FMU

class: center, middle, inverse, title-slide

# FMU
### São Paulo, 2019-05-07

---

class: class: center, middle

# Julio Trecenti

---
class: middle, center

### Provocação

### R7: Mercado procura por cientistas de dados e promete salários de mais de R$ 20 mil

[http://bit.ly/r7-ds](http://bit.ly/r7-ds)

---

## Novos tempos?

- Nos últimos anos os tipos de dados mudaram.
- Coisas muito importantes no mercado hoje em dia:

---

## Deep Learning

- Popularidade recente da área de deep learning.

- Promete fazer muitas coisas.

- Tem um linguajar diferente do que estamos acostumados.

---

## Problemas

- Muita, muita gente usando.

- Mercado está pedindo. Só se fala nisso.

- Não aprendemos nada disso na faculdade

- O que estudamos é ultrapassado?

---
class: inverse, middle, center

# Depressão

---

## Marketing e diagramas de venn

---

## Marketing e diagramas de venn

---

## Marketing e diagramas de venn

---

## Marketing e diagramas de venn

---

## Depressão

---

## Depressão 2

---
class:inverse

## Não entre em pânico!

---

## Não entre em pânico!

- Mais importante do que **definir** ciência de dados é **fazer** ciência de dados

- Existem muitos falsos cognatos.

- A maioria das coisas que estudamos é útil.

- Ainda assim, vale à pena estudar os conceitos.

## QUESTIONE

---

## Regressão logística

---

## Função Deviance

$$
D(y,\hat\mu(x)) = \sum_{i=1}^n 2\left[y_i\log\frac{y_i}{\hat\mu_i(x_i)} + (1-y_i)\log\left(\frac{1-y_i}{1-\hat\mu_i(x_i)}\right)\right]
$$

$$
= 2 D_{KL}\left(y||\hat\mu(x)\right),
$$

onde `$D_{KL}(p||q) = \sum_i p_i\log\frac{p_i}{q_i}$` é a divergência de Kullback-Leibler.

---

## Deep learning

- Faz uma combinação linear inputs `$x$`, adiciona um viés (*bias*) e depois aplica uma função de ativação não linear.

`$$f(x) = \sigma(wx + b)$$`

- Coincidência?

---

## Função de custo

$$
D_{KL}(p(x)||q(x))
$$

Conclusão: rede neural com uma camada é equivalente à regressão logística.

## Dúvidas

- Se é a mesma coisa, por que está ganhando tanta popularidade?

- Devo estudar deep learning ou posso continuar fazendo regressão logística?

---
class: inverse, center, middle

# Qual é o meu papel?

---
class: center, middle

# Somos os líderes da ciência de dados!

---

## Onde estamos

---

## Ciência de dados

---
class: center, middle

# O que queremos?

---

## Aumentar registros

---

## Mais formados, menos evasão

---

## Trazer os cientistas de dados

---
class: inverse, center, middle

# O que devemos fazer?

---

# O que você quer?

## APRENDER (A)

- Saber muitas coisas, escrever artigos, pôr sua curiosidade em prática

## RESOLVER (R)

- Ganhar dinheiro, fazer sua empresa crescer, construir uma família

## PARTILHAR (P)

- Divulgar a profissão, ser relevante nas redes, ajudar a comunidade

---

# Focos

--
## 1. [APR] Faça parte e monte comunidades

--
## 2. [PAR] Seja relevante na web

--
## 3. [ARP] Estude, aprenda, atualize, use R

--
## 4. [RPA] Aproveite a universidade

--
## 5. [RAP] Apareça na universidade

---
class: inverse, middle

# E o conselho?

---

# O que estamos fazendo?

## Fiscalização

- Pesquisas Eleitorais

## Comunicação

- **Inbound**: Fazer os estatísticos procurarem o CONRE
- **Outbound**: Levar o CONRE aos estatísticos

## Próximos passos

---

# Fiscalização: pesqEle

- http://pesqele.conre3.org.br/app/

---

# Comunicação: atividades

- Coleta de dados de formandos
- Funil de comunicação
- Visitas nas universidades
- Resolução 325

---

# Me stalkeia

- CONRE-3: [jtrecenti@conre3.org.br](mailto:jtrecenti@conre3.org.br)
- Curso-R: [jtrecenti@curso-r.com](mailto:jtrecenti@curso-r.com)
- ABJ: [jtrecenti@abj.org.br](mailto:jtrecenti@abj.org.br)
- Platipus: [jtrecenti@platipus.com.br](mailto:jtrecenti@platipus.com.br)

## Páginas:

- https://curso-r.com
- https://abj.org.br
- https://github.com/jtrecenti

Apresentação: https://jtrecenti.github.com/slides/fmu/