Sai na notícias aí se você quiser usar o modelo que é o canadá chamado banco e só modelo muito famoso na área de personalidade natural apesar de 320 aqui em 60 dias treinando modelo então o que o que essas empresas fazer é usar várias dessas placas usar sem placas 200 placas 20

placas 30 placas para treinar isso meu deus e vocês podem usar essas placas de braços por exemplo de ser percebida no google google de plano e piu vai ter um link lá que você é o google oferece Cursos gratuitos de do ano e você pode usar a infraestrutura deles é para brincar um pouquinho se você quiser que a sua empresa uso a trabalhar com outras coisas você pode comprar tempo de tpu deles né para trabalhar que eu tenho dele si só já pelos é normais mas não quer dizer que o seu modelo vai demorar 320

dias para treinar esse aqui eu tô falando de modelos muito grande de estado baixo do google as vezes que o seu problema Modelo menor é resolva o seu problema tá certo e aqui eu quero também fazer essa comparação entre o sucesso e o curso deep lane vocês verem esse gráfico aqui esse gráfico no eixo x no eixo y otras a qualidade da tradução do google translate e aqui no eixo x você traz os pares de linguagem e o que ele mostra aqui que é bem impressionante é que os modelos neurais que são modelos verniz ele

estou chegando na qualidade de performance de pelo todos humanos ou Seja pessoas são bilíngues ouçam a intérpretes o google translate algumas linguagens para do inglês para o espanhol ele já tá chegando ao nível de pessoas romanos o livro de perfeição ainda não que nem as pessoas que são bem vindos ela tem o número de perfeição 100% a linguagem mais a nível de bilíngue esse modelo estão ficando muito bom então isso é impressionante e daqui um tempo talvez você talvez você não Precisa mais de 1 até posso usar essas vezes no horário esses modelos para conversar

com uma pessoa ao vivo usando um tradutor que traduz na hora no seu ouvido entendeu o outro lado existe um custo computacional muito grande onde aqui você tem a quantidade de dias que você gasta para treinar modelo e aqui onde tem os anos 2013 você precisava de menos tempo e a partir do homem 2014 vai subir você precisa de mais poder de processamento para entrar nesse modelo Então você tem um custo computacional maior como resolver isso pesquisa nas universidades e nas empresas tentam diminuir esse curso computacional como você sabe muito caro né tem esse servidor

de ter toda essa estrutura tá certo agora eu gostaria de dar uma olhada o final e algumas dicas para vocês como é que são da computação eu já tive aí no lugar e quando eu comecei a fazer meu corpo e é bem interessante eu gostaria de Compartilhar algumas coisas que eu aprendi durante essa caminhada espero que possa ser outro para você se vocês tiverem interesse nessa área também algumas dicas certo a primeira dica como vocês estão na faculdade vocês provavelmente sabem é sempre estudar né a gente tem que estudar cara principalmente vocês colheram computação informática

tecnologia da informação tecnologia que você escolheu tecnologia meu amigo tem que estudar porque daqui a Dois anos esses modelos que eu tô falando não tem dois anos que aparecer daqui a um ano já tem outro modelo e as coisas estão avançando muito rápido e você sabe disso negócio muito que trabalham têm essa noção de como que que as linguagens evoluem como que então é importante é estudar em uma base importante para perder plano é você saber um pouco de álgebra linear probidade prática se você quer entender mesmo os modelos se você quer só Aplicá-lo fazer

você que é só clicar os não precisa tanto mas se você quiser o funcionário né para dar uma costura para entender né é o que esse modelo estão fazendo que muita gente trabalha demais às vezes não entendi muito bem o que mudou tá fazendo eu recomendo vocês a estudar é essas peças essas matérias e e não fiz expert nelas mas não entender bem os fundamentos é muito importante programação desinstalar vocês estão na computação né na tecnologia da Informação né tem que saber programar ela é o que se espera hoje do profissional que importante tudinho é

saiba inglês e foi abre muitas portas mas não é clichê não é de fato para vocês terem ideia eu tenho que traduzir esse material todo que eu tô passando para vocês aqui isso dá um trabalho muito grande e eu digo vocês o medo que 95% esse material nessa área de plano camarão nova tá em inglês entendeu então é vão ter pessoas que vão traduzir vão Ter curso produzir vão mas ele vai tratar seis meses atrasado bom então é importante e principalmente é como eu tô fazendo aqui nessa fazer meu doutorado aqui eu já fiz intercâmbio

eu te dei um tempo durante minha graduação na espanha aí umas dicas que eu queria dar que a nossa área é uma área internacional então o que você faz aí na sua empresa você tá trabalhando é a mesma coisa que um cara fala aqui na alemanha porque outro cara faz nos Estados unidos por exemplo áreas como direito e medicina não são eles são muito específicos entendeu a medida é muito específica para um país do direito é muito específico nas leis do país a gente como profissionais tecnologia gente tem essa eu diria talvez a um privilégio

ou sei lá que o que a gente faz a gente pode fazer em vários lugares então se você tem essa não gostaria de ter uma carreira profissional internacional trabalhar com times Internacionais e saber inglês é importante tá certo e tem oportunidade isso é fato se você sabe inglês é formado os sabe depois de informação é e é uma boa né sem dúvida aqui alguns cursos online realmente você já sabe mas o de me espera tem múltiplos bom inclusive nessa área cursos muito bons de martin lane de plano tudo que você queira se você quer aprender

um pouco de argila linear esses cursos e de uma maneira muito didática professores são Muito bons e uma coisa importante é sai da python python a linguagem da castanha linguagem de tuane a precisar de máquina é uma linguagem está em todo lugar e filho você pode programar em outras linguagens já vai thp mudar para o pai que eu não acho que é muito difícil e tem essas bibliotecas chamadas paytoshi tensorflow esse é o melhor pecas usadas para desenvolver redes neurais o tensão from do a teka do google tá vamos subir muito bem atenção fogo talvez

eu consigo Até o estágio lá na google enfim o google investe muito pesado nisso mas o mais importante na minha visão né sabe pai tu não sabe quanto mais importante da minha visão é você saber programar que sabe se você problema em qualquer linguagem vai gastar um tempo aprender mais problema em qualquer linguagem e resolver problemas porque hoje o que as empresas querem resolver problema ela vai te dar um problema você tem que Resolver entendeu isso é importante é ter um pensamento crítico você entendeu o problema você é tentar proporção do sol é isso que

as empresas que você contratar um três e quais habilidades que eu vou passar aqui bem rápido isso aqui é só para dar uma verde e o depois habilidade necessária se você quiser trabalhar com inteligência artificial passear você quiser ser por essa com cientista de dados tá certo você tem que conhecer um pouco do negócio vamos Porque você quer trabalhar como site de dados na justiça então cento e conhecer um pouco de processo porque porque para você aplicar imprensa oficial por exemplo para catalogar processos judiciais você tem que entender um pouco do processo você tem que

entender um pouco de matemática porque você tem que propor lá os modelos e um pouco de maxilar se você quiser ser um engenheiro imaginando você liga para ele que você tem que saber de mach lane você quer Saber como programa algoritmos você tem que saber um pouco de matemática aí também se você quiser ser um e nem sabe um pouco como fazer pesquisa de estar um pouco a área de matemática um pouco mach lane como programar se você quiser ser um engenheiro de software mach lane você tem que saber de janeiro só né como montar

um forte tem que saber codificar você que sabe mas sei lá se você ou na lista de dados você tem que saber do negócio trabalhando Acho que você quer aplicar esse para agronomia para predizer quando vai ter chuva ou quando é melhor para plantar se ela soja no mato grosso quer desenvolver modelos para isso depressão então você tem que conhecer do negócio e conhecer da passagem da passagem agregar essas informações usar os dados né para gerar informações que possam ajudar um negócio aí você pode também sem dinheiro de soft da onde você é sabe de

ar e tu só sabe codificar e você vai trabalhar dando Suporte lá né devolvendo algoritmos que estão ligados a uma chegar e então é só um pouco das visões e eu queria dar só umas conclusões aqui é para vocês que inteligente oficial uma hora que está se tornando cada vez mais importante que a sociedade eu acho que vocês conseguem ver isso e quando vocês usam aí o instagram na hora que aparece os bichinhos na cabeça lá né os filtros aquilo em 3d se altura na hora que vocês vem os anúncios das coisas que vocês Estão

procurando então conversando né tá cada vez mais presente tá certo é a tendência na área de computação uma tendência forte entendeu é é como ter um bom né daquela época de web 2.0 2 mil né da internet agora tá começando o bumbum dessa série prejudicial então tem muita coisa por aí que eu penso que as pessoas falam que inteligente ela só porque é bonito mas às vezes não tem nada a ver com o cliente trazendo o cara quer te vender lá anotem inteligente no chão mas É melhor porque tá vamos ver na moda mas é

de fato uma área que está crescendo muito e com grandes poderes vêm grandes responsabilidades a passar economy the intelligence ao de plano é uma coisa que realmente está vindo e é muito impactante por exemplo eu trabalhei na justiça né não eu sou analista de especialista que hoje informação notícia federal e a justiça começamos também a trabalhar com isso e por exemplo a justiça dos estados unidos Algumas coisas ela já utilizam aqueles especial é para ajudar o juiz por exemplo quando o juiz vai julgar o caso de um cara de um preso ele usa um aquele

gente pixar um algoritmo baseado em empresa de máquina de plano que ele vai dar alguns escócia o juiz falando vocês cara tem chance de cometer o assalto ou não baseado no comportamento dele baseado na infância dele mas é levar as coisas e o que se descobriu alguns alguns algoritmos mais pra frente é que Esses alguns estudos é que esses algoritmos eles estavam dando escorre muito alto falando para que negros cometiam mais crimes coisa que não é verdade porque porque esses modelos fizeram dados a frase por humano que existe ninguém exatamente nesses dados para decidir essas

informações então é confiar cegamente nesses algoritmos um problema porque os algoritmos acreditados e tem que ter os dados humanos então o impacto De você aplicar essas aplicações na indústria você tem que entender um pouco nisso outro impacto social muito grande é quem vai tirar emprego de pessoas isso é fato né o quando que a gente não sabe mas vai por exemplo mandou exemplo bem simples eu não sei se você sabe mas a maior a maior o maior é o emprego né maior profissão que emprega nos estados unidos que é que vocês acham que é é

a pessoa que mais emprego nos estados unidos sabe o que é é motorista de Caminhão ah entendeu se de fato eu sou bonito não ficarem tão bom se tiver que já existem em casa consegue dirigir com certas restrições você aplicar esse caminhão de isso conseguem dirigir isso vai tirar emprego de muita gente viu que o que nós vamos fazer e realmente uma infecção é computação isso vai para a sociologia mas é importante entender com o impacto disso na sociedade entendeu e dessas já existem empresa aqui na alemanha estados Unidos que elas têm robôs para ficar

limpando e catalogando as prateleiras entendeu precisa de mais gente para ficar vendo tem produtos que não têm e para limpar enfim são coisas que tira emprego né e aí é só com comer aqui que eu acredito que pessoas com bom raciocínio lógico e aptas a resolver problemas complexos elas é chamam a atenção das empresas principalmente porque cada vez mais os problemas mais complexos nas empresas época forma Simples já a gente vai resolver não é natural a humanidade evolui bom e os problemas mais simples geralmente as empresas estão usando modelos e posta resolver certo então eu

acho que o valor da gente não é como se diz a contração como pessoas tecnologia da informação como programadores como engenheiros de software é resolver esse problemas que são cada vez mais complexo através do shopping tá certo aqui só algumas referências dos slides né alguns Cursos se vocês quiserem fazer também e enfim já deu alguma referência também eu queria agradecer a oportunidade espero que essa palestra tinha trazendo um pouco de algumas coisas interessantes para você esse é o meu site que tem a informação sobre as pesquisas não falei muito sobre minhas pesquisas aqui porque é

um outro foco eu queria trazer mais uma motivação para vocês muito obrigado