ALTERNATE UNIVERSE DEV

Lambda3 Podcast

Podcast Lambda3 268 – Machine Learning (Aprendizagem de máquina)

Neste podcast vamos falar sobre Machine Learning, ou em bom português: Aprendizagem de Máquina.

Neste podcast vamos falar sobre Machine Learning, ou em bom português: Aprendizagem de Máquina.

Feed do podcast: www.lambda3.com.br/feed/podcast
Feed do podcast somente com episódios técnicos: www.lambda3.com.br/feed/podcast-tecnico
Feed do podcast somente com episódios não técnicos: www.lambda3.com.br/feed/podcast-nao-tecnico

Pauta:

  • O que é Machine Learning (Aprendizagem de Máquina)? 
    • Academia x indústria
    • Boom e “hype” na área
    • Onde está presente/inserido?
    • Projetos mais interessantes e exemplos de aplicações em machine learning
  • Trabalhando e estudando Machine Learning
    1. Quais as principais diferenças quando comparado com desenvolvimento convencional?
    2. Como normalmente se configura o trabalho de um Cientista de Dados / Engenheiro de Machine Learning e outros papéis que lidam com Aprendizagem de Máquina?
    3. Descolamento Academia x Indústria na área/assunto. Estamos formando profissionais para atender a essas demandas?
  • Qual a visão com relação aos recentes desenvolvimentos na área, por exemplo novos modelos e redes pré treinadas voltadas para a área de Processamento de Linguagem Natural? (Vide GPT-3, BERT etc.). O que esperar com relação ao mercado e o uso de ML?
  • Quais problemas podem advir do uso indiscriminado de ML?
  • Como enxergam a questão do futuro do trabalho? Ainda haverá espaço para o trabalho do programador/cientista de dados? Como ética e responsabilidade podem se encaixar nesse contexto? Por que aprender Machine Learning? Para quem já é desenvolvedor, pode fazer diferença num futuro próximo?
  • Qual a visão a respeito da LGPD e outras leis de proteção aos dados? Como essas novas práticas vão impactar o trabalho a partir de técnicas em ML? (Ex: uso de dados sensíveis para forecasting).

Links Citados:

Participantes:

Edição:

Créditos das músicas usadas neste programa:

Episode source