Onde Data Science e Frontend se encontram
Transferir como PPTX, PDF0 gostou220 visualizações
O documento discute a importância do frontend e da experiência do usuário (UX) para a análise de dados. O frontend é fundamental para coletar dados de alta qualidade através da interação do usuário, o que é essencial para o desenvolvimento de tecnologias de inteligência artificial. Melhorias na UX podem aumentar o engajamento dos usuários e a qualidade dos dados coletados.
Onde Data Science e Frontend se encontram
- 1. Renzo Ziegler Data Scientist andTechnical Leader BTT Corp A importância do Frontend e da UX para a Análise de Dados
- 2. Engenheiro eletrônico e de computação Trabalho há 12 anos com captura e análise de dados Hoje trabalho na BTT Corp Buscando padrões em sinais de temperatura cerebral Cruzando com dados de doenças e condições clínicas desfavoráveis
- 3. The Sexiest Job of the 21st century (By Harvard Business review) Combina Estatística e Matemática Computação Conhecimentos da área Formas criativas para captura e armazenamento de dados Resolução de problemas Olhar diferente para os dados Buscar padrões Extrair insights Obter informações https://www.simplilearn.com/data-science-vs-big-data-vs-data-analytics-article
- 5. Define o problema Obtém dados necessários Processa os dados Explora os dados Realiza uma análise profunda Machine Learning, Modelos estatísticos, algoritmos Comunica os resultados da análise https://medium.springboard.com/the-data-science-process-the-complete-laymans-guide-to-what-a-data-scientist-actually-does-ca3e166b7c67
- 6. É a replicação da inteligência humana em computadores E o que é inteligência? É a habilidade de perceber seu ambiente e tomar atitudes que maximizam suas chances de sucesso em atingir um objetivo
- 7. Google gastou 35% do tempo de seu keynote neste ano de 2017 falando sobre produtos e iniciativas em AI (Google I/O 2017) Importância crescente na estratégia de produtos 79% das empresas coletam informações de tráfego de Internet obsessivamente, porém apenas 30% delas alteram seus sites como resultados de análises (by Jeffrey Eisenberg)
- 8. Área da Inteligência artificial onde algoritmos fazem o computador aprender sem ser codificado explicitamente Habilidade de uma máquina em aprender usando grandes quantidades de dados ao invés de regras hard-coded Faz com que programas de computadores mudem quando expostos a novos dados https://medium.com/@mindfiresolutions.usa/the-effect-of-machine-learning-on-web-application-development-c88a9e5f9553
- 9. Quero comprar um apto, qual escolher? 2 quartos, sendo 1 suíte e 1 vaga de garagem R$ 287.000,00 Vila Prudente (55 m2) R$ 729.000,00 Pinheiros (71 m2) R$ 600.000,00 BelaVista (51 m2)
- 10. Aptos naVila Mariana 120m2 -> R$ 1.062.598,00
- 11. Aptos naVila Mariana 120m2 -> R$ 873.227,40
- 12. Aptos naVila Mariana 70m2 -> R$ 390k 70m2 -> R$ 980k
- 13. Aptos naVila Mariana – 70m2 R$ 390.000,00 com 2 quartos R$ 980.000,00 com 2 quartos, sendo 1 suíte, e duas vagas de garagem Machine Learning ajuda a criar um modelo preditivo, que nem sempre é visível, usando todos os dados possíveis
- 14. Preço Dormitórios Banheiros Área Construída Área Total No Andares Estado de Manutenção Nota Área Superior Área Porão Ano de Construção Ano da Última Reforma CEP Latitude Longitude Área habitável 221,900.00$ 3 1 1,180 5,650 1 3 7 1,180 - 1,955 - 98,178 47.51 (122.26) 1,340 538,000.00$ 3 2 2,570 7,242 2 3 7 2,170 400 1,951 1,991 98,125 47.72 (122.32) 1,690 180,000.00$ 2 1 770 10,000 1 3 6 770 - 1,933 - 98,028 47.74 (122.23) 2,720 604,000.00$ 4 3 1,960 5,000 1 5 7 1,050 910 1,965 - 98,136 47.52 (122.39) 1,360 510,000.00$ 3 2 1,680 8,080 1 3 8 1,680 - 1,987 - 98,074 47.62 (122.05) 1,800 1,225,000.00$ 4 5 5,420 101,930 1 3 11 3,890 1,530 2,001 - 98,053 47.66 (122.01) 4,760 257,500.00$ 3 2 1,715 6,819 2 3 7 1,715 - 1,995 - 98,003 47.31 (122.33) 2,238 291,850.00$ 3 2 1,060 9,711 1 3 7 1,060 - 1,963 - 98,198 47.41 (122.32) 1,650 229,500.00$ 3 1 1,780 7,470 1 3 7 1,050 730 1,960 - 98,146 47.51 (122.34) 1,780 323,000.00$ 3 3 1,890 6,560 2 3 7 1,890 - 2,003 - 98,038 47.37 (122.03) 2,390 662,500.00$ 3 3 3,560 9,796 1 3 8 1,860 1,700 1,965 - 98,007 47.60 (122.15) 2,210 468,000.00$ 2 1 1,160 6,000 4 7 860 300 1,942 - 98,115 47.69 (122.29) 1,330 310,000.00$ 3 1 1,430 19,901 2 4 7 1,430 - 1,927 - 98,028 47.76 (122.23) 1,780 400,000.00$ 3 2 1,370 9,680 1 4 7 1,370 - 1,977 - 98,074 47.61 (122.05) 1,370 530,000.00$ 5 2 1,810 4,850 2 3 7 1,810 - 1,900 - 98,107 47.67 (122.39) 1,360 650,000.00$ 4 3 2,950 5,000 2 3 9 1,980 970 1,979 - 98,126 47.57 (122.38) 2,140 395,000.00$ 3 2 1,890 14,040 2 3 7 1,890 - 1,994 - 98,019 47.73 (121.96) 1,890 485,000.00$ 4 1 1,600 4,300 2 4 7 1,600 - 1,916 - 98,103 47.66 (122.34) 1,610 189,000.00$ 2 1 1,200 9,850 1 4 7 1,200 - 1,921 - 98,002 47.31 (122.21) 1,060 230,000.00$ 3 1 1,250 9,774 1 4 7 1,250 - 1,969 - 98,003 47.33 (122.31) 1,280 385,000.00$ 4 2 1,620 4,980 1 4 7 860 760 1,947 - 98,133 47.70 (122.34) 1,400 2,000,000.00$ 3 3 3,050 44,867 1 3 9 2,330 720 1,968 - 98,040 47.53 (122.23) 4,110 285,000.00$ 5 3 2,270 6,300 2 3 8 2,270 - 1,995 - 98,092 47.33 (122.17) 2,240 252,700.00$ 2 2 1,070 9,643 1 3 7 1,070 - 1,985 - 98,030 47.35 (122.17) 1,220 329,000.00$ 3 2 2,450 6,500 2 4 8 2,450 - 1,985 - 98,030 47.37 (122.17) 2,200 233,000.00$ 3 2 1,710 4,697 2 5 6 1,710 - 1,941 - 98,002 47.30 (122.22) 1,030 937,000.00$ 3 2 2,450 2,691 2 3 8 1,750 700 1,915 - 98,119 47.64 (122.36) 1,760 667,000.00$ 3 1 1,400 1,581 2 5 8 1,400 - 1,909 - 98,112 47.62 (122.31) 1,860 438,000.00$ 3 2 1,520 6,380 1 3 7 790 730 1,948 - 98,115 47.70 (122.30) 1,520 719,000.00$ 4 3 2,570 7,173 2 3 8 2,570 - 2,005 - 98,052 47.71 (122.11) 2,630 580,500.00$ 3 3 2,320 3,980 2 3 8 2,320 - 2,003 - 98,027 47.54 (122.07) 2,580 280,000.00$ 2 2 1,190 1,265 3 3 7 1,190 - 2,005 - 98,133 47.73 (122.36) 1,390 687,500.00$ 4 2 2,330 5,000 2 4 7 1,510 820 1,929 - 98,117 47.68 (122.37) 1,460 535,000.00$ 3 1 1,090 3,000 2 4 8 1,090 - 1,929 - 98,117 47.69 (122.38) 1,570 322,500.00$ 4 3 2,060 6,659 1 3 7 1,280 780 1,981 - 98,058 47.43 (122.16) 2,020 696,000.00$ 3 3 2,300 3,060 2 3 8 1,510 790 1,930 2,002 98,115 47.68 (122.31) 1,590 15 características e 21.000 exemplos
- 15. Humanos são seres intuitivos Mas a intuição humana é imperfeita Humanos buscam padrões baseados em seu conhecimento prévio Julgamentos e escolhas baseados em ideias pré-concebidas Que desviam substancialmente de modelos estatísticos (Daniel Kahneman - Thinking, Fast and Slow) Steve é muito tímido e reservado, e com muito pouco interesse pelas pessoas ou pelo mundo da realidade. Uma pessoa calma e organizada, ele tem uma necessidade de ordem e estrutura, e uma paixão pelos detalhes.Você acha que Steve é um bibliotecário ou agricultor?
- 16. Cerca de 2/3 das pessoas respondem rapidamente que Steve deve ser bibliotecário Rapidamente criamos em nossas mentes uma imagem de Steve como bibliotecário Mas não levamos em conta que, nos EUA, há 5x mais agricultores que bibliotecários E considerando apenas o universo masculino, essa proporção sobe para 20x! Estatisticamente falando, é muito mais provável que Steve seja um agricultor
- 17. O grande desafio da IA e do Machine Learning é a coleta de dados, e não os algoritmos A coleta de dados depende de usuários, de seres humanos executando tarefas de forma eficiente em computadores Os seres humanos interagem com computadores através de interfaces e o design, a experiência do usuário e a tecnologia determinam a qualidade das interações. O desenvolvimento de frontend é, na verdade, uma parte fundamental do desenvolvimento de tecnologias de IA https://explosion.ai/blog/how-front-end-can-improve-ai
- 21. Melhorar a coleta de dados estruturados e qualificados Entender o comportamento do usuário Melhorar o engajamento do usuário Ajustar o site automaticamente em função do perfil do usuário
- 22. Responsividade – Focal point in images https://medium.com/netflix-techblog/extracting-image-metadata-at-scale-c89c60a2b9d2
- 23. Responsividade – Focal point in images https://medium.com/netflix-techblog/extracting-image-metadata-at-scale-c89c60a2b9d2
- 26. Equipe pequena, não há ninguém responsável pela área Existem ganhos imediatos na adoção Coleta de dados é o primeiro e mais importante passo
- 30. Country Language Browser OS Mobile Age Sex Session Time Recurring Pages/ session Conversion? Original? Brazil Pt-BR Chrome Windows No 24 M 35 Y 3 N Y Brazil Pt-BR Edge Windows No 37 F 47 N 2 N N Brazil Pt-BR Firefox Linux No 21 M 70 N 5 Y Y US En-US Safari iOS Yes 35 F 120 Y 4 Y N Germany De-DT Chrome Android Yes 40 M 300 Y 7 Y Y France Fr-FR Edge Windows No 43 F 75 N 3 N N https://medium.com/data-science-group-iitr/decision-trees-decoded-c70b4f7ff542 https://hackernoon.com/overview-of-artificial-neural-networks-and-its-applications-2525c1addff7
- 33. Linguagens e IDEs voltadas para Data Science Octave, R (Rstudio), Matlab, Julia, Python (Jupyter & Spyder) Ferramentas Online Azure ML Studio BigML
- 35. Bibliotecas em Javascript Brain.js (https://github.com/harthur/brain) Synaptic (http://caza.la/synaptic/) Decision-tree-js (https://github.com/lagodiuk/decision-tree-js)