Como (re)aprender Matemática sendo um adulto

E mais: DeepMind, da Google, alcança nível humano na resolução de problemas de geometria; Disney lança tapete que vai te deixar andar no Metaverso.

Fala, Data Hackers! E aí, bora abrir mais uma semana com informação sobre o que tem rolado no mundo dos dados?

Nesta edição trazemos um artigo muito interessante sobre o aprendizado de matemática depois de adulto, até mesmo para a compreensão dos artigos científicos que lemos. Além disso, trazemos uma nova tecnologia desenvolvida pela Disney de um tapete voltado para a realidade virtual onde se pode andar em qualquer direção sem sair do lugar, e um novo modelo de AI do Google capaz de resolver problemas de geometria como um medalhista internacional.

Confira outros destaques dessa edição:

No novo episódio do podcast, trazemos as tendências para 2024 envolvendo dados e IA comentadas por um time de peso: além da nossa bancada, formada por Paulo Vasconcellos, Gabriel Lages e Monique Femme, tivemos as participações especialíssimas dos nossos Community Managers Pietro Oliveira, que também atua como Head of Data no TC (uma das maiores comunidades de investidores da América Latina), e Marlesson Santana, que é Machine Learning Engineer na desenvolvedora de jogos Wildlife Studios.

Não perca essa oportunidade de ouvir os comentários de alguns dos maiores profissionais em atuação no Brasil sobre as tendências para 2024, ouça agora mesmo!

Decidido a compreender melhor como os LLMs e transformadores funcionavam, o product manager Gabriel Mays decidiu passar 100 dias praticando matemática, matéria com a qual quase não lidava desde a graduação.

Neste artigo, ele detalha sua jornada por matérias como estatística / probabilidade, álgebra linear e cálculo, e dá dicas para pessoas na mesma situação. Não é preciso se tornar matemático, afinal, mas ter uma noção melhor dos conceitos pode ajudar todos que trabalham com tecnologia - e que nem sempre tem formação em exatas. (em Inglês)

Além de um competição entre estudantes, a Olimpíada Internacional de Matemática tem servido como um campo de testes para modelos de IA de matemática e raciocínio. E nos últimos dias, um novo patamar foi atingido.

O AlphaGeometry, desenvolvido pelo Google Deepmind, foi capaz de resolver 25 de 30 problemas da última Olimpíada dentro do tempo, desempenho similar ao de um medalhista de ouro e que nunca tinha sido alcançado antes por uma máquina. (em Inglês)

A Disney revelou uma nova tecnologia: chamado de “HoloTile Floor”, é um tapete que permite andar em qualquer direção sem sair do lugar, servindo como recurso para imersão em realidade virtual. Para isso, conta com pequenos “ladrilhos” que se movem como uma esteira omnidirecional, e é um recurso modular e expansível que pode ser usado por várias pessoas.

Já demonstrada em vídeos, há a expectativa que a nova tecnologia seja testada em breve nos parques da Disney ao redor do mundo. (em Inglês)

OUTROS TÓPICOS

ARIMA vs Prophet vs LSTM: quem é melhor?
Este post da Neptune faz uma comparação entre as três formas clássicas de prever séries temporais, cobrindo desde modelos estatísticos clássicos como ARIMA até redes neurais como LSTM, e comentando as vantagens e desvantagens de cada um. (em Inglês)

O que foi assistido na Netflix em 2023
Desde seu surgimento, a Netflix nunca havia detalhado as atividades dos usuários, mas no fim do ano passado, a empresa resolveu publicar as estatísticas da audiência no primeiro semestre de 2023. Este artigo traz 5 conclusões sobre esses dados, em uma análise de dados bem interessante e um ótimo exemplo de como conduzir uma história. Serve inclusive como referência para quem pensa em montar seu portfólio. (em Inglês)

Quão estruturado precisa estar o seu dado?
Ao implantar um código, há compensações entre agir rapidamente para agregar valor e construir sistemas robustos que durem. Este artigo propõe uma estrutura para ajudar a quantificar essas compensações, e mostra como usar uma plataforma de código aberto chamada Hamilton para ajudar. (em Inglês)

Livro "Understanding Deep Learning" fica disponível gratuitamente
Um dos livros mais intuitivos sobre Deep Learning está disponível gratuitamente para você! Escrito por Simon Prince, professor de Ciência da Computação e membro da University College London, “Understanding Deep Learning” é uma referência sobre o assunto e traz uma abordagem prática e teórica sobre as bases da aprendizagem profunda. (em Inglês)

DICA DE LIVRO

Há muitos livros que pregam sobre o sucesso e argumentam que ter garra é tudo que é necessário para chegar lá. E, na contramão dessa corrente, esse livro da Annie Duke foi um dos grandes achados de 2023 para mim, pois ela fala sobre um aspecto muito importante (e muito menos glamuroso) do sucesso: o momento de desistir. Sendo uma jogadora profissional de pôquer, acho que ela tem muito a dizer sobre saber a hora certa de parar, né? (em Inglês)

VAGAS DA SEMANA

São Paulo-SP - Híbrido

  • Experiência com pipeline de desenvolvimento e implantação de modelos;

  • Proficiência em Python, Scala, Clojure ou outras linguagens;

  • Experiência em integração de modelos em pipelines de dados e infraestrutura de tomada de decisão (p. ex. utilizando Scala e Spark);

  • Conhecimento nas principais ferramentas de Machine Learning e bibliotecas;

  • Capacidade de se comunicar em inglês;

  • Experiência com sistemas de software de grande escala com implantação e monitoramento confiáveis (diferencial).

São Paulo-SP - Híbrido

  • Base teórica sólida em Machine Learning (experiência prática na construção e implantação de modelos é um diferencial);

  • Python (seguindo boas práticas de programação);

  • Capacidade de lidar com diferentes tarefas do ciclo de vida de um modelo de ML (implantação, manutenção, monitoramento, construção de pipelines, etc);

  • Experiência em trabalhar com infraestrutura em nuvem;

  • Experiência com containers;

  • Capacidade de construir serviços que exponham um modelo de ML para consumo por outros apps;

  • 1 ano ou mais de experiência e um diploma relevante.

MEME DA SEMANA

DATA VISUALIZATION DA SEMANA

Em 2016, o Spotify publicou pela primeira vez uma lista com os 25 gêneros mais ouvidos da plataforma. O ranking continuou sendo publicado a cada ano e, sete anos depois, mais da metade dos gêneros da lista não constava naquele primeiro ranking de 2016. Mas o que levou a uma mudança significativa?

O site The Pudding fez uma apresentação que ajuda a explicar esse fenômeno, que é complexo e passa por fatores como a chegada do Spotify a novos países e o desmembramento de gêneros genéricos como “música latina” em milhares de outros mais específicos. A forma como a apresentação introduz os argumentos é bem interessante, e o conteúdo vale pra todos que se interessam por música e dados. (em Inglês)

PRÓXIMOS EVENTOS E MEETUPS

AWS re:Invent Recap
31 de janeiro - Online

Obs: gostaria de ter seu evento divulgado aqui? Basta compartilhar ele em nosso canal do slack.

Wow! Já que chegou até aqui, qual a nota dessa edição da Newsletter?

Pode dar sua opinião sincera...

Login or Subscribe to participate in polls.

Logo