fbpx
Sigmoidal
  • Home
  • Cursos
  • Pós-Graduação
  • Blog
  • Sobre Mim
  • Contato
Sem Resultado
Ver Todos Resultados
  • English
  • Home
  • Cursos
  • Pós-Graduação
  • Blog
  • Sobre Mim
  • Contato
Sem Resultado
Ver Todos Resultados
Sigmoidal
Sem Resultado
Ver Todos Resultados

PrimoCast: Thiago Nigro e Carlos Melo conversam sobre Data Science

Dizem que os dados são o novo petróleo da humanidade, e agora você vai ver por que isso é verdade. Descubra também as oportunidades para a carreira de Cientista de Dados em 2023.

Carlos Melo por Carlos Melo
janeiro 5, 2023
em Carreira, Data Science, Entrevistas
0
35
COMPARTILHAMENTOS
1.2k
VIEWS
Publicar no LinkedInCompartilhar no FacebookCompartilhar no Whatsapp

Tenho a satisfação de anunciar que o Sigmoidal chegou até um dos maiores podcasts do Brasil, o Primocast. Nesse bate-papo com o Thiago Nigro (o Primo Rico), Rodrigo Gianotto, Kaique e Lucão, todos do Grupo Primo, saíram inúmeros insights sobre como os dados podem ajudar o seu negócio a prosperar, crescer e vender ainda mais.

Além disso, conversamos muito sobre o mercado de trabalho de tecnologia atual, as oportunidades para quem quer começar uma nova carreira do absoluto zero e qual o caminho para conquistar uma vaga de cientista de dados em 2023. Como você vai ver, Data Science não é apenas a área mais inovadora do mundo, mas também a mais democrática, pois independe da sua idade ou formação.

Participação do episódio 224 do Primocast

1 de 6
- +
GESTÃO DE DADOS: aprenda Data Science ou pague o preço de uma decisão errada | PrimoCast com Thiago Nigro

A era do Data Science

A frase que diz que dados são o novo petróleo é creditada ao matemático Clive Humby, porém ganhou popularidade após uma publicação da revista The Economist, em 2017.

“Data is the new oil.”

Clive Humby

Se essa comparação parece desproporcional ou inadequada para você, não deveria. Se você parar para analisar o papel crítico que os dados assumiram, praticamente o de uma força motriz para a economia digital, você verá que é apenas um retrato fiel do cenário que vem se desenhando ao longo dos últimos anos.

Na última década, as empresas que adotaram um modelo de decisão baseado em dados (data-driven decision) assumiram o topo do ranking das mais valiosas corporações do mundo. 

A verdade é que nunca antes a humanidade produziu tantos dados como agora. A título de curiosidade, a cada dois dias a população mundial cria a mesma quantidade de dados criados do início da civilização humana até 2003.

Como ilustração, Thiago Nigro cita alguns números sobre as redes sociais:

  • em 1 minuto, os usuários do Twitter enviam 473 mil tweets;
  • em 1 minuto, os usuários do Instagram postam 49 mil fotos;
  • em 1 minuto, o LinkedIn ganha 120 novos usuários;
  • a cada 1 segundo, o Google processa mais de 40 mil pesquisas; e
  • 1,5 bilhão de pessoas estão ativas no Facebook.

Que estamos na era da informação, dos dados, não é muito novidade para ninguém. Afinal de contas, o que são dados?

Dados são o novo bacon

De acordo com a Wikipedia, “Os dados são uma coleção de valores discretos que transmitem informações, descrevendo quantidade, qualidade, fatos, estatísticas, outras unidades básicas de significado, ou simplesmente sequências de símbolos que podem ser posteriormente interpretados.”

Em uma definição mais prática (e não tão acadêmica), dados são, por exemplo, fotos digitais, arquivos de texto, arquivos de áudio ou arquivos do Excel. Organizados em estruturas que fornecem um contexto e significado adicionais, são usados em pesquisas científicas, no mercado financeiro e praticamente qualquer forma de atividade organizacional que você consiga imaginar.

A partir de dados, gera-se inteligência. Fonte: Mariana Carvalho

Porém, dados sozinhos não significam nada! Assim como o petróleo bruto que não passou pela refinaria ainda, dados devem ser organizados, processados e analisados a fim de se tornarem informação. Essa informação, ao ser estruturada e colocada na forma correta, deve se transformar em conhecimento, o qual, aplicado da maneira correta, será convertido em inteligência estratégica para a empresa.

Para percorrer esse caminho de transformação, temos, no nosso arsenal, técnicas e ferramentas de Data Science — a arte de “transformar dados em vantagem estratégica”. Chegando ao final do texto, você quer saber a minha opinião sincera sobre a controversa frase do Clive Humby? Para mim, dados não são o novo petróleo. Dados são o novo Bacon — o que é muito melhor!

“O que diferencia uma organização de outra não é a capacidade de armazenamento de dados; é a capacidade de seu pessoal extrair conhecimento desses dados.”

Carlos Melo

O Que É Data Science

Data Science envolve os princípios, processos e técnicas que permitem entender fenômenos por meio de análises de dados. Porém, obviamente, não é possível definir Ciência dos Dados ignorando o contexto de sua aplicação.

Dentro do escopo trabalhado no Primocast, eu diria que o objetivo do Data Science é o aprimoramento do processo decisório dentro da organização e todos os processos associados. Aqui no Brasil, a prática de decidir com base na análise dos dados contrasta fortemente com a cultura quase que enraizada do “eu”presa, em que as decisões são muitas vezes passionais ou amparadas pela “intuição” do líder.

 

Aula sobre Data Science para o mercado financeiro na Finclass
Aula sobre Data Science para o mercado financeiro na Finclass

Respondendo à pergunta do Nigro sobre que dados precisariam ser coletados para uma plataforma de finanças (a exemplo da Finclass), expliquei que, em primeiro lugar, deve-se ter a compreensão inteira dessa plataforma para fazer uma estruturação real do problema. Ou seja, deve-se entender como aquele negócio funciona, do que ele é composto, seus objetos, para saber que dados procurar para melhorar o negócio.

Além dessa visão mais macro, outros aspectos foram citados: para os assinantes, é preciso saber o NPS (Net Promoter Score, que avalia a fidelidade dos clientes à empresa) e a taxa de Churn (taxa de cancelamento), identificando os padrões do comportamento de pessoas que deixaram de assinar a plataforma.

Por exemplo, há quanto tempo a pessoa não acessa a plataforma, como ela navega dentro da plataforma (que conteúdos consome e tal) ou quanto tempo ela permanece consumindo um dado conteúdo. Porque é muito mais fácil (barato), se pararmos para raciocinar, oferecer alguma vantagem para esse cliente propenso a cancelar do que fazer com que uma pessoa de fora assine a plataforma.

Somado a isso, Rodrigo cita os aspectos relacionados ao login na plataforma (quando o assinante entra, que horário, por quanto tempo lá permanece) e o Lifetime Value (LTV).

“Tudo começa pela análise dos dados. Possuindo esses dados, buscas são feitas em cima deles para responder uma pergunta de negócio. Não adianta só a análise; deve-se responder ao negócio, o que o negócio está exigindo.”

Rodrigo Gianotto

Rodrigo Gianotto divide a Ciência de Dados (Data Science) em três segmentos: análise de dados, engenharia de dados e uma área voltada à construção de modelos predicativos:

  1. A análise de dados é o início, em que o analista vai utilizar a linguagem SQL para realizar as buscas nos banco de dados, analisar e gerar insights. O papel do analista é o de trazer conhecimento que estava “escondido” naquela multidão de dados soltos.
  2. Já na engenharia de dados, o engenheiro de dados tem o papel de, por exemplo, extrair dados de locais diferentes e alocá-los no mesmo local, o qual será utilizado pelo analista de dados.
  3. Por fim, sobre a área mais avançada, é aquela relacionada com Inteligência Artificial, Machine Learning. Essa última área é a mais inovadora, citando como exemplo as recomendações de séries e filmes da Netflix: algo dinâmico, que toma decisões a todo instante para fazer recomendações personalizadas.

Tomando Decisões Baseadas Em Dados

Por que os dados são utilizados? Claro, para tomar decisões mais acertadas. Na verdade, há uma explicação biológica, que tem a ver com uma própria limitação do cérebro humano.

“Tudo é óbvio desde que você saiba a resposta.”

Ducan J. Watts

A forma de ver o mundo das pessoas é enviesada (preferências e tal); as experiências pessoais são muito relacionadas com relações de causa-efeito (pode ser uma mera coincidência ou uma relação de muitas variáveis inter-relacionadas); a limitação da memória mesmo (não conseguimos lembrar ou relacionar os inúmeros eventos que presenciamos); e além da óbvia não onipresença (ao contrário do Google, não temos o registro dos acontecimentos em todos os confins do planeta).

Para ilustrar como os dados são utilizados estrategicamente no mercado, eu citei um exemplo com a Walmart. Essa empresa descobriu algo nada óbvio: como suprimento para lidar com furacões anunciados (relativamente comum nos Estados Unidos da América), seus consumidores compravam muito tortilhas de morango (um doce). Sabendo disso, essa empresa então abastecia suas lojas com esse produto nesses períodos.

Mais outro exemplo e também com a Walmart. Ela, analisando dados, chegou à conclusão de que a cerveja ao lado de fraldas aumenta a venda de cerveja. Dessa forma, colocaram estoques de cerveja perto do local onde estavam armazenadas as fraldas.

Visita ao Grupo Primo com toda a família
Visita ao Grupo Primo com toda a família

No entanto, nem tudo são flores. Como Thiago Nigro disse, dados, isoladamente, são inócuos, e dependerá de alguém experiente para saber lidar com eles para gerar insights e fundamentar decisões. Além disso, muitos dados pode ser um problema.

 A partir de muitas entradas (dados), algoritmos são capazes identificar padrões. Esses padrões não estavam atrás de um vidro limpo; na verdade, foi necessário analisar muitos dados para se chegar a essas conclusões. 

Em pleno 2022, com todo o acesso a informação, o mundo inteiro conectado, realmente não é muito responsável tomar determinadas decisões baseadas em pura intuição. Como falaram Lucas e Kaique no Primocast, os dois passaram a utilizar os dados coletados para direcionar suas decisões, como no caso do YouTube.

Nessa plataforma, eles testam como certos aspectos (por exemplo, título e thumbnail) interferem no consumo pelo seu público (visualizações), e suas futuras decisões são baseadas nesses resultados.

Assista ao episódio completo do Primocast

Eu quero convidá-lo a assistir ao episódio completo do Primocast sobre Data Science e Gestão de Dados. Nele, você vai acompanhar a visão e insights das pessoas que estão à frente de um negócio que fatura centenas de milhões de reais por ano e que possui uma base de mais de 200 mil assinantes.

Para aqueles que querem se preparar para conquistar uma vaga em tecnologia, nada como entender quais habilidades e tecnologias as maiores empresas do país buscam em um candidato.

Por fim, eu só quero agradecer pela oportunidade de ter participado de mais um evento no Grupo Primo, empresa que admiro e pela qual tenho um profundo carinho. Em todas as vezes que os visitei em São Paulo, pude acompanhar como eles são diferenciados em relação ao restante do mercado. Não há dúvidas de que serão cada vez maiores.

Um forte abraço a todo o time do Grupo Primo!

Carlos Melo

Compartilhar2Compartilhar14Enviar
Post Anterior

Como usar o DALL-E 2 para gerar imagens a partir de textos

Próximo Post

Como escrever uma Cover Letter poderosa para Data Science

Carlos Melo

Carlos Melo

Engenheiro de Visão Computacional graduado em Ciências Aeronáuticas pela Academia da Força Aérea (AFA) e Mestre em Engenharia Aeroespacial pelo Instituto Tecnológico de Aeronáutica (ITA).

Relacionado Artigos

Curso de Pós-Graduação em Data Science
Data Science

Vale a pena fazer uma Pós-Graduação em Data Science?

por Carlos Melo
janeiro 20, 2025
Review do Livro “Mãos à obra: Aprendizado de Máquina com Scikit-Learn, Keras & TensorFlow”
Livros

Review do Livro “Mãos à obra: Aprendizado de Máquina com Scikit-Learn, Keras & TensorFlow”

janeiro 18, 2025
Carlos Melo e Sérgio Sacani – Ciência Sem Fim
Youtube

Carlos Melo e Sérgio Sacani – Ciência Sem Fim

por Carlos Melo
janeiro 16, 2025
Carlos Melo da Pós Graduação em Data Science do Sigmoidal
Aeroespacial

Oportunidades no Setor Espacial para Cientistas de Dados

por Carlos Melo
janeiro 15, 2025
O que é Visão Computacional - Podcast Data Hackers
Carreira

O que é Visão Computacional — Data Hackers Episódio #92

por Carlos Melo
agosto 12, 2024
Próximo Post
Data Science no exterior - como fazer uma Cover Letter

Como escrever uma Cover Letter poderosa para Data Science

Deixe um comentário Cancelar resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Pós-Graduação em Data Science Pós-Graduação em Data Science Pós-Graduação em Data Science

Mais Populares

  • Introdução ao MediaPipe e Pose Estimation

    Introdução ao MediaPipe e Pose Estimation

    484 compartilhamentos
    Compartilhar 194 Tweet 121
  • ORB-SLAM 3: Tutorial Completo para Mapeamento 3D e Localização em Tempo Real

    407 compartilhamentos
    Compartilhar 163 Tweet 102
  • O Que é Amostragem e Quantização no Processamento de Imagens

    7 compartilhamentos
    Compartilhar 3 Tweet 2
  • Processamento de Nuvens de Pontos com Open3D e Python

    44 compartilhamentos
    Compartilhar 18 Tweet 11
  • Geometria da Formação de Imagens: Matrizes, Transformações e Sistemas de Coordenadas

    382 compartilhamentos
    Compartilhar 153 Tweet 96
  • Em Alta
  • Comentários
  • Mais Recente
Como Tratar Dados Ausentes com Pandas

Como Tratar Dados Ausentes com Pandas

agosto 13, 2019
Como usar o DALL-E 2 para gerar imagens a partir de textos

Como usar o DALL-E 2 para gerar imagens a partir de textos

dezembro 25, 2022
Introdução ao MediaPipe e Pose Estimation

Introdução ao MediaPipe e Pose Estimation

julho 15, 2023

ORB-SLAM 3: Tutorial Completo para Mapeamento 3D e Localização em Tempo Real

abril 10, 2023
Como Analisar Ações da Bolsa com Python

Como Analisar Ações da Bolsa com Python

15
Setembro Amarelo: Análise do Suicídio no Brasil, com Data Science

Setembro Amarelo: Análise do Suicídio no Brasil, com Data Science

13
Como Aprender Data Science?

Como Aprender Data Science?

9
Qual o Cenário de Data Science no Brasil hoje?

Qual o Cenário de Data Science no Brasil hoje?

8
Green Card aprovado por habilidades extraordinárias em Data Science

Green Card aprovado por habilidades extraordinárias em Data Science

julho 14, 2025
O Que é Amostragem e Quantização no Processamento de Imagens

O Que é Amostragem e Quantização no Processamento de Imagens

junho 20, 2025
DeepSeek vazamento de dados de usuários

DeepSeek: Vazamento de dados expõe dados de usuários

fevereiro 1, 2025
DeepSeek R1 vs OpenAI o1 – Qual é o Melhor Modelo de IA

DeepSeek R1 vs OpenAI o1 – Qual é o Melhor Modelo de IA?

janeiro 25, 2025

Seguir

  • Como um carro autônomo "enxerga" o mundo ao redor?

Não há olhos nem intuição, apenas sensores e matemática. Cada imagem capturada passa por um processo rigoroso: amostragem espacial, quantização de intensidade e codificação digital. 

Esse é o desafio, representar um objeto 3D do mundo real, em pixels que façam sentido para a Inteligência Artificial.

🚗📷 A visão computacional é a área mais inovadora do mundo!

Comente aqui se você concorda.

#carrosautonomos #inteligenciaartificial #IA #visãocomputacional
  • 👁️🤖Visão Computacional: a área mais inovadora do mundo! Clique no link da bio e se inscreva na PÓS EM VISÃO COMPUTACIONAL E DEEP LEARNING! #machinelearning #datascience #visãocomputacional
  • E aí, Sergião @spacetoday Você tem DADO em casa? 😂😂

A pergunta pode ter ficado sem resposta no dia. Mas afinal, o que são “dados”?

No mundo de Data Science, dados são apenas registros brutos. Números, textos, cliques, sensores, imagens. Sozinhos, eles não dizem nada 

Mas quando aplicamos técnicas de Data Science, esses dados ganham significado. Viram informação.

E quando a informação é bem interpretada, ela se transforma em conhecimento. Conhecimento gera vantagem estratégica 🎲

Hoje, Data Science não é mais opcional. É essencial para qualquer empresa que quer competir de verdade.

#datascience #cientistadedados #machinelearning
  • 🎙️ Corte da minha conversa com o Thiago Nigro, no PrimoCast #224

Falamos sobre por que os dados são considerados o novo petróleo - para mim, dados são o novo bacon!

Expliquei como empresas que dominam a ciência de dados ganham vantagem real no mercado. Não por armazenarem mais dados, mas por saberem o que fazer com eles.

Também conversamos sobre as oportunidades para quem quer entrar na área de tecnologia. Data Science é uma das áreas mais democráticas que existem. Não importa sua idade, formação ou cidade. O que importa é a vontade de aprender.

Se você quiser ver o episódio completo, é só buscar por Primocast 224.

“O que diferencia uma organização de outra não é a capacidade de armazenamento de dados; é a capacidade de seu pessoal extrair conhecimento desses dados.”

#machinelearning #datascience #visãocomputacional #python
  • 📸 Palestra que realizei no palco principal da Campus Party #15, o maior evento de tecnologia da América Latina!

O tema que escolhi foi "Computação Espacial", onde destaquei as inovações no uso de visão computacional para reconstrução 3D e navegação autônoma.

Apresentei técnicas como Structure-from-Motion (SFM), uma técnica capaz de reconstruir cidades inteiras (como Roma) usando apenas fotos publicadas em redes sociais, e ORB-SLAM, usada por drones e robôs para mapeamento em tempo real.

#visãocomputacional #machinelearning #datascience #python
  • ⚠️❗ Não deem ideia para o Haddad! 

A França usou Inteligência Artificial para detectar mais de 20 mil piscinas não declaradas a partir de imagens aéreas.

Com modelos de Deep Learning, o governo identificou quem estava devendo imposto... e arrecadou mais de €10 milhões com isso.

Quer saber como foi feito? Veja no post completo no blog do Sigmoidal: https://sigmoidal.ai/como-a-franca-usou-inteligencia-artificial-para-detectar-20-mil-piscinas/

#datascience #deeplearning #computerVision #IA
  • Como aprender QUALQUER coisa rapidamente?

💡 Comece com projetos reais desde o primeiro dia.
📁 Crie um portfólio enquanto aprende. 
📢 E compartilhe! Poste, escreva, ensine. Mostre o que está fazendo. Documente a jornada, não o resultado.

Dois livros que mudaram meu jogo:
-> Ultra Aprendizado (Scott Young)
-> Uma Vida Intelectual (Sertillanges)

Aprenda em público. Evolua fazendo.

#ultralearning #estudos #carreira
  • Como eu usava VISÃO COMPUTACIONAL no Centro de Operações Espaciais, planejando missões de satélites em situações de desastres naturais.

A visão computacional é uma fronteira fascinante da tecnologia que transforma a forma como entendemos e respondemos a desastres e situações críticas. 

Neste vídeo, eu compartilho um pouco da minha experiência como Engenheiro de Missão de Satélite e especialista em Visão Computacional. 

#VisãoComputacional #DataScience #MachineLearning #Python
  • 🤔 Essa é a MELHOR linguagem de programação, afinal?

Coloque sua opinião nos comentários!

#python #datascience #machinelearning
  • 💘 A história de como conquistei minha esposa... com Python!

Lá em 2011, mandei a real:

“Eu programo em Python.”
O resto é história.
  • Para rotacionar uma matriz 2D em 90°, primeiro inverto a ordem das linhas (reverse). Depois, faço a transposição in-place. Isso troca matrix[i][j] com matrix[j][i], sem criar outra matriz. A complexidade segue sendo O(n²), mas o uso de memória se mantém O(1).

Esse padrão aparece com frequência em entrevistas. Entender bem reverse + transpose te prepara para várias variações em matrizes.

#machinelearning #visaocomputacional #leetcode
  • Na última aula de estrutura de dados, rodei um simulador de labirintos para ensinar como resolver problemas em grids e matrizes.

Mostrei na prática a diferença entre DFS e BFS. Enquanto a DFS usa stacks, a BFS utiliza a estrutura de fila (queue). Cada abordagem tem seu padrão de propagação e uso ideal.

#machinelearning #visaocomputacional #algoritmos
  • 🔴 Live #2 – Matrizes e Grids: Fundamentos e Algoritmos Essenciais

Na segunda aula da série de lives sobre Estruturas de Dados e Algoritmos, o foco será em Matrizes e Grids, estruturas fundamentais em problemas de caminho, busca e representação de dados espaciais.

📌 O que você vai ver:

Fundamentos de matrizes e grids em programação
Algoritmos de busca: DFS e BFS aplicados a grids
Resolução ao vivo de problemas do LeetCode

📅 Terça-feira, 01/07, às 22h no YouTube 
🎥 (link nos Stories)

#algoritmos #estruturasdedados #leetcode #datascience #machinelearning
  • 💡 Quer passar em entrevistas técnicas?
Veja essa estratégia para você estudar estruturas de dados em uma sequência lógica e intuitiva.
⠀
👨‍🏫 NEETCODE.io
⠀
🚀 Marque alguém que também está se preparando!

#EntrevistaTecnica #LeetCode #MachineLearning #Data Science
  • Live #1 – Arrays & Strings: Teoria e Prática para Entrevistas Técnicas

Segunda-feira eu irei começar uma série de lives sobre Estruturas de Dados e Algoritmos. 

No primeiro encontro, falarei sobre um dos tipos de problemas mais cobrados em entrevistas: Arrays e Strings.

Nesta aula, você vai entender a teoria por trás dessas estruturas, aprender os principais padrões de resolução de problemas e aplicar esse conhecimento em exercícios selecionados do LeetCode.

📅 Segunda-feira, 23/06, às 21h no YouTube

🎥 (link nos Stories)

#machinelearning #datascience #cienciadedados #visãocomputacional
  • 🤖 Robôs que escalam, nadam, voam e rastejam.

Acabei de ver o que a Gecko Robotics está fazendo — e é impressionante.
Eles usam robôs que escalam, rastejam, nadam e voam para coletar dados estruturais de ativos físicos como navios, refinarias e usinas de energia.

Depois, tudo isso entra numa plataforma de AI chamada Cantilever, que combina:

✅ Ontologias baseadas em princípios físicos
✅ Edge robotics + sensores fixos
✅ Modelos preditivos para manutenção e operação

É como se estivessem criando um Digital Twin confiável de infraestruturas críticas — com dados de verdade, coletados direto do mundo físico.

Ah, e agora alcançaram status de unicórnio 🦄:
$1.25B de valuation, com foco em defesa, energia e manufatura pesada.

#MachineLearning #Robótica #MLOps #visãocomputacional
Instagram Youtube LinkedIn Twitter
Sigmoidal

O melhor conteúdo técnico de Data Science, com projetos práticos e exemplos do mundo real.

Seguir no Instagram

Categorias

  • Aeroespacial
  • Artigos
  • Blog
  • Carreira
  • Cursos
  • Data Science
  • Deep Learning
  • Destaques
  • Entrevistas
  • IA Generativa
  • Livros
  • Machine Learning
  • Notícias
  • Python
  • Teoria
  • Tutoriais
  • Visão Computacional
  • Youtube

Navegar por Tags

camera calibration carreira chatgpt cientista de dados cnn computer vision Cursos dados desbalanceados data science data science na prática decision tree deep learning gpt-3 histograma IA generativa image formation inteligência artificial jupyter kaggle keras machine learning matplotlib mnist nft openai opencv overfitting pandas profissão python redes neurais redes neurais convolucionais regressão linear regressão logística salário scikit-learn seaborn sklearn tensorflow titanic tutorial visão computacional vídeo youtube árvore de decisão

© 2024 Sigmoidal - Aprenda Data Science, Visão Computacional e Python na prática.

Welcome Back!

Login to your account below

Forgotten Password?

Retrieve your password

Please enter your username or email address to reset your password.

Log In

Add New Playlist

Sem Resultado
Ver Todos Resultados
  • Home
  • Cursos
  • Pós-Graduação
  • Blog
  • Sobre Mim
  • Contato
  • English

© 2024 Sigmoidal - Aprenda Data Science, Visão Computacional e Python na prática.