Home

Como a IA pode acelerar seu negócio?

Imagem ilustrando formas de interação com produtos digitais

A Inteligência Artificial tem um papel importante na melhoria da experiência do usuário. Ela pode ser usada para personalizar a interação dos usuários com produtos e serviços de várias maneiras, incluindo:

  1. Recomendações personalizadas: A IA pode analisar dados sobre o histórico de compras, buscas e interações dos usuários com um site ou aplicativo para fornecer recomendações personalizadas.
  2. Chatbots: Os chatbots baseados em IA podem ser usados para oferecer suporte 24 horas por dia, 7 dias por semana aos usuários, respondendo a perguntas e resolvendo problemas.
  3. Assistência virtual: A IA pode ser usada para criar assistentes virtuais que ajudam os usuários a completar tarefas, encontrar informações ou simplesmente mantê-los informados sobre atualizações.
  4. Interação com voz: A IA pode ser usada para criar sistemas de reconhecimento de voz mais avançados que permitem que os usuários interajam com dispositivos como smartphones e assistentes virtuais de forma mais natural.
  5. Análise de sentimentos: A IA pode ser usada para analisar o sentimento dos usuários em relação a produtos, serviços ou marcas, o que pode ajudar as empresas a melhorar a experiência do usuário.

Em geral, a IA tem o potencial de transformar a forma como os usuários interagem com os produtos e serviços, tornando-os mais úteis, eficientes e personalizados. No entanto, é importante lembrar que a IA ainda é uma tecnologia em evolução e que as empresas precisam ser responsáveis e éticas na forma como a utilizam para garantir a privacidade e segurança dos dados dos usuários.

Update Sem Where #53

Logo da nossa newsletter, chamada Update sem Where

[Briefing]   
Você está lendo a Update Sem Where, nossa newsletter técnica, lançada mensalmente e que contém as principais novidades dos últimos 30 dias no mundo de Data & AI.

Fique agora com a Update Sem Where!

[Principais Trends
– Dicas para tornar seu projeto de Machine Learning um sucesso (link)
– O que usar: um modelo genérico ou vários especializados? (link)
– Como escalar Pandas para grandes datasets (link)
– Crie pipelines utilizando Apache Datafusion (link)
– Utilizando YOLO para detectar objetos em imagens (link)
– O lado negativo dos veículos elétricos (link)
– Mais de 100 vagas na F1rst, do Santander (link)
– Escalando a Eficiência: Visões sobre a DORA 2022 (link)
– Ebook gratuito: Scientific Programming with Python (link)


Big Data & Digitalização

Decorative image showing data related icons

Big Data é um conjunto de técnicas e tecnologias que visam processar, armazenar e analisar grandes quantidades de dados para extrair informações valiosas.

Ela se tornou uma ferramenta importante para a digitalização das empresas porque permite que elas coletem, processem e analisem grandes quantidades de dados em tempo real, o que lhes dá uma visão mais precisa de seus negócios e lhes permite tomar decisões mais informadas.

Algumas das maneiras pelas quais o Big Data revolucionou a digitalização das empresas incluem:

  1. Melhoria da tomada de decisão: o Big Data permite que as empresas coletem, processem e analisem grandes quantidades de dados em tempo real, o que lhes dá uma visão mais precisa de seus negócios e lhes permite tomar decisões mais informadas.
  2. Personalização de produtos e serviços: o Big Data permite que as empresas coletem dados sobre os hábitos de consumo de seus clientes e usem esses dados para personalizar seus produtos e serviços de acordo com as necessidades e preferências individuais de cada cliente.
  3. Otimização de processos: o Big Data permite que as empresas analisem seus processos internos e encontrem maneiras de torná-los mais eficientes, reduzindo custos e aumentando a produtividade.
  4. Melhoria da experiência do cliente: o Big Data permite que as empresas coletem dados sobre as interações dos clientes com seus produtos e serviços e usem esses dados para identificar problemas e melhorar a experiência do cliente.

IA & Inovação Corporativa

A Inteligência Artificial pode afetar a inovação de várias maneiras. Em primeiro lugar, a IA pode ser usada para automatizar tarefas e processos, o que pode liberar tempo para que as pessoas possam se concentrar em outras atividades mais criativas e inovadoras.

Além disso, a IA pode ser usada para analisar grandes quantidades de dados e encontrar padrões e tendências que poderiam não ser evidentes para os seres humanos, o que pode levar a novas descobertas e inovações.

A IA também pode ser usada como uma ferramenta para a criação de novos produtos e serviços. Por exemplo, a IA pode ser usada para projetar novos materiais ou para otimizar processos de produção.

A IA também pode ser usada para criar novas formas de interação com os usuários, como assistentes virtuais ou chatbots.

Em geral, a IA tem o potencial de ser uma força muito poderosa para a inovação, mas é importante lembrar que a IA é apenas uma ferramenta e que os seres humanos ainda são responsáveis por guiar e orientar seu uso.

Update Sem Where #52

Logo da nossa newsletter, chamada Update sem Where

[Briefing]   
Você está lendo a Update Sem Where, nossa newsletter técnica, lançada mensalmente e que contém as principais novidades dos últimos 30 dias no mundo de Data & AI.

Além deste conteúdo, temos também uma newsletter para líderes chamada Executive Summary e o nosso podcast Driven By Data.

Fiquem agora com a Update Sem Where!

[Empreendedorismo & Liderança
– Multitarefa: o jeito mais eficiente de perder dinheiro
– Sobre o mito de que apenas Fundadores Jovens criam grandes empresas
Ferramentas modernas de planejamento aumentam a agilidade
Empresas Filhas da Unicamp faturam quase R$ 20 Bilhões
– Unicamp se destaca em ranking mundial THE
– Artigo do Silvio Meira: Efeitos de Rede
– Ebook do Silvio Meira: Estratégias para um Brasil Figital
Protopia Brasileira: Um estudo sobre a violência política na história brasileira

[Data Engineering & Machine Learning
– Novo site do Recod.AI da Unicamp no ar
– Lançado o Curso de Product Analytics da PM3
– Análise da biblioteca Meta Prophet
– A evolução do Data Engineer
– dbt agora aceita Python
– Como fazer Análise Exploratória para Time Series
– Um whitepaper sobre Modern Data Architectures na AWS

[Amazon Web Services]  
– AWS Athena atualiza engine e adiciona mais de 50 funções SQL
– Sagemaker Multi-Model Endpoint agora suporta GPU
– Sagemaker Auto Model Training agora também possui Grid Search
– Lançado o AWS Neptune: Banco de dados de Grafo e Serverless
Sagemaker Clarify oferece explicabilidade aos resultados de predição

[Microsoft Azure]  
– Lançado o Vision Studio, para desenvolvimento de Computer Vision
AiDice: Ferramenta para detecção de anomalias

[Google Cloud Platform]  
– Veja o que de melhor aconteceu no Google Next 22
– Deep dive no Otimizador de Queries do Spanner
– Clod Dataflow libera ferramenta para benchmark dos seus pipelines
– Fazendo Log Analytics na GCP

[Databases]  
Postgres: Lançado o Postgres 15 com várias novidades (incluindo MERGE)

Executive Summary #09: State of Postgres

Executive Summary Banner

[Briefing]   
Esta é a Executive Summary, a nossa curadoria de conteúdo para executivos e líderes que são shareholders em projetos de Data & AI.

Além deste conteúdo, temos também uma newsletter técnica chamada Update Sem Where e o nosso podcast Driven By Data.

Na edição deste mês da Executive Summary temos apenas 1 tendência: os insights da pesquisa State Of Postgres.

Abaixo, o nosso resumo executivo:

Tendência 01/01
State of Postgres

O que é?
A State of Postgres é uma pesquisa conduzida pela Timescale, empresa por trás do TimescaleDb, que é um banco de dados baseado em Postgres. A pesquisa é global e demonstra a maturidade do ecossistema Postgres (que agora em 2022 está completando 33 anos da sua primeira versão).

Por que isto é interessante?
Estamos falando do banco de dados open source mais robusto e longevo do mundo. Utilizado por startups iniciantes, startups unicórnio (inclusive aqui no Brasil), pequenas, médias e grandes corporações (mais dados aqui). Isto significa que sua empresa pode ter acesso a um banco de dados completo, gratuito e cuja licença open source permite o uso comercial do mesmo.

Como posso colocar em prática?
Incentive o uso do Postgres por sua equipe. A pesquisa State of Postgres demonstra as principais Extensões e Third Party Tools utilizadas, ajudando seu time a construir soluções com toda a qualidade, confiança e maturidade que se espera de um banco de dados.

Update Sem Where #51

Logo da nossa newsletter, chamada Update sem Where

[Briefing]   
Você está lendo a Update Sem Where, nossa newsletter técnica, lançada mensalmente e que contém as principais novidades dos últimos 30 dias no mundo de Data & AI.

Além deste conteúdo, temos também uma newsletter para líderes chamada Executive Summary e o nosso podcast Driven By Data.

Fiquem agora com a Update Sem Where!

[Análise]   
Continuamos a acreditar na educação como ferramenta para a evolução pessoal e profissional (mais sobre este assunto na newsletter anterior).

Com isso, não nos parece coincidência que agora é a vez da AWS oferecer um pacote de subscription para sua plataforma de Digital Training, a AWS Skill Builder (mais sobre os planos aqui).

Reforçamos nossa análise de que, se você deseja entrar para a área de tecnologia, a hora é agora!

Em termos de novidades, a estrela do mês é a sessão de Bancos de Dados, com muitas novidades legais no mundo Postgres!

Boa leitura!

[Data Engineering & Machine Learning
Pirâmide da qualidade de dados
– Como interagem Data Engineers e Data Scientists em um time de alta performance
– As 5 coisas mais difíceis de se fazer em SQL
– Todos os algoritmos de Machine Learning explicados em menos de 1 minutos cada
– Como fazer detecção de movimento em Python
Processamento paralelo de arquivos grandes em Python
– Desmistificando o arquivo Parquet
– Como fazer melhores testes de hipótese
Personas dos usuários das plataformas de dados
Métricas para incerteza em regressões

[Amazon Web Services]  
– Novos planos de assinatura do Skill Builder, a plataforma de treinamentos
– Lançado o Neptune Global Graph Database
– Disponibilizada a Detecção de Anomalia no Devops Guru
– Disponibilizados mais tiers de preço no Lambda

[Microsoft Azure]  
– Azure é declara a nuvem líder pela Gartner
– Análise de Mercado com o Microsoft Threat Intelligence Solutions
– Governança de Dados com o Microsoft Purview
– Lançado o Azure Managed Grafana

[Google Cloud Platform]  
– Nivele suas data skills
Segurança na nuvem para CISOs
– Gerenciando a nuvem com Active Assist

[Databases]  
Postgres: pg_jsonschema faz validação de json
Postgres: Benchmark entre AlloyDB (Pg na Google) e Postgres
Postgres: Particionamento com pg_partman
Postgres: Melhorias nas Functions no PG14
Postgres: Analisador automático de sugestão índices
Postgres: Resultados da pesquisa STATE OF POSTGRES
Postgres: Debugging de problemas com autovacuum
Postgres: dbGate, novo GUI para bancos de dados
Postgres: Bancos de dados de séries temporais, o que são?
Postgres: PAGILA, um banco de dados de exemplo para Postgres

Executive Summary #08: Tudo sobre Data Mesh

Executive Summary Banner

Esta é a Executive Summary, a nossa curadoria de conteúdo para executivos e líderes que são stakeholders em projetos de Data & AI.

Na edição deste mês temos apenas 1 tendência: Data Mesh. Recomendamos a leitura do artigo original da Thoughtworks, que cunhou este termo.

Abaixo, o nosso resumo executivo:

Tendência 01/01
Data Mesh

O que é?
Esta dica é baseada no artigo original da Thoughtworks, que você pode encontrar aqui. Trata-se de uma proposta para mudarmos a forma monolítica de construirmos arquiteturas de dados, que perdura desde os tempos do Data Warehouse.

Por que isto é interessante?
As estruturas de dados modernas (ex: Data Lake), possuem diversas tecnologias para ingestão, armazenamento e uso dos dados, porém a arquitetura em si é geralmente monolítica e tratada por um time centralizado de especialistas. Este tipo de arquitetura não funcionou para a Engenharia de Software no geral, que se modernizou e se especializou em micro-serviços (lado técnico) e squads que gerenciam estes serviços (lado organizacional). Por isso, para que possamos escalar nossas estruturas de dados, temos que aplicar os mesmos conceitos a elas.

Como posso colocar em prática?
Leia o artigo para maiores detalhes, porém de maneira objetiva: é necessário que cada Domínio cuide de seus próprios dados, tanto de maneira operacional (OLTP) quanto de maneira analítica (OLAP). Aqui cabe a filosofia da Amazon Web Services: cada serviço construído deve servir como um bloco, que poderá sustenar a criação de novos serviços a partir destes.