Pular para o conteúdo
Even3

Palestra

Palestra - "Como as redes sociais adivinham minhas preferências"

Gravado no evento IV Porteirinha Techday · 1 h 18 min de gravação

Sobre o conteúdo

A palestra intitulada "Como as redes sociais adivinham minhas preferências", apresentada por Cleiane Oliveira durante o evento IV Porteirinha Techday, discute como plataformas digitais mapeiam dados de interação do usuário para fornecer recomendações personalizadas. Após a abertura conduzida pela organização do campus, Cleiane contextualiza sua trajetória acadêmica no IFNMG e introduz a inteligência artificial a partir de referências contemporâneas, como o documentário O Dilema das Redes (The Social Dilemma). Ela explica que a IA busca replicar comportamentos e processos cognitivos humanos, destacando a capacidade de máquinas identificarem padrões estatísticos em conjuntos massivos de dados por meio do aprendizado de máquina.

O que é abordado

  1. Abertura do IV Porteirinha Techday
  2. Apresentação e introdução à Inteligência Artificial
  3. Coleta e geração massiva de dados
  4. Recomendação baseada em conteúdo e classificadores
  5. Filtragem colaborativa e clusterização
  6. Aplicações práticas no comércio, música e medicina
  7. Ferramentas, bibliotecas e recursos em Ciência de Dados
  8. Debate: impactos sociais, bolhas de informação e algoritmos
  9. Encerramento e considerações finais

Dúvidas que o conteúdo responde

Qual a diferença entre recomendação baseada em conteúdo e filtragem colaborativa?

A recomendação baseada em conteúdo analisa o histórico individual do usuário e as características específicas dos itens dos quais ele já gostou para sugerir itens semelhantes por meio de classificadores. Já a filtragem colaborativa compara os hábitos de diversos usuários para encontrar perfis com comportamentos similares via técnicas de agrupamento (clusterização), indicando para uma pessoa o que outros com gostos afins apreciaram.

Como as redes sociais conseguem obter tantos dados sobre as preferências dos usuários?

Todas as interações na plataforma podem ser convertidas em dados analisáveis: publicações curtidas, tempo gasto visualizando uma postagem sem curtir, stories assistidos por completo ou ignorados, vídeos assistidos com áudio ou sem som, além de dados demográficos e conexões sociais mantidas pelo usuário.

Por que sistemas de recomendação podem apresentar comportamentos discriminatórios ou enviesados?

Os algoritmos de aprendizado de máquina baseiam-se em históricos passados. Se o banco de dados existente reflete desigualdades estruturais, baixa representatividade de minorias na criação de conteúdo ou padrões hegemônicos de engajamento da própria sociedade, o modelo computacional apenas replica e amplifica essas distorções existentes.

Quais ferramentas foram recomendadas para iniciantes em ciência de dados e machine learning?

Para quem não programa, foi recomendado o software gratuito Weka. Para quem deseja desenvolver código, recomendou-se a linguagem Python com bibliotecas como Scikit-learn, Pandas e TensorFlow, o ambiente online Google Colab e plataformas de dados e desafios como o Kaggle.

Assuntos

  • Sistemas de Recomendação
  • Inteligência Artificial
  • Machine Learning
  • Redes Sociais
  • Ciência de Dados
  • Algoritmos
  • IV Porteirinha Techday
  • Filtragem Colaborativa

Palestrantes

  • Cleiane Oliveira

    Palestrante

Outros conteúdos deste evento

Gravados no evento IV Porteirinha Techday