Data Science
Gravado no evento Semana da Engenharia Elétrica 2021 - UFRJ · 3 h 5 min de gravação
Trechos em vídeo

Dicas para conseguir a primeira vaga em Ciência de Dados
Trecho de a da gravação

Os três grandes pilares de Data Science
Trecho de a da gravação

Diferença entre aprendizado supervisionado e não supervisionado
Trecho de a da gravação
Sobre o conteúdo
A atividade Data Science, integrante do Curso de aprofundamento Engenharia Elétrica na edição da SENEL, conta com a condução do palestrante Rômulo Amaral. No início, o mediador Guilherme introduz o palestrante, detalhando sua formação em Engenharia Elétrica pela UFRJ com intercâmbio na University of Waterloo, sua pós-graduação no PE/COPPE na área de inteligência computacional e sua experiência profissional em organizações como ONS, Accenture, Modec/Shape e PokerStars.
Rômulo Amaral estrutura a apresentação dividindo-a em uma base conceitual do ecossistema de dados e uma fase prática com demonstrações em código. Ele define Ciência de Dados a partir da convergência entre três pilares fundamentais: negócios, estatística e computação. Em seguida, explica o escopo e as responsabilidades dos diversos profissionais do setor, diferenciando cientistas de dados, analistas de dados, engenheiros de dados, engenheiros de machine learning, decision scientists, engenheiros de nuvem e de software. O palestrante ressalta os conhecimentos mínimos recomendados para ingressar na área, com ênfase em cálculo diferencial e integral, álgebra linear, conceitos estatísticos e probabilísticos, além das linguagens Python e SQL.
Na sequência, a exposição aprofunda os quatro paradigmas de aprendizagem: supervisionado, não supervisionado, semi-supervisionado e por reforço. Rômulo detalha as redes neurais artificiais feedforward, o papel das camadas de entrada, intermediárias e de saída, e a necessidade das funções de ativação não lineares como ReLU, Sigmoide e Tangente Hiperbólica. Apresenta o mecanismo de backpropagation associado ao gradiente descendente para otimização de pesos e minimização de funções de perda. Logo após, introduz as Redes Neurais Convolucionais (CNNs), explicando a operação de convolução com kernels, compartilhamento de parâmetros, invariância à translação e técnicas complementares como pooling, stride e padding para processamento eficiente de imagens.
Na aplicação prática, o palestrante utiliza o ambiente Jupyter Notebook com TensorFlow e Keras sobre a base de dados MNIST de dígitos manuscritos. Demonstra os passos de carregamento, normalização e divisão em conjuntos de treino, validação e teste, construindo uma arquitetura CNN com dropout e ativação Softmax, que alcança acurácia próxima a 99%. Mostra o impacto de data augmentation na generalização e analisa os dígitos classificados incorretamente. Em seguida, demonstra o tratamento não supervisionado da mesma base, aplicando Análise de Componentes Principais (PCA) para redução de dimensionalidade, t-SNE para projeção bidimensional e o algoritmo K-Means avaliado pelo método da silhueta para agrupamento dos dígitos. A transmissão é finalizada com uma sessão de perguntas e respostas sobre transição de carreira, posicionamento em plataformas profissionais e colocação de modelos em produção.
O que é abordado
- Abertura e apresentação do palestrante
- Trajetória profissional e estrutura do minicursoTrecho de 1 min 41 s
- O que é Data Science e perfis profissionais
- Conhecimentos mínimos: matemática, estatística, Python e SQL
- Tipos de aprendizado e modelos de machine learningTrecho de 1 min 57 s
- Fundamentos de redes neurais feedforward
- Conceitos de Redes Neurais Convolucionais (CNNs)
- Prática supervisionada com CNN no dataset MNIST
- Prática não supervisionada: PCA, t-SNE e K-Means
- Perguntas finais e encerramentoTrecho de 1 min 45 s
Dúvidas que o conteúdo responde
Quais são os pilares essenciais da Ciência de Dados segundo a apresentação?
Os três pilares fundamentais são Matemática e Estatística (para formulação de modelos e inferência), Computação (para processamento, boas práticas e engenharia de software escalável) e Negócios (para formular as perguntas corretas e gerar valor).
Qual a principal vantagem de usar redes convolucionais em vez de redes totalmente conectadas para imagens?
As redes convolucionais realizam compartilhamento de parâmetros e conexões esparsas por meio do deslizamento de kernels sobre a imagem, o que reduz drasticamente o número de operações e parâmetros necessários em comparação a uma rede feedforward totalmente conectada, além de conferir equivariância à translação.
Por que a função de ativação ReLU substituiu amplamente a Sigmoide em deep learning?
A Sigmoide satura nas caudas, gerando gradientes próximos de zero que retardam ou impedem a convergência (problema do gradiente evanescente). Já a ReLU é não linear no geral, mas linear por partes para valores positivos, o que facilita o cálculo de gradientes e acelera o processo de otimização.
Como foi determinado o número ótimo de clusters no K-Means para o MNIST no notebook?
Foi utilizado o método da análise de silhueta (Silhouette Score), avaliando faixas de 2 a 20 clusters para identificar em qual agrupamento o score médio era maximizado, encontrando um pico em 9 clusters.
Quais recomendações foram dadas para quem busca a primeira oportunidade na área e já possui a base teórica?
Rômulo recomendou buscar contato direto com recrutadores e líderes técnicos pelo LinkedIn, explorar vagas em plataformas como o Glassdoor e criar projetos práticos documentados e expostos publicamente na rede.
Assuntos
Palestrantes
Rômulo Amaral
Palestrante
Outros conteúdos deste evento
Gravados no evento Semana da Engenharia Elétrica 2021 - UFRJ
Currículo e marketing pessoal
Gravado no evento Semana da Engenharia Elétrica 2021 - UFRJ
A palestra 'Currículo e marketing pessoal', realizada no evento 'Curso de aprofundamento Engenharia Elétrica', aborda estratégias de desenvolvimento de carreira e inserção no…
Ver resumo e capítulosInovações elétricas no setor automobilístico
Gravado no evento Semana da Engenharia Elétrica 2021 - UFRJ
A apresentação aborda os fundamentos e avanços das inovações elétricas no setor automobilístico, com ênfase especial na propulsão elétrica e nos sistemas de célula a combustível…
Ver resumo e capítulosMetodologia SCRUM
Gravado no evento Semana da Engenharia Elétrica 2021 - UFRJ
O minicurso apresenta uma introdução abrangente à metodologia ágil de gestão de projetos Scrum, contextualizando sua aplicação tanto no desenvolvimento de produtos e softwares…
Ver resumo e capítulosDimensionamento Fotovoltaico
Gravado no evento Semana da Engenharia Elétrica 2021 - UFRJ
Nesta apresentação da SENEL 2021, Alexandre Rosa aborda os conceitos fundamentais para o dimensionamento fotovoltaico de micro e miniusinas conectadas à rede elétrica. São…
Ver resumo e capítulosIntegração do Hidrogênio Verde às Fontes Renováveis
Gravado no evento Semana da Engenharia Elétrica 2021 - UFRJ
A palestra aborda as rotas de obtenção e aplicação do hidrogênio verde integrado a diferentes matrizes energéticas renováveis. O palestrante explora fontes como hidrelétrica,…
Ver resumo e capítulosAnarede
Gravado no evento Semana da Engenharia Elétrica 2021 - UFRJ
Neste minicurso, Renan Pinto Fernandes apresenta o programa ANAREDE, software desenvolvido pelo Cepel para análise de sistemas de potência em regime permanente. O palestrante…
Ver resumo e capítulosSistemas Isolados no Brasil
Gravado no evento Semana da Engenharia Elétrica 2021 - UFRJ
Nesta palestra do Curso de aprofundamento Engenharia Elétrica, Michele Souza aborda a realidade técnica, regulatória e de planejamento dos Sistemas Isolados no Brasil. A…
Ver resumo e capítulosInteligência Artificial para Redução de Deslocamentos Improcedentes na Distribuidora de Energia Elétrica
Gravado no evento Semana da Engenharia Elétrica 2021 - UFRJ
A apresentação expõe o desenvolvimento do sistema RDI, criado pela Radix em parceria de P&D com a CPFL, voltado à redução de deslocamentos improcedentes na distribuição de…
Ver resumo e capítulos






