No inicio de maio\/2018 participei da Open Data Science Conference – ODSC, em Boston. Nos dois primeiros dias assisti as apresenta\u00e7\u00f5es do AccelerateAI East, discutindo como a Intelig\u00eancia Artificial (IA) esta ajudando empresas a se tornarem mais competitivas.<\/p>\n
\u00c9 claro que teve muita coisa interessante, mas percebi uma preocupa\u00e7\u00e3o dos organizadores em pontuar o que j\u00e1 \u00e9 realmente poss\u00edvel alcan\u00e7ar com o uso da CD e IA nos dias de hoje e precau\u00e7\u00f5es a serem observadas. O assunto apareceu em diversas apresenta\u00e7\u00f5es, inclusive na dos seguintes Keynote Speakers: Ruchir Puri, que \u00e9 o Arquiteto Chefe do IBM Watson; Gary Marcus, prof. da NYU e ex-Diretor do Uber AI Labs; e Chaterine O’Neil, autora do livro “Weapons of Math Destruction” [27].<\/p>\n
J\u00e1 tinha assistido uma apresenta\u00e7\u00e3o do Ruchir Puri em 2017 e agora n\u00e3o foi muito diferente, quase uma “contra propaganda” do Watson, na medida em que ele descreveu um caminho muito mais dif\u00edcil para aplicar IA “pra valer” dentro das empresas. Quanto maior a corpora\u00e7\u00e3o mais os dados est\u00e3o espalhados, com muita coisa ainda em planilhas e, no pior cen\u00e1rio, armazenadas no formato PDF, que torna ainda mais complexa a extra\u00e7\u00e3o automatizada de informa\u00e7\u00f5es. O Gary Marcus foi na mesma linha, mostrando que a IA j\u00e1 pode ser usada para fazer muita coisa, mas que ainda tem diversas limita\u00e7\u00f5es. A Catherine O’Neil completou este cen\u00e1rio lembrando que os modelos matem\u00e1ticos preparados para uma determinada finalidade podem gerar resultados imprevistos se forem usados em outros contextos ou com dados de origens diversas. Ali\u00e1s, dados podem ser tendenciosos e \u00e9 preciso trat\u00e1-los para evitar discrimina\u00e7\u00f5es.<\/p>\n
A preocupa\u00e7\u00e3o com o uso \u00e9tico da CD e IA est\u00e1 na ordem do dia e continua gerando pol\u00eamicas. Recentemente foi publicada “The Toronto Declaration: Protecting the rights to equality and non-discrimination in machine learning systems” [28] e no final de maio passou come\u00e7ou a vigorar a General Data Protection Regulation – GDPR – na Uni\u00e3o Europeia [31]. \u00c9 por isto que temos uma sess\u00e3o sobre \u00c9tica e Legisla\u00e7\u00e3o no informativo digital da CDIA.Rio, sempre com links interessantes sobre esta tem\u00e1tica.<\/p>\n
Voltando a ODSC East 2018, um outro assunto recorrente foi a forma\u00e7\u00e3o de equipes de Ci\u00eancia de Dados e os diferentes perfis profissionais envolvidos. Todo mundo esta atr\u00e1s daquele sujeito que joga em qualquer posi\u00e7\u00e3o mas que ningu\u00e9m encontra. A gest\u00e3o destas equipes tem suas peculiaridades mas o novo “alvo” agora \u00e9 ter um time capaz de entregar “DataOps”. Quem tem um perfil mais t\u00e9cnico pode supor que \u00e9 uma deriva\u00e7\u00e3o do DevOps, e \u00e9 isto mesmo, com os devidos ajustes. V\u00e1rias apresenta\u00e7\u00f5es trataram disto e j\u00e1 existe at\u00e9 um manifesto dispon\u00edvel na internet [16].<\/p>\n
Olhando para o futuro, “Top Ten Current and Future Trends in AI, Machine Learning, and Data Science” foi o t\u00edtulo da apresenta\u00e7\u00e3o do Kirk Borne, um outro Keynote Speaker, que \u00e9 o Cientista de Dados Principal na Booz Allen Hamilton. Al\u00e9m do DataOps, ele destacou IoT, Hiper-personaliza\u00e7\u00e3o, M\u00e1quinas Inteligentes, Realidade Aumentada, An\u00e1lise de Grafos e comportamentos, “Journey Sciences” e Economia da Experi\u00eancia. O cara \u00e9 muito bom e compartilha muita coisa no site dele em www.kirkborne.net, inclusive a apresenta\u00e7\u00e3o acima mencionada.<\/p>\n
Quero pegar o gancho do “Journey Sciences”, para o qual n\u00e3o encontrei ainda uma boa tradu\u00e7\u00e3o, para falar deste novo tipo de software que esta ganhando cada vez mais popularidade entre quem mexe com CD e IA. S\u00e3o os Notebooks, dos quais o mais famoso \u00e9 o Jupyter. Uma implementa\u00e7\u00e3o alternativa \u00e9 o Zeppelin da Apache, que tem entre seus criadores o Moon soo Lee, respons\u00e1vel tamb\u00e9m por uma implementa\u00e7\u00e3o comercial chamada ZEPL, e que fez uma apresenta\u00e7\u00e3o no evento. Os Notebooks s\u00e3o ferramentas de colabora\u00e7\u00e3o e compartilhamento de informa\u00e7\u00f5es capazes de armazenar dados e trechos de c\u00f3digo execut\u00e1vel de diversas linguagens de programa\u00e7\u00e3o. O uso na academia vem crescendo e o Google acabou de lan\u00e7ar uma implementa\u00e7\u00e3o pr\u00f3pria chamada Colab. Se voc\u00ea n\u00e3o tinha ouvido falar disto ainda, vale dar uma conferida! Um ponto de partida pode ser um tutorial sobre o Jupyter dispon\u00edveis na internet [43].<\/p>\n
Outro Keynote Speaker foi o Alex “Sandy” Pentland, prof. do MIT, que trabalha com plataformas computacionais descentralizadas e \u00e9 considerado um dos mais influentes cientistas de dados do mundo. Em particular, descreveu uma t\u00e9cnica chamada MPC (Multi-Party Computation), que permite compartilhar dados criptografados e calcular somat\u00f3rios, medias e desvios sem violar a privacidade das partes envolvidas. Me impressionou tamb\u00e9m a afirma\u00e7\u00e3o dele sobre ser poss\u00edvel extrair informa\u00e7\u00f5es relevantes sobre cada indiv\u00edduo trocando informa\u00e7\u00f5es criptografadas na internet. Ele teria ajudado a identificar novos membros de uma c\u00e9lula terrorista nos EUA com base na troca de mensagens entre um n\u00famero muito menor de suspeitos indicados por uma ag\u00eancia do governo (e olha que era outro o Keynote com sobrenome Borne, kkkk). Estas pesquisas j\u00e1 est\u00e3o no mercado, na forma de protocolos, chamados Enigma e Endor, respectivamente.<\/p>\n
Quero destacar tamb\u00e9m a quest\u00e3o da descentraliza\u00e7\u00e3o de dados, contr\u00e1ria ao movimento de cria\u00e7\u00e3o dos armaz\u00e9ns de dados e, mais recentemente, dos lagos de dados (Data Lakes). O investimento para colocar uma quantidade enorme de dados num \u00fanico reposit\u00f3rio \u00e9 muito grande para a maioria das empresas e os resultados nem sempre s\u00e3o satisfat\u00f3rios. Isto \u00e9 bem explorado num artigo [20] indicado na se\u00e7\u00e3o Modelos, t\u00e9cnicas e ferramentas.<\/p>\n
O segundo dia da ODSC East 2018 foi o mais puxado, com 2 meetups consecutivos depois das 18h, ap\u00f3s uma programa\u00e7\u00e3o recheada de palestras e apresenta\u00e7\u00f5es. Destaco o “Data Science, Data Optimism”, conduzido pelo Allen Downey, PhD e prof. de Ci\u00eancia da Computa\u00e7\u00e3o no Olin College of Engineering. Segundo ele, a ci\u00eancia de dados pode e deve ser usada para tornar o mundo um lugar melhor. Apresentou exemplos concretos de como fazer isto e falou de um movimento chamado Data Science for the Social Good – DSSG, que ganha cada vez mais adeptos e que j\u00e1 conta com in\u00fameros reposit\u00f3rios no Github. At\u00e9 a ONU esta envolvida com isto, atrav\u00e9s do seu Global Pulse (www.unglobalpulse.org), mas merecem destaque tamb\u00e9m as iniciativas DataKind e DrivenData. Aqui pelo Brasil o tema foi abordado numa das sess\u00f5es do Painel Telebrasil 2018 [10].<\/p>\n
Fechando minhas impress\u00f5es sobre a ODSC East 2018, n\u00e3o poderia deixar de mencionar a RapidMiner. Eles apresentaram um tutorial chamado “Sem caixas pretas: como resolver problemas reais de ci\u00eancia de dados com automa\u00e7\u00e3o mas sem perder a transpar\u00eancia”. Havia outras solu\u00e7\u00f5es concorrentes se apresentando no evento mas como embaixador da RapidMiner para o Brasil pe\u00e7o licen\u00e7a para te convidar a dar uma conferida na solu\u00e7\u00e3o deles. Visitei o novo escrit\u00f3rio da empresa em Boston e a equipe l\u00e1 \u00e9 fera e est\u00e3o todos motivados pelo reconhecimento crescente do mercado, comprovado inclusive numa pesquisa que acabou de ser divulgada [2].<\/p>\n
Na apresenta\u00e7\u00e3o que fiz sobre a ODSC durante a reuni\u00e3o da CDIA.Rio no m\u00eas de maio pude contar mais coisas e compartilhei com os presentes uma apresenta\u00e7\u00e3o com fotos que tirei dos slides mais interessantes. Se quiser receber uma c\u00f3pia da mesma \u00e9 s\u00f3 pedir! Um outro relato sobre esta mesma confer\u00eancia esta dispon\u00edvel no link [45]. Certamente recomendo este evento para quem esta procurando boas confer\u00eancias sobre Ci\u00eancia de Dados.<\/p>\n
Outro evento de excelente n\u00edvel, mostrando aplica\u00e7\u00f5es pr\u00e1ticas de Aprendizado de M\u00e1quina, \u00e9 o Papis LatAm 2018 que acontece agora em junho na cidade de S\u00e3o Paulo (o link esta na se\u00e7\u00e3o Eventos). Considerando a quantidade de palestrantes internacionais e o fato de que n\u00e3o precisa levar o passaporte para chegar l\u00e1, a rela\u00e7\u00e3o custo x benef\u00edcio \u00e9 dif\u00edcil de ficar melhor (aproveite pre\u00e7os diferenciados at\u00e9 5\/jun). Mas \u00e9 preciso entender Ingl\u00eas para acompanhar as apresenta\u00e7\u00f5es dos gringos … Se isto for um problema, a melhor alternativa ser\u00e3o as apresenta\u00e7\u00f5es da CDIA.Rio na tarde de 25 de setembro durante o Rio Info 2018.<\/p>\n