Blog do Programação Dinâmica

Pedi demissão sem ter outro emprego

pgdinamica@brunch.ag (Hallison Paz) — Wed, 30 Sep 2026 12:00:00 +0000

Eu crei a playlist Saga de um Cientista no canal Programação Dinâmica para conversar de forma mais próxima e esporádica com os membros do canal sobre questões particulares relacionadas à minha carreira.

A ideia surgiu em 2022, quando eu estava participando de entrevistas para realizar um estágio como pesquisador na Meta, durante meu doutorado. Fui selecionado e documentei um pouco desta parte e frisson por lá. Em 2023, postei mais uns 4 vídeos, mas por caoticidades, abandonei o projeto temporariamente.

Este ano, retomei com tudo e decidi testar o formato de estréia gratuita no YouTube, permitindo que não membros pudessem assistir ao vídeo ao vivo comigo em uma pequena janela de tempo. Assim, quem realmente tem interesse pelo tema e/ou dedicação para acompanhar novos vídeos do canal poderia acessar este conteúdo também.

Para além de um benefício àqueles que apoiam o nosso trabalho no YouTube e podem contribuir financeiramente para nos ajudar a continuá-lo, ter este conteúdo como algo fechado me permite ser mais cru: posso falar do que eu quiser, sem me preocupar se o conteúdo vai ser bem quisto pelo algoritmo, posso promover uma conversa no meu ritmo, sem cortes agressivos no tempo e intervalo de fala, posso ser (quase que totalmente) sem filtro e posso revelar coisas pessoais que, talvez, eu não quisesse que fosse para fora da “bolha do bem”.

O último vídeo, no entanto, ficará aberto como uma exceção. Nele, eu falei sobre algumas decisões de carreira e processos importantes de autoconhecimento e tomada de riscos pelos quais passei e vi que muitas pessoas que assistiram foram impactadas positivamente e fizeram questão de falar em seus comentários ou mensagens privadas nas redes sociais. Algumas até têm compartilhado com pessoas mais jovens ou em momento de indecisão.

Tal como a miniatura sugere, considero uma Masterclass de carreira!

Assim sendo, convido você a assistir ao vídeo abaixo:

🥰 Se você gosta do nosso trabalho e acha relevante a nossa atuação no Youtube, considere nos apoiar se tornando membro do canal.

Ainda vale a pena estudar Algoritmos e Estruturas de Dados em um mundo “dominado” por IAs?

pgdinamica@brunch.ag (Hallison Paz) — Mon, 10 Aug 2026 12:00:00 +0000

Vale sim.

Não estou aqui para te convencer disso.

Agora, se você já percebeu que o aumento da participação e da dependência de sistemas computacionais em praticamente todas as atividades da humanidade exige profissionais de computação que entendam com mais profundidade como toda essa infraestrutura funciona, então você vai ficar feliz em saber que:

Estou retomando o conteúdo de Algoritmos e Estruturas de Dados em nosso canal no Youtube.

Primeiramente, vou fazer uma recapitulação das aulas antigas em uma espécie de auto-REACT. Vamos estudar, juntos, ao vivo, utilizando os vídeos que comecei a publicar a cerca de 8 anos atrás. A primeira live aconteceu no último sábado, 8 de agosto, às 15:30h e sua gravação está disponível no canal.

Para além das lives, também pretendo retomar a gravação de videoaulas com duração entre 10 e 20 minutos, dando continuidade aos temas que estão faltando, como grafos e, pasmem, programação dinâmica! Já divulga pra todo mundo que deseja/precisa aprender ;)

A propósito, segue uma lista de livros recomendados para estudo, caso você tenha interesse em estudar por algum deles:

Confira minha lista na Amazon

🥰 Se você gosta do nosso trabalho e acha relevante a nossa atuação no Youtube, considere nos apoiar se tornando membro do canal.

Por dentro da ICLR 2026: bastidores da maior conferência de IA do mundo

pgdinamica@brunch.ag (Hallison Paz) — Tue, 14 Jul 2026 12:00:00 +0000

O que eu e um dos pais da Inteligência Artificial moderna fizemos juntos no Rio de Janeiro há alguns meses?

No final de abril deste ano, o Rio de Janeiro sediou, pela primeira vez, uma das três maiores conferências acadêmicas de inteligência artificial (IA) do mundo: a International Conference on Learning Representations (ICLR). Cinco dias, mais de 5.400 papers aprovados, cerca de 20 mil submissões e um nome que talvez você reconheça circulando pelos corredores do Riocentro: Yann LeCun, um dos pesquisadores mais influentes da história recente da IA e vencedor do Prêmio Turing.

Eu estive lá e gravei um vídeo te contando cada detalhe desta experiência. No vídeo, mostro como é a estrutura de um evento desse porte, desde keynotes, coffee breaks, sessões de pôsteres, tendências, preços, empresas patrocinadoras, workshops… até as mais variadas formas de networking. Usando uma ferramenta chamada Paper Copilot para analisa as palavras-chave dos papers submetidos, dá para ter uma boa ideia do que dominou a conferência: LLMs, reasoning, agentes, modelos de difusão, aprendizado por reforço e interpretabilidade.

Esta é a minha 4ª conferência internacional deste nível, por isso, consegui também fazer algumas comparações, inclusive com outros eventos já registrado no canal, como a Computer Vision and Pattern Recognition (CVPR) e a Special Interest Group on GRAPHics and Interactive Techniques (SIGGRAPH).

O peso da ICLR e a dificuldade em estar presente neste espaço

A ICLR não é uma conferência qualquer. Para você ter uma noção da sua relevância, foi neste fórum que trabalhos como o Variational Autoencoder, o otimizador Adam e os Vision Transformers foram apresentados ao mundo pela primeira vez.

Uma parte do vídeo que eu considero muito importante trata do custo de se participar de um evento desses e como isso afeta diretamente a presença de pesquisadores brasileiros nos palcos mais importantes do mundo. Olhando os dados por país, o Brasil aparece com apenas quatro trabalhos publicados por instituições nacionais — atrás de países muito menores, como a Suíça, que sozinha teve 119 papers!

A competição é altíssima, demandando que sejam submetidos trabalhos de alta qualidade. Por aqui, não tempos falta de gente boa, mas falta de investimentos em nossa gente. Bolsas de mestrado e doutorado no Brasil pagam valores incompatíveis com uma dedicação de tempo integral à pesquisa — enquanto em outros países, doutorandos conseguem viver exclusivamente da bolsa e produzir ciência de ponta.

A cereja do bolo? Não, o melhor pedaço!

Uma das coisas que mais marcou nessa experiência, no entanto, não tinha nada a ver com papers ou demo de empresas. Fiquei surpreso com a quantidade de pessoas da nossa comunidade que encontrei por lá — gente que me parou para tirar foto, que contou como um vídeo do canal foi um estímulo importante para começar um mestrado ou doutorado, que hoje está publicando ou caminhando nessa direção. Isso, pra mim, é a prova de que o trabalho aqui está fazendo sentido.

Se você é estudante, pesquisador ou só tem curiosidade sobre o que está acontecendo na fronteira da inteligência artificial — e sobre o lugar (ainda pequeno, mas real) que o Brasil ocupa nessa corrida — tenho certeza que este vídeo lhe será de muito valor. Assista ao vídeo completo abaixo:

🥰 Se você gosta do nosso trabalho e acha relevante a nossa atuação no Youtube, considere nos apoiar se tornando membro do canal.

Acabaram as vagas júnior em Visão Computacional?

pgdinamica@brunch.ag (Hallison Paz) — Mon, 29 Jun 2026 12:00:00 +0000

Antigamente, já era difícil encontrar vagas de entrada em Visão Computacional. Hoje, a impressão que muita gente tem é que t̶á̶ ̶i̶g̶u̶a̶l̶ ̶a̶n̶t̶i̶g̶a̶m̶e̶n̶t̶e̶ ficou ainda pior.

Recentemente, o Bruno, estudante de Ciência da Computação no Rio de Janeiro, me enviou a seguinte dúvida:

“Tenho bastante interesse na área de Visão Computacional, mas às vezes fico meio reticente sobre as oportunidades no mercado de trabalho. Sei que estágio é quase impossível de achar na área. Como você avalia o mercado atualmente?"

A pergunta é excelente porque toca em uma mudança importante que tenho observado nos últimos anos.

Durante muito tempo, empresas que queriam incorporar qualquer tipo de recurso de visão computacional aos seus produtos precisavam contratar especialistas para desenvolver soluções relativamente específicas. Hoje, alguns desses problemas podem ser resolvidos utilizando algumas soluções disponibilizadas por grandes empresas de tecnologia através de APIs, serviços de Cloud ou até mesmo na forma dos pesos dos modelos pré-treinados.

Por exemplo, chegou a mim um pedido de consultoria de um professor de português de um curso pré-vestibular que queria desenvolver uma ferramenta de correção automatizada de erros ortográficos em redações. Este é um tipo de problema que requer conhecimentos em Optical Character Recogniton (OCR), em uma situação controlada que um modelo generalista como ChatGPT ou Gemini conseguiriam auxiliar. O fato de ter que lidar com texto na etapa seguinte torna o uso desses modelos ainda mais apelativo.

Apesar de parecerem "muito inteligentes" para muita gente, estes assistentes de Inteligência Artificial (IA) com os quais conversamos, não são tão bons assim em tarefas específicas de visão computacional em quaisquer condições. No entanto, alguns problemas clássicos de visão têm sido alvos de modelos de base/fundacionais (foundation models) como o Segment Anything, que realiza segmentação semântica em imagens ou o Depth Anything, que estima mapas de profundidade a partir de imagens também. A tendência é que essas soluções sejam ofertadas por serviço de Cloud como Microsoft Azure, Amazon Web Services ou Google Cloud Platform, concentrando o mercado nas mãos das Big Techs.

Este cenário cria espaço para um novo perfil profissional: o chamado engenheiro de IA.

O engenheiro de IA é alguém que combina conhecimentos de desenvolvimento de software com a capacidade de integrar modelos de linguagem, visão, áudio e sistemas multimodais a produtos reais. Em muitos contextos, esse profissional consegue entregar valor para a empresa sem precisar desenvolver um modelo especializado. Quando é necessário conhecimentos aprofundados de alguma área para treinar ou ajustar modelos, é mais comum que o cargo se torne o de engenheiro de machine learning.

O resultado é que algumas vagas de entrada em áreas como Visão Computacional e Processamento de Linguagem Natural podem ficar ainda mais escassas do que já eram. Contudo, isso não significa que a especialização deixou de valer a pena.

No vídeo abaixo, respondo à pergunta do Bruno com mais detalhes e explico por que acredito que essa transformação está criando duas trilhas profissionais bastante diferentes para quem deseja trabalhar com IA e Visão Computacional. Para descobrir o que está acontecendo e navegar melhor este cenário, assista ao vídeo aqui:

🥰 Se você gosta do nosso trabalho e acha relevante a nossa atuação no Youtube, considere nos apoiar se tornando membro do canal.

Deixe de ser leigo(a) em IA

pgdinamica@brunch.ag (Hallison Paz) — Tue, 23 Jun 2026 12:00:00 +0000

– “Deixei de ser totalmente leigo em IA. Parabéns.”
– “Amei, entendi tudo e olhe que eu não sou da área ❤️”

Estes são alguns dos comentários recebidos no vídeo “O que é Rede Neural Artificial e como funciona | Pesquisador de IA explica” da série IA Descomplicada, publicado no canal Programação Dinâmica.

Muitos falam sobre IA, poucos entendem com esta tecnologia funciona ou mesmo o que significam vários dos termos e siglas estranhos que se multiplicam pela internet. Você pode se diferenciar da massa, aprendendo IA Descomplicada!

Esta é uma série de vídeos voltada para um público mais amplo, que não necessariamente sabe programar ou pretende treinar seus próprios modelos de IA, mas que gostaria de aprender sobre os termos e mecanismos que regem este mundo. O conteúdo é rico o suficiente que agrega detalhes até a quem estuda e trabalha na área.

Quando eu digo aprender, é aprender mesmo! Por exemplo, neste vídeo discuto todos os assuntos abaixo:

– Aplicações de redes neurais artificiais
– Rede Neural como modelo computacional inspirado no cérebro
– Perceptron, o neurônio artificial
– Função de ativação
– Rede Neural como Perceptrons conectados em camadas
– O que é Deep Learning ou Aprendizado Profundo
– Parâmetros de um modelo de machine learning
– Por que redes neurais são tão poderosas
– Detalhes sobre problemas de IA

Alguns nomes como “perceptron”, “deep learning” ou “função de ativação” podem parecer super técnicos, mas os próprios ex-leigos afirmam que entenderam tudo! Fica aqui o convite para você se transformar em uma nova versão sua, após 18 minutos e 36 segundos:

🥰 Se você gosta do nosso trabalho e acha relevante a nossa atuação no Youtube, considere nos apoiar se tornando membro do canal.

Teremos AGI até 2030?

pgdinamica@brunch.ag (Hallison Paz) — Sun, 21 Jun 2026 12:00:00 +0000

O CEO do Google DeepMind, Demis Hassabis, acha que sim. Em mais de uma ocasião, Demis disse que há uma grande chance de que alcancemos a Inteligência Artificial Geral (Artificial General Intelligence) entre 2029 e 2033.

Não sabemos o que Alan Turing diria e eu não acho que estimar sua resposta com um modelo de IA como Claude, ChatGPT ou Gemini teria qualquer validade, ainda que replicassem sua voz. No entanto, estes mesmos modelos já estão passando o “Teste de Turing” sob algumas circunstâncias, como aponta este artigo científico:

Large language models pass a standard three-party Turing test | PNAS

John Searle, filósofo autor do argumento do Quarto Chinês, provavelmente não botaria fé. Nem aqui nem na China!

Dario Amodei e Cia, na Anthropic, provavelmente acham que estamos muito próximos deste passo. Digo isso com base na publicação da empresa sobre recursive self-improvement, em que terminam com uma convocação à uma pausa coordenada global na pesquisa e desenvolvimento dos “modelos de fronteira” da inteligência artificial, pois uma IA capaz de melhorar a si mesma de forma independente pode ter severas implicações para a humanidade.

When AI builds itself

No canal Programação Dinâmica, no YouTube, acabei de publicar mais um vídeo da séria IA Descomplicada, explicando O que é AGI e discutindo se estamos perto da Inteligência Artificial Geral. No vídeo, explico todos os conceitos, personagens e eventos listados aqui e importantes para a compreensão desta história. É um vídeo com a didática de sempre, mas explorando novos recursos de edição interessantes. Confira e, caso goste tanto quanto a gente, curta e compartilhe:

A.G.I. é bom pra quem?

pgdinamica@brunch.ag (Hallison Paz) — Mon, 15 Jun 2026 12:00:00 +0000

AGI (Artificial General Intelligence), ou Inteligência Artificial Geral, é o Santo Graal do Vale do Silício atualmente.

Toda Big Tech que trabalha seriamente com IA tem ao menos algum laboratório dedicado a esse tema — como o Google DeepMind ou o Meta Superintelligence Labs — , isso quando a empresa inteira não gira em torno desse objetivo, como OpenAI ou Anthropic.

Recentemente, estive em Mountain View, na Google I/O, e assisti a uma palestra do Demis Hassabis, líder do Google DeepMind, em que ele afirmou acreditar que teremos tecnologias de AGI entre 2029 e 2033. Ou seja, daqui a 5 anos, com 2 anos de margem de erro.

Entrevista com Demis Hassabis (à direita) na Google I/O

Há poucos dias, a Anthropic lançou dois modelos ditos como superpoderosos: Fable 5 e Mythos 5. Pouco depois, publicou um documento defendendo uma pausa coordenada global no desenvolvimento de IA, alegando que sistemas muito avançados poderiam se aproximar de um cenário em que seriam capazes de melhorar a si próprios em um ritmo muito mais rápido do que nossas estruturas sociais e de governança conseguiriam acompanhar.

Rapidamente, o governo dos EUA interveio, restringindo o acesso global aos modelos mais avançados da Anthropic somente a cidadãos estadounidenses, afetando, inclusive, pesquisadores estrangeiros ligados aos próprios laboratórios de fronteira. O argumento seria um suposto risco à segurança nacional.

Mas afinal:

– O que exatamente é AGI?
– Por que as Big Techs ficaram tão fissuradas nisso agora?
– Estamos diante de um avanço inevitável ou de uma narrativa sendo vendida.
– E, principalmente, a quem uma inteligência artificial sobre-humana realmente beneficiaria?

🔔️ Vamos refletir sobre tudo isso amanhã, às 8:00h, no podcast Ponto Flutuante. Ative o lembrete aqui:

Anos de experiência é uma medida superestimada no mercado de trabalho

pgdinamica@brunch.ag (Hallison Paz) — Wed, 10 Jun 2026 12:00:00 +0000

Eu passei mais de 3 dias editando o vídeo que publiquei ontem no canal Programação Dinâmica, uma espécie de vlog narrado sobre uma visita ao Museu da História da Computação, no Vale do Silício.

Tenho uma década de experiência em produção de vídeos para o YouTube. Já roteirizei, captei, editei e publiquei centenas de vídeos. Particularmente, tenho muito orgulho do meu trabalho em cada um deles, inclusive o de ontem. Eu poderia fazer um currículo contando uma narrativa profissional no audiovisual e alegando uns 7 anos de experiência em edição de vídeos. Ainda assim, tenho certeza que existe um(a) editor(a) de vídeo com 2 anos de experiência que seria capaz de editar o meu vídeo mais rápido e melhor do que eu.

Apesar de ter editado centenas de vídeos, na maioria das vezes, eu estava repetindo um processo com um formato bem definido. No canal, há algumas dezenas de vídeos que são muito diferentes, tais como o que ensino a fazer uma capa da invisibilidade; o que entrevistamos pessoas sobre infraestrutura de aplicações web, os reels/shorts patrocinados por algumas empresa ou este último vlog. Esses momentos de quebra da rotina foram os que mais exigiram o desenvolvimento de novas habilidades criativas e técnicas.

A repetição te torna bom em fazer aquilo que você repete, mas com rendimento decrescente.

Eu consigo editar uma videoaula com muito mais fluidez e até mais qualidade, hoje, do que 8 anos atrás. No entanto, os ganhos diminuem muito com o tempo, de modo que a minha competência em edição de videoaulas há 5 anos deve ser muito próxima do que ela é atualmente, ainda que eu tenha aprendido a dominar outro software — migrei do Final Cut Pro para o DaVinci Resolve.

A maioria das empresas quer que você execute — e que execute rápido. Há quem passe anos fazendo as mesmas coisas, com raras situações que lhe exigem algo a mais. A pressão por velocidade e a compartimentação de responsabilidades tolhe até as mentes criativas de tentarem algo novo com frequência; afinal, você tem que parar, estudar, refletir e correr o risco de errar (o que nem sempre é tolerado).

O tempo ignora o talento, o repertório e a intenção.

Ao usar uma régua comum e curta para medir profissionais, corre-se o risco de contratar um profissional subdesenvolvido, por ter passado aquele tempo apenas repetindo tarefas, e ignorar um diamante: alguém que foi capaz de aprender e se desenvolver de forma muito mais rápida e que, sim, seria mais competente do que várias pessoas "mais experientes".

Eu frequentei vários espaços onde encontrei pessoas com uma capacidade fenomenal de aprendizado e aquisição de competências, frequentemente fazendo conexões que poucos viam e desempenhando, na prática, algumas tarefas de modo muito superior ao esperado para tão pouco tempo de "experiência". Apesar de tê-las conhecido em lugares como o Colégio Naval, o Instituto militar de Engenharia ou o IMPA, sei que há várias delas espalhadas por aí.

Por exemplo, conheci o Gabriel Vianna nos treinos de Karatê. Na época, ele tinha dificuldade em passar em Cálculo na faculdade. Passamos alguns meses estudando programação, entendi que lhe faltava base matemática, lhe recomendei uns livros e ele conseguiu aprender muita coisa de forma independente. Nas nossas conversas, dava para ver que era um diamante bruto. Em 8 meses de estudo, foi contratado como programador backend. Hoje, é um desenvolvedor de software fantástico e bem empregado. Tinha vontade, tinha talento, mas lhe faltava repertório.

Acho que há muita preguiça no mercado de trabalho quando o assunto é a parte humana da coisa. Virou prática comum listar dezenas de requisitos acompanhados de X anos de experiência, quase como uma licitação pública. Muitas empresas parecem mais preocupadas em eliminar pessoas dos seus processos seletivos do que em encontrar profissionais capazes de construir algo significativo.

O cúmulo disso são vagas que pedem pedem X anos de experiência em uma tecnologia ou metodologia desenvolvida há Y anos, Y < X. Ontem mesmo, li um post no LinkedIn denunciando isso.

Tem gente que olha pra essas coisas e só aceita, como se o mercado fosse um entidade toda-poderosa, um deus, inquestionável, restando a nós apenas o papel de se adaptar e venerá-lo.

Não! O mercado está errado!

O mercado precisa mudar, inclusive, para sua própria sobrevivência.

Realizamos um antigo sonho como YouTubers!

pgdinamica@brunch.ag (Hallison Paz) — Sun, 24 May 2026 12:00:00 +0000

EU lembro de quando era APENAS um SONHO… ou nem isso.

No começo da minha carreira, trabalhei como desenvolvedor de aplicativos móveis. Mais tarde, em 2018, me tornei professor do Instituto Infnet, com foco em disciplinas sobre o sistema Android. Na época, recomendava aos alunos que acompanhassem a Google I/O e comentava algumas novidades sobre o sistema operacional da Google, para o qual programávamos.

Em 2019, o canal Python Café passou por um rebranding, iniciando a era do Programação Dinâmica, quando a Kizzy Terra também passou a produzir conteúdo comigo. Planejamos esse novo momento do canal com muito cuidado e entusiasmo, durante um curso de produção audiovisual para YouTube, com a maravilhosa professora Emy Lobo.

Comunidade amplifica o aprendizado

Lembro de conversarmos sobre ter uma linha editorial focada na cobertura de eventos para desenvolvedores e de como seria incrível um dia sermos convidados para a #GoogleIO.

Pois bem… #dreamscometrue ✨

Sete anos depois, estamos em Mountain View, a convite do Google, participando do seu maior evento anual. A experiência tem sido incrível e, com certeza, teremos muito conteúdo no canal para apresentar, discutir e digerir todas as novidades — além de compartilhar um pouco da experiência de realizar esse antigo sonho. Aliás, o vídeo sobre as nossas primeiras impressões, gravado diretamente do Google Plex, já está disponível no canal:

Um agradecimento especial à Paola Ewald, Vanessa Camargo, MSc, Leonardo Reis Longo e Silvia Borges, pela idealização, construção e acolhimento na #GoogleAICommunity, que nos proporcionou, inclusive, uma experiência diferenciada na conferência como Builders. Agradeço também a Gabriela Bispo, nossa queridíssima gerente de parcerias do YouTube ❤️!

Crime ficou mais fácil com Inteligência Artificial?

pgdinamica@brunch.ag (Hallison Paz) — Sun, 15 Mar 2026 12:00:00 +0000

“Precisamos investir mais em IA!”
— Para curar o câncer, certo?
😶…
— Estamos tentando descobrir a cura para o câncer… certo?

É inegável que a inteligência artificial, enquanto arcabouço de tecnologias que nos permite analisar imagens, textos, áudios, estruturas de proteínas e tantas outras formas de dados não estruturados — além de reproduzir padrões estatísticos desses dados — tem trazido benefícios importantes para a sociedade.

Por outro lado, as discussões sobre os riscos e o lado sombrio da IA ainda vêm sendo tratadas de forma muito superficial no debate público. Isso contribui para uma narrativa segundo a qual, independentemente de tudo, os benefícios sempre serão maiores e, portanto, justificariam quaisquer problemas relacionados a essa tecnologia.

Em nosso canal no YouTube (Programação Dinâmica), acabamos de publicar um corte do podcast Ponto Flutuante, que aborda uma dessas possibilidades sombrias: como a IA vem sendo utilizada por criminosos contra mulheres e até mesmo crianças. Confira:

🥰 Se você acha o nosso trabalho relevante, por favor, considere apoiar o nosso canal como membro para que possamos continuar trabalhando nisso que tanto amamos.

Como desbloquear o potencial do LinkedIn para sua carreira?

pgdinamica@brunch.ag (Kizzy Terra) — Sat, 21 Oct 2023 12:00:00 +0000

Guerra, marketing, educação, paquera, inteligência artificial, metaverso maternidade… por ser uma rede social, o Linkedin dispõe de todo tipo de assunto que nos afeta enquanto seres humanos. Nada disso, porém, muda o potencial desta rede de encontrar e gerar oportunidades profissionais!

Se você deseja aprender a otimizar o seu perfil do Linkedin para atrair recrutadores e expandir sua rede de contatos de maneira estratégica, o workshop LinkedIn na Prática é exatamente o que você precisa! Neste workshop, eu vou analisar o seu perfil e te mostrar como:

Configurar seu LinkedIn profissionalmente.
Otimizar seu perfil para ser encontrado por empresas e recrutadores.
Usar o LinkedIn no dia-a-dia para ampliar suas conexões.

No dia 28 de outubro, das 14h às 18h, vamos nos reunir no Zoom para aprimorar a sua marca pessoal e transformar o seu futuro profissional. Por ser um encontro síncrono e prático em que iremos analisar, juntos, o perfil de todos os participantes, as vagas são limitadas!

Garanta a sua vaga inscrevendo-se no site a seguir:

Workshop Linkedin na Prática

📅 Data: 28 de Outubro de 2023

🕒 Horário: 14h às 18h

⏳ Duração: 4 horas

Enquanto o workshop não chega, que tal pegar umas dicas valiosas e gratuitas na playlist Otimizando o LinkedIn dos inscritos?

https://www.youtube.com/playlist?list=PL5TJqBvpXQv5bETuXFvgkLJeH8ZGvl-Ze&si=HWNzw9GCq5ztq3fY

A habilidade essencial para analistas e cientistas de dados

pgdinamica@brunch.ag (Kizzy Terra) — Fri, 22 Sep 2023 12:00:00 +0000

Não importa quanto de estatística você saiba, quantos modelos de aprendizado de máquina tenha estudado ou qual sejam a acurácia, precisão e recall que tenha alcançado em seu projeto de modelagem. Se não souber comunicar os resultados que gerou e as informações que extraiu a partir dos dados, todo o trabalho anterior será desvalorizado. Por isso, comunicação e visualização de dados são essenciais para profissionais analistas e cientistas de dados.

Visualizações de dados bem construídas facilitam a exposição de ideias de maneira clara e persuasiva, e ajudam na tomada de decisões embasadas. Elas fornecem uma visão acessível das informações cruciais, permitindo que as decisões sejam baseadas em evidências concretas em vez de suposições ou palpites.

Auxiliar na tomada de decisão informada é uma parte crítica do trabalho de analistas e cientistas de dados, e boas visualizações de dados facilitam isso.

A visualização de dados desempenha um papel crítico em todas as fases do ciclo de vida dos dados, desde a exploração inicial até a comunicação de resultados e insights. Por essa razão, essa habilidade ajuda analistas e cientistas de dados a extrair valor dos dados, dando suporte aos tomadores de decisão que normalmente atuam nas áreas de negócio e produto da empresa.

Fato curioso: Foi construindo meu primeiro projeto de visualização de dados que eu me encantei com a área de dados e posteriormente, me tornei uma cientista de dados. Você pode conhecer essa história nesse vídeo:

Em nosso canal no Youtube, temos vídeos bastante práticos que podem te ajudar a aprimorar as suas visualizações de dados, independentemente se você sabe já sabe programar ou não.

🌟 Quer praticar visualização de dados mas ainda não domina a programação?

Se você é iniciante na programação, comece pelos vídeos em que utilizamos Flourish, uma ferramenta online e fácil de usar para construir gráficos e apresentações. Com essa ferramenta você consegue criar narrativas a partir dos dados sem precisar escrever nenhuma linha de código.

Você também vai gostar de saber mais sobre Tableau e Power BI que são as duas ferramentas mais utilizadas no mercado para construção de dashboards e relatórios.

✅ Ainda precisa aprender a programar? Aprenda Python do Jeito Certo e desenvolva uma base fundamental para se tornar capaz de pensar e criar soluções para problemas escrevendo código: https://vai.pgdinamica.com/pjc-eda

🌟 Quer praticar visualização de dados com Python?

Se você quer aprimorar sua habilidade de fazer gráficos com Python sugerimos que você comece pelo vídeo de introdução ao Matplotlib - principalmente se você já tentou entender esse pacote e acabou desistindo por achar muito complicado!

Mas além do Matplotlib, nós também utilizamos Pandas e Plotly para extrair insights de dados por meio de boas visualizações de dados de eleições brasileiras e pesquisas eleitorais. Esses vídeos podem inclusive servir de inspiração para que você crie seus próprios projetos a partir destes mesmos dados.

A ferramenta é o menos importante, apenas pratique.

Boas visualizações de dados nos ajudam a perceber mais facilmente padrões, correlações e anomalias nos dados. A codificação visual dos dados torna mais evidente aspectos que passam despercebidos quando olhamos os dados no formato de tabelas e planilhas. Por isso, se você trabalha ou quer trabalhar com dados e ainda não domina completamente essa habilidade considere dedicar um tempo de estudos para se aprimorar nesse quesito.

Assista a playlist completa dos vídeos de visualização de dados: https://www.youtube.com/playlist?list=PL5TJqBvpXQv5o-D4PWETV27ch3CV4Vzi4

🥰 Se você gosta do nosso trabalho e acha relevante a nossa atuação no Youtube, considere nos apoiar se tornando membro do canal.

Curso TI do Zero ao PRO da EBAC ou MBA em Ciência de Dados?

pgdinamica@brunch.ag (Kizzy Terra) — Wed, 19 Jul 2023 12:00:00 +0000

Recentemente, publicamos um vídeo apresentando critérios práticos para escolher um curso de Ciência de Dados. No vídeo, aplicamos os critérios para analisar o curso TI Zero ao Pro da EBAC, com foco na segunda fase do curso para quem deseja seguir a carreira de cientista de dados.

Dois comentários chamaram atenção pois comparavam o curso apresentado com um MBA na área de dados. A Hosana, perguntou nossa opinião:

"(…) estou na duvida se faço um curso introdutorio como esse da EBAC ou se um MBA na área ja ajuda. O que vc acha?"

Já o Leonardo, concluiu de pronto que preferia o MBA em Ciência de Dados da USP considerando o valor do Curso TI do Zero ao Pro da EBAC. Embora ele não tenha deixado explícito, para chegar a essa conclusão, ele precisou comparar aspectos dos dois cursos.

Quem sabe para o Leonardo a autoridade de uma universidade como a USP se sobreponha a outros aspectos? Não temos como saber, mas podemos aproveitar a oportunidade para responder esses comentários por meio de uma análise prática — baseada emcritérios objetivos — entre o MBA em ciência de dados da USP e o curso TI do Zero ao Pro da EBAC (considerando a escolha da especialidade em Ciência de Dados).

Comparando cursos: Curso TI do Zero ao Pro da EBAC vs. MBA em Ciência de Dados da USP

Curso TI do Zero ao Pro da EBAC vs. MBA em Ciência de Dados da USP

Seguiremos a ordem dos critérios apresentados no vídeo e para cada um deles analisaremos os dois cursos que desejamos comparar.

Critério 1: Currículo do Curso

1.1 - Currículo do Curso TI do Zero ao Pro (Cientista de Dados)

Fase 1: TI do Zero ao Pro

Parte 1 — Pensamento Computacional

— Lógica em Linguagem C
— Aplique Pensamento Computacional em programas
— Crie ferramentas de lógica em desenvolvimento
— Use Variáveis e operadores em seus códigos
— 2 aulas ao vivo de Pensamento Computacional e Programação C

Parte 2 — Codificando seu projeto

— Desenvolvimento de tela com Front-End
— Desenvolvimento de lógica com Back-End
— Rastreio e análise com SQL
— Use ferramentas de teste para a Quality Assurance do seu projeto
— 3 aulas ao vivo de Desenvolvimento Full-stack, Análise de Dados e QA

Fase 2: Cientista de Dados

Módulo 1 — Perspectivas de Carreira
Módulo 2 — Metodologia
Módulo 3 — Elementos básicos de Python e Numpy
Módulo 4 — Introdução ao Pandas e carga de dados
Módulo 5 — Limpeza e preparação de dados
Módulo 6 — Descritiva I
Módulo 7 — Árvores I
Módulo 8 — Git / GitHub — Controle de versionamento
Módulo 9— TdD III — Agregações e operações em grupos
Módulo 10 — Descritiva II — Análise descritiva para resposta contínua
Módulo 11 — Árvores II (Parte I: árvore de regressão)
Módulo 12 — Regressão I
Módulo 13 — Regressão II
Module 14 — Scripting
Module 15 — Streamlit I
Module 16 — TdD IV — Pandas avançado
Module 17 — Árvores II (Parte II: árvore de classificação)
Module 18 — Regressão Logística I
Module 19 — Streamlit II
Module 20 — Markdown / Terminal
Module 21 — TdD V — SQL
Module 22 — Descritiva III — Gráficos interativos
Module 23 — Combinação de modelos I
Module 24 — Combinação de modelos II
Module 25 — Cálculo
Module 26 — Algelin
Module 27 — PCA
Module 28 — Streamlit III, IV
Module 29 — K-means
Module 30 — Hierárquicos / aglomerativos
Module 31 — Streamlit V
Module 32 — Probabilidade
Module 33 — Inferência
Module 34 — Regressão III
Module 35 — Regressão IV
Module 36 — Descritiva IV — Visualização de dados categorizados
Module 37 — Regressão Logística II
Module 38 — Streamlit VI e Pycaret
Bônus: SQL para Análise de Dados

1.2- Currículo do MBA em Ciência de Dados ESALQ/USP

Metodologia de ensino aplicável

A metodologia do curso está fundamentada na interação entre teoria e prática, com o objetivo de desenvolver nos alunos o pensamento crítico e habilitar a busca por soluções, tanto nas atividades atuais quanto futuras, construindo o conhecimento para encarar desafios ao longo da carreira profissional.

Programa do curso

INTRODUTÓRIO

Fundamentos da Estatística
Introdução ao Software R e Introdução ao Machine Learning

DATA SCIENCE E BIG DATA NO AMBIENTE DE NEGÓCIOS

Metodologias Ágeis
Business Intelligence e Data Visualization
Engenharia de Dados
Social Network Analysis
Cloud Computing
Modelagem Matemática e Estruturação de Problemas Complexos
Análise da Conjuntura Econômica em Cenários de Tecnologias Disruptivas
Analytics e Gestão de Riscos
Legislação no Ambiente Digital
Introdução ao Python
Tópicos Especiais em Tecnologia de Negócios

MODELOS SUPERVISIONADOS E NÃO SUPERVISIONADOS DE MACHINE LEARNING

Unsupervised Machine Learning: Clustering
Unsupervised Machine Learning: Análise Fatorial e PCA
Unsupervised Machine Learning: Análise de Correspondência Simples e Múltipla
Unsupervised Machine Learning: Exercícios Aplicados
Supervised Machine Learning: Análise de Regressão Simples e Múltipla
Supervised Machine Learning: Modelos Logísticos Binários e Multinomiais
Supervised Machine Learning: Modelos para Dados de Contagem
Supervised Machine Learning: Modelagem Multinível
Séries Temporais
Big Data e Deployment de Modelos

TENDÊNCIAS EM DATA SCIENCE E ANALYTICS

Data Wrangling
Análise Estatística Espacial
Árvores, redes e Ensemble models
Introdução ao Deep Learning
Deep Learning
Coleta de Dados: Crawlers e Web Scraping
Text Mining e Sentiment Analysis
Pesquisa Operacional e Modelos de Otimização e Simulação
Gestão da Mudança na Era Digital

1.3-Análise comparativa

A análise dos currículos evidencia que os dois cursos são voltados para públicos diferentes. Ambos, contemplam fundamentos de estatística, introdução ao python, análise de dados, aprendizado de máquina supervisionado e não-supervisionado.

Curso TI do Zero ao Pro contempla mais conteúdos sobre visualização de dados (streamlit, matplotlib, seaborn), fundamentos de matemática (Álgebra Linear e Cálculo) e um curso bônus de SQL.

Por ser um curso de MBA, o curso da USP é aplicado a negócios, possuindo módulos de gestão e, até mesmo, legislação no ambiente digital. Além disso, estão incluídos no programa do curso metodologias ágeis, mineração de textos e aprendizagem profunda.

Critério 2: Instrutores

A avaliação dos instrutores contempla um caráter subjetivo, de identificação com os professores e suas trajetórias profissionais, mas há também critérios objetivos que podem ser analisados, visto que aciência de dados é um campo teórico e prático, identificar se os instrutores possuem experiência e didática para ensinar o que sabem é fundamental.

Nesse critério, deixo o dever de casa para você. Recomendo que vá ao Linkdein e procure pelos professores para analisar o perfil deles. Você pode encontrar quem são os intrutores nos respectivos sites dos cursos.

Critério 3: Formato do Curso

No Curso TI do Zero ao Pro você tem acesso a aulas gravadas, e conta também com aulas ao vivo para tirar dúvidas sobre os módulos (há um cronograma no curso indicando quando aos aulas irão acontecer, sendo assim o curso é majoritarimente online e assíncrono

No MBA em Ciência de Dados da USP as aulas são ao vivo, portanto o formato é online e síncrono (consta no site que as aulas são gravadas e podem ser acessadas durante o período do curso).

A escolha pelo formato é pessoal e deve ser determinada pela melhor forma de aprendizagem, ou seja, você deveria escolher um curso cujo formato melhor se adequa a sua forma de aprender.

Critério 4: Revisões e Avaliações

A melhor maneira de obter avaliações sobre os cursos é procurando por ex-alunos que possam te dar a opinião deles. Se você conseguir conversar e pedir detalhes, ajudará bastante a entender se o curso funcionará para você. O Nando, por exemplol, deixou esse comentário no canal, mas não temos como deduzir, com tão pouca informação, o porquê ele acho o curso ruim. O curso não necessariamente é ruim em si, ele pode apenas não ter atendido às necessidades (ou expectativas) dele.

Sugiro então que você vá ao LinkedIn e procure por pessoas que tenham feito os cursos e pergunte a elas se poderiam te dar mais informações sobre a experiência delas.

Critério 5: Suporte ao Estudante

Ambos cursos se propõe a oferecer suporte. A EBAC menciona que o aluno recebe uma tutoria individual.

Já no MBA, a informação disponibilizada é que tem um padrinho ou madrinha para ajudá-lo durante o curso.

Critério 6: Projetos Práticos

Ambos os cursos propões projetos práticos e exercícios para que os alunos apliquem as habilidades que estão aprendendo. Como não tive acesso ao material do MBA da ESALQ/USP, não posso avaliar a qualidade ou a quantidade de projetos. No caso do curso da EBAC, como mostrei em vídeo, há uma grande quantidade de atividades práticas. Incluindo atividades em propostas em parcerias com empresas.

Critério 7: Conexão com mercado de trabalho

Neste tópico, o Curso TI do Zero ao Pro da EBAC se diferencia, eles oferecem ajuda na preparação de portfolio, criação de plano de carreira, preparação para entrevistam, entre outros (confira os detalhes no site do curso).

No site do MBA da USP não há nenhuma menção em relação à isso, mas pode ser que o contato com os professores em aulas síncronas facilite algum tipo de networking, mas preciso dizer que isso é mera especulação visto que não tenho nenhuma evidência a respeito.

Critério 8: Certificação

Em termos de certificado, não podemos ignorar que um diploma emitido pela USP (e credenciado pelo MEC) tem peso e autoridade no mercado de trabalho e na academia. Ainda que um MBA se diferencie de cursos de mestrado e doutorado que são os mais valorizados em instituições de ensino renomadas. Quando comparamos uma formacão livre como a da EBAC e uma formação de uma escola da USP, a última sim poderá receber maior reconhecimento.

Se o seu foco, no entanto, estiver direcionado ao mercado de trabalho, principalmente em empresas que valorizam mais a capacidade de resolver problemas do que títulos, então escolher a EBAC pode ser a melhor opção.

Critério 9: Custo-Benefício

Em termos de valores os cursos tem investimentos da mesma ordem de grandeza, para uma duração também semelhante, pois ambos duram aproximadamente 18 meses (por isso mesmo geraram essa comparação, ainda que tenham focos distintos). Para avaliar o custo-benefício devemos levar em conta os nossos objetivos e o valor que o curso irá agregar à nossa carreira. Utilize os outros critérios discutidos acima para isso!

Atualização: em 16 de novembro, postamos um vídeo respondendo algumas dúvidas que podem te interessar.

SQL é importante para analistas de negócios?

pgdinamica@brunch.ag (Kizzy Terra) — Tue, 07 Mar 2023 12:00:00 +0000

Marcela está no início de sua carreira como analista de negócios. Até agora, teve a oportunidade de trabalhar em três projetos com grandes empresas que lhe renderam destaque por sua capacidade de gerar valor utilizando suas habilidades analíticas sob pressão.

Aos olhos dos outros, está construindo uma carreria de dar inveja em uma multinacional. Mas ela sabe que tem um ponto fraco, não sabe extrair informações de grandes volumes de dados. Domina o Excel, mas foge dos bancos de dados. Nos projetos em que participou ela compensou essa deficiência contribuindo para o seu time de outras maneiras, mas ela sabe que procrastinar esse aprendizado por muito tempo pode lhe custar caro no futuro próximo.

A maioria dos clientes com que ela trabalha já passaram por transformação digital, prezam pela governança de dados e armazenam seus dados em bancos de dados relacionais. Antenada no mercado de trabalho, ela fez uma busca por vagas e viu que as empresas concorrentes em que poderia trabalhar estão requerendo profissionais que dominam SQL para extrair informações de dados.

Marcela está no seu dia de sorte, pois o Programação Dinâmica abriu a pré-venda do curso de SQL para Análise de Dados 2.0. Ela já conhecia os vídeos do curso, mas se sentia desestimulada em assisti-los sozinha e não ter a possibilidade de tirar dúvidas. Ela ficou radiante em saber que a nova versão do curso contará com encontros ao vivo aos final dos módulos e tem certeza que chegou a sua hora de aprender SQL e continuar se diferenciando no mercado de trabalho.

🔥 Aproveite a pré-venda do Curso de SQL para Análise de Dados 2.0 até o dia 12 de março de 2023.

SQL para Análise de Dados 2.0 - Programação Dinâmica | Hotmart

Quanto ganha um CIENTISTA de DADOS?

pgdinamica@brunch.ag (Kizzy Terra) — Thu, 07 Apr 2022 12:00:00 +0000

Pesquisa sobre mercado de dados no Brasil

Precisa de faculdade para trabalhar com dados? Quanto ganha um analista de dados? Quanto ganha um cientista de dados? Quanto ganha um engenheiro de dados? Essas certamente estão entre as perguntas que mais recebemos sobre o mercado de dados e finalmente elas podem ser respondidas a partir dos resultados do raio-x dos profissionais de dados realizado em 2021 pela comunidade Data Hackers. Se você abriu esse texto porque quer uma resposta imediata para essas perguntas, o gráfico a seguir, provavelmente, responde a maior parte das suas dúvidas.

Fonte: Relatório State of Data 2021

Mas se você está curioso para saber mais sobre esse e outros resultados da pesquisa, assista a discussão completa no vídeo abaixo em que eu compartilhei as impressões delas sobre o resultados.

Sobre a pesquisa State of Data 2021:

A pesquisa State of Data 2021 foi o resultado de um esforço conjunto da Data Hackers, a maior comunidade de dados do Brasil, e da Bain & Company, consultoria global que ajuda empresas e organizações a promover mudanças que definam o futuro dos negócios, para mapear o mercado de trabalho de dados no Brasil.

A pesquisa foi realizada entre 18 de outubro de 2021 e 6 de dezembro de 2021 e reuniu indicadores relacionados a perfil demográfico, formação, atuação no setor, remuneração, rotatividade e fatores de satisfação no ambiente de trabalho, incluindo o impacto do trabalho remoto nas preferências profissionais de 2.645 respondentes de todo o Brasil.

A amostra reflete a visão de variados papéis de atuação em empresas, como os de analista de dados, cientista de dados e engenheiro de dados, bem como diferentes perfis de experiência profissional, incluindo analistas júnior, pleno, sênior e gestores. Confira o relatório completo da pesquisa State of Data 2021:

State of Data Brazil - A maior pesquisa sobre a área de dados

Faça parte da comunidade Data Hackers: https://datahackers.com.br/

🔥 Ainda precisa aprender a programar? Aprenda Python do Jeito Certo e desenvolva uma base fundamental para se tornar capaz de pensar e criar soluções para problemas escrevendo código: https://vai.pgdinamica.com/pjc-dados

Você também vai gostar de assistir esses vídeos do canal:

— O que REALMENTE faz um CIENTISTA DE DADOS?: https://youtu.be/ZQUwSX3Sk4Y

— Como criar um PLANO DE ESTUDOS para se tornar um CIENTISTA DE DADOS?: https://youtu.be/o8NpsLSkKUo

— CRESCIMENTO das vagas de CIENTISTA DE DADOS é modinha?: https://youtu.be/WI64xflIxJQ

— O que VOCÊ precisa saber para TRABALHAR COM DADOS + Cientista de Dados vs. Engenheiro de Dados: https://youtu.be/i97uq6AsB5o

— Etapas da ANÁLISE de DADOS na visão de uma CIENTISTA de DADOS: https://youtu.be/cSEVa6TzAy0

— O que um CIENTISTA DE DADOS JUNIOR precisa saber? Cientista de Dados Responde: https://youtu.be/HuHqwz7527c

— 5 projetos para um portfólio de CIENTISTA DE DADOS Iniciante: https://youtu.be/a0nY4BQzxjA

— O que eu faria se COMEÇASSE DO ZERO hoje na CIÊNCIA DE DADOS | Cientista de Dados Responde https://youtu.be/5hCCDdzurhA

O que é um Banco de Dados?

pgdinamica@brunch.ag (Kizzy Terra) — Sat, 25 Dec 2021 12:00:00 +0000

No mundo altamente digitalizado em que vivemos: tudo vira dado. E esses dados, em sua maioria, são armazenados para que a gente, como usuário final possa consultar ou para que os cientistas de dados possam utiliza-los para aprimorar os serviços que usamos, preferencialmente com nosso consentimento! Nesse contexto, é bem provável que você já tenha se pergunta para onde vão todos esses dados…para os bancos de dados. Mas o que é exatamente um banco de dados? Por que precisamos deles para armazenar dados? O que é um Sistema de Gerenciamento de Banco de Dados (SGBD)? Qual a diferença entre banco de dados SQL e NoSQL? Qual a diferença entre banco de dados Relacional e Não-Relacional?

Bancos de dados são coleções organizadas de dados que se relacionam de forma a criar algum sentido e dar mais eficiência durante uma pesquisa ou estudo científico.

Portanto, não são arquivos guardados de forma aleatória, esse arquivamento pressupõe uma lógica. Mas não basta organizar os dados, a gente precisa de uma forma de gerenciar isso. Adicionar novos dados, remover dados antigos, atualizar dados existentes, deletar dados que não servem mais. Para isso existem softwares que auxiliam nessa gestão dos dados: os sistemas de gerenciamentos de bancos de dados, os SGBDs.

Confira a íntegra do conteúdo no vídeo a seguir:

Você também vai gostar de assistir:

O QUE É uma LINGUAGEM de Programação? | Computação para Curiosos https://youtu.be/yT22ylhonfs
O que é Visão Computacional? https://youtu.be/RSkbjZZb-1c
O que eu faria se COMEÇASSE DO ZERO hoje na CIÊNCIA DE DADOS | Cientista de Dados Responde https://youtu.be/5hCCDdzurhA
Playlist Computação para Curiosos: https://www.youtube.com/watch?v=yT22ylhonfs&list=PL5TJqBvpXQv6V0iF4fMUNzRG6dcJ5xSSO

CRAWLER #02 — Horizon Workrooms, Tesla Bot, LGPD, Jupyter no VSCode, SIGGRAPH e Muito Mais

pgdinamica@brunch.ag (Kizzy Terra) — Mon, 30 Aug 2021 12:00:00 +0000

No mês de agosto, tivemos muitas novidades no cenário de ciência e tecnologia relacionadas a programação, ciência de dados e inteligência artificial. Como de praxe, no último sábado do mês fazemos o CRAWLER, um programa ao vivo em que comentamos e compartilhamos nossas perspectivas acerca dos acontecimentos que achamos mais relevantes ao longo do mês e também de oportunidades vindouras que vocês poderão aproveitar.

Este programa possui quadros de notícias destaques, pesquisas, lançamentos de livros e ferramentas, eventos, oportunidades, novidades do Programação Dinâmica… e, claro, uma seção final dedicada a conversar e tirar dúvidas de quem nos acompanha ao vivo!

Confira abaixo todos os links dos assuntos comentados na segunda edição do CRAWLER e mais alguns bônus que deixamos de fora do programa ao vivo.

#Destaques — Notícias

Google oficializa Pixel 6 e 6 Pro com chip Tensor, câmera com zoom de 4x e mais. Como será a competição de smartphones quando a Google começar a produzir hardware otimizado para o Android?

Google oficializa Pixel 6 e 6 Pro com chip Tensor, câmera com zoom de 4x e mais

Multas da LGPD começam a valer em agosto!

Privacidade de dados é um assunto muito importante. Já abordamos isto em vídeo lá no canal e, neste mês de agosto, reforçamos que as multas da Lei Geral de Proteção de Dados (LGPD) entraram em vigor. As empresas de tecnologia (ou não 😬) brasileiras estão preparadas para lidar com as sanções da LGPD?

Multas da LGPD entram em vigor em agosto; saiba como vai funcionar - Link - Estadão

Será que a Tesla está blefando?

Estamos caminhando para um cenário “Detroit Become Human” após o anúncio do Tesla Bot? o.O

Caso queira se aprofundar neste tema, recomendamos este vídeo do Canal Peixe Babel!

VSCODE no Github

Agora, você pode abrir e editar códigos do Github em uma interface web do Visual Studio Code (VSCode) apenas digitando "." (a tecla ponto) em um repositório! Veja o post do professor Otávio Lemos sobre o assunto e teste você mesmo(a) 🤯

Otavio Lemos on LinkedIn: #vscode #GitHub | 30 comments

Notícia Bônus!

Millions of Web Camera and Baby Monitor Feeds Are Exposed

#Pesquisas

Stack Overflow Developer Survey 2021

Uma fonte rica de dados para te ajudar a tomar decisões de carreira e, claro, te inspirar a projetos de análise e visualização de dados!

Stack Overflow Developer Survey 2021

A Survey of Race, Racism, and Anti-Racism in NLP

Hoje em dia, devido a trabalhos pioneiros de pesquisadoras como Joy Buolamwini e Timnit Gebru existe uma certa consciência, quanto aos viés racial de tecnologias da computação visual, tais como o reconhecimento facial. Mas e sobre o racismo embutido na comunicação verbal da sociedade? Um recente artigo científico com pesquisadores das Universidades de Washington, Sheffield, e Carnegie Mellon, além da empresa Microsoft, se propôs a realizar um survey de 79 trabalhos nesta área!

A Survey of Race, Racism, and Anti-Racism in NLP

#Lançamentos — ferramentas, pacotes e/ou livros

Será que conseguiremos recriar a reunião do Conselho Jedi com o Horizon Workrooms da Oculus (Facebook)?

Introducing Horizon Workrooms: Remote Collaboration Reimagined - About Facebook

Atualização do VSCode

Para os amantes de Julia, Python e R, uma grande novidade! O VSCode agora tem suporte nativo a Jupyter Notebooks. Já pode abrir seus arquivos .ipynb sem instalar o pacote Jupyter da sua linguagem de trabalho. Além disso, há melhorias de interface para exibição das células e a experiência de desfazer/refazer em cada célula.

Para Julia:

Para Python:

Visual Studio Code July 2021

The ISLR 2nd edition is out!

Tá afim de aprender a teoria por trás de vários modelos que potencializam aplicações de machine learning? Saiu a segunda edição do livro An Introduction to Statistical Learning, que está disponível gratuitamente para download no site oficial do livro.

An Introduction to Statistical Learning

#Eventos

A SIGGRAPH, principal conferência de computação gráfica do mundo, aconteceu neste mês trazendo o estado da arte da computação gráfica. O laboratório Visgraf, laboratório de Visão e Computação Gráfica do Instituto Nacional de Matemática Pura e Aplicada (IMPA), onde o Hallison faz doutorado, foi o primeiro grupo de pesquisa brasileiro a ter um trabalho aceito na SIGGRAPH! O IMPA fez uma reportagem em seu site sobre a consolidação do Visgraf na conferência, com vários trabalhos de ex-alunos sendo apresentados.

Visgraf se consolida na principal conferência de computação

Também em agosto, tivemos uma edição da The Developer's Conference (TDC).

The Developer's Conference 2021 | #TheDevConf

Em setembro, haverá o Programaria Summit, com a participação da Kizzy e outras convidadões especiais como…Timnit Gebru 😱! Confira mais informações no link.

PrograMaria Summit 2021 - PrograMaria

#Papiro — Indicação de livros, materiais, sites, documentários, cursos…

— Ferramentas:

Anderson L. Amaral on LinkedIn: #python #mitosheet #pythonlibs | 35 comments

— (Bônus) Artigos:

Leituras que podem ser interessante para você que se interessa por discussões sobre machine learning na sociedade, em especial, processamento de linguagem natural.

— Séries:

Mr. ROBOT (Disponível no Prime Video)

#Oportunidades

— Cursos:

Análise de dados educacionais: aplicando evidências na gestão pública

Estão abertas as inscrições para o curso gratuito “Análise de dados educacionais: aplicando evidências na gestão pública”, realizado pela Escola de Dados, com apoio da Fundação Lehmann e do Portal Iede. Serão oferecidas 320 bolsas para pessoas que atuam com políticas educacionais na administração pública de estados ou municípios. O curso será iniciado em 24 setembro e terá duração de 6 semanas. Veja mais informações e realize sua inscrição neste link.

Vem aí, a Imersão DEV da Alura! Você não vai querer perder, né?

Imersão Dev | Aprenda a programar de graça | Alura

– Vagas

Confira as oportunidades em aberto na Hotmart!
Vaga para Engenheira(o) de Dados na PlenaAI

O que rolou no Programação Dinâmica?

Destacamos um quadro novo em que a Kizzy analisa o perfil no LinkedIn de inscritos do canal e dá dicas de como otimizá-lo para chamar a atenção de recrutadores. Dicas valiosíssimas e muito bem recepcionadas pela comunidade!

Também tivemos a Saga do Braço Robótico Articulado! Uma série de lives em que o Hallison construiu, do zero, uma simulação 2D de braço robótico articulado. Excelente oportunidade para aprender na prática conceitos como matrizes, sistemas de coordenas e transformações lineares — de uma forma que você nunca viu antes!

– Veja, abaixo os demais vídeos do período:

Projeto Mentoria

Se você deseja ingressar no mercado de ciência de dados ou se tornar proficiente em machine learning para aplicações como visão computacional ou processamento de linguagem natural, então é melhor prestar atenção neste trecho final do vídeo do CRAWLER! #fikdik

#Memes

Você também pode contribuir!

Envie sugestões de destaques do mês para a próxima edição do Crawler pelo Twitter ou Linkedin marcando o Programação Dinâmica.

Crawler #01 — Privacidade de dados, JuliaCon, Curso de NLP, Colóquio de Matemática e muito mais

pgdinamica@brunch.ag (Kizzy Terra) — Sun, 01 Aug 2021 12:00:00 +0000

Nossos destaques na ciência e tecnologia em julho de 2021

Ontem foi o último sábado do mês de julho e o primeiro episódio do nosso novo quadro no Youtube: C R A W L E R! No contexto de desenvolvimento de software, um crawler é um programa que percorrer uma rede de conexões de dados para realizar alguma ação. Por exemplo, motores de busca como o Google usam um crawler para percorrer os sites na internet, explorando suas conexões a partir dos links, e usam a informação coletada para indexá-los nas buscas.

Decidimos criar o Crawler como um programa ao vivo no último sábado de cada mês, em que discorremos sobre assuntos relevantes sobre programação, ciência de dados e inteligência artificial, que não pudemos abordar em vídeo ao longo do mês. Assim, podemos trazer tópicos atualizados para que vocês saibam o que está acontecendo na comunidade e também contribuir com dicas e opiniões a partir de nossas experiências.

O programa é divido em alguns quadros como destaques, pesquisas, eventos, papiro… e, claro, uma seção final dedicada a conversar e tirar dúvidas de quem nos acompanha ao vivo. Neste artigo, compilamos todos os links mencionados para que você possa buscar mais informações a respeito de algum conteúdo do seu interesse. Confira tudo abaixo!

#Destaques — Notícias

Privacidade de dados

Mudanças quanto às permissões de privacidade no iOS14 impactam os anúncios no Facebook. Bloomberg

Twitter se recusa a enviar dados de usuários à CPI da Covid-19 - Gizmodo Brasil

Python dispara em popularidade e está na briga pela 1ª posição.

Python está bem perto de virar a linguagem de programação mais popular

Falamos sobre quantas linguagens de programação você deveria aprender em um texto aqui no blog. Acreditamos que o conteúdo possa te ajudar a interpretar melhor este tipo de notícia.

Na newsletter do Filipe Deschamps, descobrimos o aplicativo Moises que tem sido usado por músicos e produtores musicais. Recomendamos que visite o repositório do projeto Spleeter do Deezer, reflita sobre o impacto de projetos open source no mundo e, claro, se inscreva na newsletter do Filipe Deschamps.

#Pesquisas

Search Atlas — https://www.wired.com/story/tool-shows-google-results-vary-world/ https://searchatlas.org/ https://dl.acm.org/doi/pdf/10.1145/3461778.3462032

Katherine Ye on Twitter: "Search engine results come from complex struggles between the state, corporations, and academia. pic.twitter.com/5SRw2cvVpk / Twitter"

Search engine results come from complex struggles between the state, corporations, and academia. pic.twitter.com/5SRw2cvVpk

#Lançamentos — ferramentas, pacotes e/ou livros

Espaço! Para além da corrida espacial dos bilionários, que lançaram foguetes em julho, lembramos que já abordamos a relação entre exploração espacial e tecnologias de software em uma conversa com Ricardo Freire, engenheiro aeroespacial e criador do canal Um Pequeno Passo, que nos contou sobre Python no espaço.

O Github Copilot, uma ferramenta de inteligência artificial para auxiliar na escrita de código entrou em techinical preview . Se quiser ver o copilot em ação, sugerimos este vídeo do canal Código Fonte TV.
A versão audiobook do livro Algoritmos de destruição em massa entrou no catálogo do Storytel.

#Eventos

Colóquio Brasileiro de Matemática. Destacamos o curso de Visualização intrínseca das geometrias de Thurston, ministrado por pesquisadores do laboratório Visgraf, do qual o Hallison faz parte.

33o Colóquio Brasileiro de Matemática

JuliaCon 2021

Agenda | JuliaCon 2021

CVPR 2021 (conferência de pesquisas sobre visão computacional). Post sobre o vencedor de melhor paper.

Home | CVPR 2021

#Papiro — Indicação de livros, materiais, sites, documentários, cursos…

Recomendações de estudo do Hallison

Tem interesse pela linguagem Julia? Que tal acompanhar o Júlio Hoffimann? Júlio é pesquisador em pós doutorado no IMPA, onde deu um minicurso de introdução à linguagem Julia este mês. Membro ativo da comunidade, pode ser uma referência para os seus estudos.

Introdução ao pensamento computacional. Curso do MIT em Julia.

Introduction to Computational Thinking

Recomendações da Kizzy

Livro Algoritmos de destruição em massa:

Algoritmos de Destruição em Massa

Visualizações de dados:

SPOTLIGHT: How Racially Diverse Are The Oscars, Really? - Nightingale

Animações no Matplotlib:

GitHub - jwkvam/celluloid: Matplotlib animations made easy

Recomendações Adicionais

Na seção de dúvidas e interação com a comunidade, houve perguntas sobre recomendações de livros e materiais para estudar estruturas de dados, algoritmos e a base matemática de machine learning. Acrescentamos aqui as recomendações:

Estrutura de dados e Algoritmos

Estruturas de dados e seus algoritmos (edição que eu tenho).
Algoritmos do Papdimitriou.

Lembrando que há um vídeo dedicado a por que e como estudar algoritmos e estruturas de dados, inclusive, com mais recomendações.

Machine Learning

#Oportunidades

Curso de Processamento de Linguagem Natural da USP

USP oferece curso gratuito de Python para Processamento de Linguagem Natural

Iniciativa LivUp Mães

Mães Engenheiras de Software Sr | Part-time - Liv Up

O Luiza visa promover mais diversidade nas nossas áreas técnicas e levar mais igualdade de oportunidades, por isso, 50% dessas vagas serão exclusivas para a seleção de mulheres autodeclaradas negras.


Luizalabs on LinkedIn: #mulheres #programação #luizacode | 51 comments
#O que produzimos?
Em julho, publicamos vídeos sobre:

Como escolher a MELHOR EMPRESA para ESTAGIAR
O que CIENTISTAS DE DADOS podem aprender com o episódio das VACINAS VENCIDAS
Como converter ENDEREÇOS em coordenadas LATITUDE e LONGITUDE
RASPAGEM de DADOS dos JOGOS OLÍMPICOS de TÓQUIO com PYTHON (parte 1 do projeto Bot Olímpico)

Fizemos lives sobre:

Como iniciar na Visão Computacional
Amostragem e Reconstrução de Imagens
Introdução a AutoML com PyCaret
Resolvendo questões de entrevistas técnicas do GOOGLE

Além disso, começamos oficialmente a publicar #shorts e a ter atividade em nosso TikTok.

Visualizando dados da Fórmula 1
Que ALGORITMO é esse? EP. 01

Continuamos o projeto Matemática Elementar para Computação com aulas sobre:

Programação Linear
Introdução a matrizes e suas aplicações

Você também pode contribuir!
Envie sugestões de destaques do mês para a próxima edição do Crawler pelo Twitter ou Linkedin marcando o Programação Dinâmica.



Você sabe extrair informações de dados?
pgdinamica@brunch.ag (Kizzy Terra) — Thu, 22 Jul 2021 12:00:00 +0000
O Fórum Mundial Econômico estima que até 2020 a quantidade total de dados digitais no mundo será de 44 zettabytes (2⁷⁰ bytes), esse número é 40 vezes maior que a quantidade de estrelas no universo observável — região do universo que contém toda a matéria que pode ser observada do nosso planeta no tempo presente.
A quantidade de dados disponíveis torna inviável a extração de informações sem a ação de computadores. Apenas com a capacidade laboral humana, não concluiríamos essa tarefa em tempo hábil, ainda que alocássemos a população mundial inteira em um mesmo esforço. No primeiro vídeo da nossa série sobre análise de dados, no canal Programação Dinâmica, eu explico a diferença entre dado e informação e também apresento algumas fontes de dados, tema que quero debater um pouco mais com você neste artigo.


"Dado sem informação pode perder o seu sentido"

De onde vem todos esses dados?
Redes sociais, sites e serviços online diversos são uma fonte abundante e constante de dados. Nossos dados são coletados o tempo todo em que estamos usando nossos computadores e smartphones. Isso não é pouca coisa! No mundo, a quantidade de usuários de smartphones já bateu a marca de 5 bilhões de pessoas. Soa como"Black Mirror" para você? Para mim, sim!

Fonte: Reddit — Zuckerberg is Ash confirmed?
Bom, esse tópico remete a muitas discussões importantes e urgentes, entre elas, segurança e privacidade certamente ocupam o topo das prioridades, mas essa conversa deixaremos para um outro momento.
Fontes de dados: Onde podemos encontrar conjuntos de dados?
No vídeo, eu apresento alguns sites que disponibilizam conjuntos de dados ou datasets, do inglês, como são comumente chamados. Aqueles são sites de dados abertos, ou seja, sites que disponibilizam dados para serem usados e redistribuídos livremente, por qualquer um, para qualquer propósito.
Os portais de dados abertos são altamente recomendados para estudos, pois são dados cujo uso é oficialmente permitido, o que significa que não houve nenhuma privacidade invadida ou norma infringida para sua obtenção. Além disso esse portais, a exemplo do Portal Brasileiro de Dados Abertos, geralmente, seguem um padrão de disponibilização de dados, onde encontramos não só os dados como seu dicionário e outras informações que facilitam o seu tratamento. Como menciono no vídeo, dado sem informação pode perder o seu sentido.
O oposto dos dados abertos seriam dados "fechados" ou privados os quais não podem ser usados e redistribuídos livremente e ainda, podem possuir normas de preservação de sua privacidade. Alguns desses tipos podem ser utilizados com licenças restritas gratuitamente ou com licenças mais livres mediante pagamento.
Além de se diferenciarem quanto ao uso e redistribuição, os conjuntos de dados podem se diferenciar pelo formato em duas categorias principais: estruturados e não-estruturados.
Os dados estruturados são aqueles que possuem um formato padronizado para fornecer informações sobre uma página e classificar o conteúdo dela, como exemplo, citar Excel, CSV, Json e XML. Já os dados não-estruturados não possuem uma formatação pré-determinada, podem ser dados coletados da internet, tweets, comentários em redes sociais, enfim, dados diversos extraídos de fontes que não possuem uma estrutura. Decorre disso que o tratamento adequado desses dados irá exigir sua prévia estruturação.
Ansioso para colocar a mão na massa? Sugiro explorar alguns sites como o Portal Brasileiro de Dados Abertos para conhecer o tipos de conjuntos de dados que você pode ter acesso facilmente. No vídeo, eu selecionei os microdados sobre o Exame Nacional do Ensino Médio (ENEM) para que a gente realize futuras análises.

Se você concorda que informação é poder, clique aqui para se tornar mais poderoso!

Quer aprender a programar em Python do Jeito Certo? Desenvolva uma base fundamental para se tornar capaz de pensar e criar soluções para problemas escrevendo código no Curso Python do Jeito Certo: https://vai.pgdinamica.com/pjc-dados
Confira também: Mãos à obra: Visualização de Dados em Python: https://vai.pgdinamica.com/dataviz-ds


Como usar o Google Colab para analisar dados?
pgdinamica@brunch.ag (Kizzy Terra) — Thu, 22 Jul 2021 12:00:00 +0000
Programe em Python online sem precisar de instalação

Neste vídeo, a Kizzy mostra como você pode utilizar a plataforma Google Colab para rodar seu código Python e analisar dados sem instalar nada em seu computador. Essa plataforma, hospedada em servidores da Google, oferece alguma conveniências como diversos pacotes para análise de dados já pré instalados e acesso ao poder computacional de máquinas mais poderosas, inclusive com possibilidade de uso de GPU para problemas de Machine Learning e Deep Learning.

Essa é uma alternativa interessante para quem tem dificuldades em executar o Jupyter Notebook na própria máquina ou gostaria de ter seu código acessível online para compartilhamento ou execução a partir de múltiplos lugares diferentes. Dessa vez, você vai aprender a importar ou criar um notebook do zero, acessar dados armazenados no seu Google Drive, instalar novos pacotes se você precisar, além de, é claro, executar seu código Python para resolver problemas! Rode Python na nuvem!
Quer aprender mais com a gente? Confira NOSSOS CURSOS: ✅ Ainda precisa aprender a programar? Aprenda Python do Jeito Certo e desenvolva uma base fundamental para se tornar capaz de pensar e criar soluções para problemas escrevendo código: https://vai.pgdinamica.com/pjc-dados ✅ Mãos à obra: Visualização de Dados em Python: https://vai.pgdinamica.com/dataviz-ds