Palestra: Recomendações com redes neurais: vícios, bugs e sucessos

Track: Machine Learning e Inteligência Artificial

Sala: Sala 2

Horário: 2:05pm - 2:50pm

Dia da semana: Terça-feira

Nível: Iniciante

Persona: Cientista de Dados, Desenvolvedor(a) Programador(a), Desenvolvedor(a) Sênior, Gerente de Operações, Gerente de Produto, Gerente de Projetos, Gestão (VP, CTO, CIO, Diretoria), Líder Técnico(a), Product Owner, UX

Apresentação em Português

Share this on:

Pontos Principais

  • Ideia básica de recomendação x heurística
  • Recomendação como série temporal
  • Testes e resultados de recomendação no mundo real 
  • Como vícios permeiam todos os cantos de experimentos
  • Como evitar casos comuns e básicos de vícios
  • A importância de tomar cuidado em tomar decisões mesmo que baseadas em dados quantitativos

Resumo

Com mais de 1000 cursos um dos desafios na Alura é guiar cada um de nossos alunos e alunas com o curso ideal para seu momento de vida. Recomendadores tradicionais foram testados e fracassamos miseravelmente.

Usando algoritmos de NLP e redes neurais recorrentes fomos capazes de filtrar o ruído existente nos dados e vencer até mesmo recomendações humanas, atendendo assim de forma personalizada a demanda de cada aluno e aluna.

Tais algoritmos têm sido a base de recomendadores usados por diversas empresas de outros nichos. Os desafios foram inúmeros, desde conseguir tempo para desenvolver o projeto, ser melhor que heurísticas especializadas, até manter o mesmo em produção. Veremos o processo de descoberta e entenderemos como tal recomendador funciona.

Depois discutiremos outros problemas do caminho. Será que randomizamos adequadamente os grupos? Adicionar funcionalidades em uma página ou app mas não em outra já implica em selection bias, por exemplo. Mostraremos problemas que tivemos definindo testes adequados selecionando grupos de teste e controle adequados, lidando com selection bias inerente a internet, como calculamos sucesso e fracasso, qual tipo de teste estatístico utilizamos e como interpretar os resultados.

Sobrando tempo, passaremos também por exemplos que não foram encontrados nesse caso específico mas que são comuns ao dia a dia de quem vai colocar em produção tais algoritmos.

Palestrante: Guilherme Silveira

Head of Education and Inovation at Alura

Guilherme co-fundou a Caelum e a Alura. Com mais de 15 anos de experiência em treinamento e desenvolvimento, ele coordena os times de inovação e educação na Alura. Desenvolveu e testou diversas abordagens de algoritmos de recomendação para cursos online, com fracassos e sucessos. Com um background matemático e habilidades de programação, representou o Brasil em duas finais mundiais de programação.

Find Guilherme Silveira at

Tracks 2019