Locutor Cientista Wellington Rodrigo Monteiro

Quando falamos de projetos de TI quase sempre nos deparamos com duas formas principais: a "tradicional" (Waterfall) e a "ágil" (na prática, o Scrum). Por outro lado, quando falamos de Ciência de Dados, o trabalho não se resume somente a estas formas. E é justamente sobre estas outras formas que comentaremos neste episódio.

Como falamos anteriormente, o trabalho de ciência de dados é complexo e dificilmente conseguimos ter um prazo ou, até mesmo, dimensionar as atividades de uma forma previsível. Por outro lado, temos o Scrum - que pressupõe trabalhos em iterações que duram somente alguns dias e que sempre devem ter alguma entrega. Agora, como combinar ambos?

Uma coisa é usar a Inteligência Artificial (IA) para prever que algo de ruim vai acontecer. Mas isso não é suficiente. Como podemos então entender como a IA tomou a decisão ou, ainda, como podemos simular casos diferentes para tentarmos mudar o futuro? É para isso que o Explainable AI (XAI) serve. Vamos entender neste episódio sobre como o XAI funciona e em que tipo de cenários podemos aplicá-lo.

Várias empresas oferecem plataformas completas para que os cientistas de dados das empresas possam trabalhar, manipulando dados e criando modelos preditivos sustentáveis. Mas e aí, qual é a melhor delas, afinal?

Existem várias empresas as quais estão estruturando seus Centros de Excelência em Inteligência Artificial/Ciência de Dados/Advanced Analytics. Mas o que é Advanced Analytics, a propósito? E como seria estruturado um Centro de Excelência disso?

Ciência de Dados (ou Data Science) é uma área sensacional, a qual requer um embasamento teórico não somente em TI e em Estatística, mas também em conhecimento do dia-a-dia do negócio e também na comunicação interpessoal. E não deixa de ser Ciência: logo, exige uma calma e um cuidado maior. Vamos entender isso melhor usando vacinas e churrasco como exemplo?