Palestra: Machine Learning - Abrindo a Caixa de Pandora

Track: Data Science Aplicada

Sala: Pequim

Horário: 10:50am - 11:35am

Dia da semana: Quarta-feira

Nível: Intermediário

Persona: Arquiteto(a), Cientista de Dados, Desenvolvedor(a) Programador(a), Desenvolvedor(a) Sênior, Gerente de Produto, Gerente de Projetos, Líder Técnico(a), Product Owner

Apresentação em Português

Compartilhe essa página no:

Pontos Principais

  • Desafios relacionados à introdução de machine learning em produto;
  • Como testes básicos A/A podem ser a porta de entrada de ML ao seu projeto;
  • Como criar uma estratégia e visão de ML para o seu produto.

Resumo

Introduzir Machine Learning em um produto é como abrir uma Caixa de Pandora - revela importantes problemas nos dados, métricas, experiência do usuário e integração entre sistemas. Para enfrentar esta complexidade, são necessárias práticas pragmáticas para se obter resultados confiáveis.

Nesta palestra, serão abordados aprendizados obtidos ao introduzir Machine Learning em diferentes contextos, desde academia, start-ups, consultoria, a gigantes de tecnologia - incluindo práticas de instrumentação, experimentação, infraestrutura, planejamento, avaliação de performance e visão de produto no contexto de aplicações usando Machine Learning.

Palestrante: Dhiana Deva

Machine Learning Engineer at Spotify

Dhiana Deva é Machine Learning Engineer no Spotify. Trabalhou anteriormente em organizações como ThoughtWorks e CERN (Centro Europeu de Pesquisas Nucleares). Após ter treinado sua primeira Rede Neural há mais de 10 anos atrás e trabalhar no maior centro de pesquisas do mundo, Dhiana explorou o mundo Agile e Lean em experiências como Software Engineer em start-ups e consultoria - mas seguiu introduzindo Data Science e Machine Learning nos produtos que tocou. Há 3 anos trabalhando no Spotify, onde começou como Software Engineer e foi demonstrando e introduzindo aplicações de Machine Learning em seu time, conquistando a posição de Machine Learning Engineer.

Encontre mais informações sobre Dhiana Deva em

Tracks

Segunda-feira, 6 de maio

Terça-feira, 7 de maio

Quarta-feira, 8 de maio