Newsletter

O homem que viciou o Facebook em fake news

Enviado em: March 22, 2021
View this email in your browser

O homem que deixou o Facebook viciado em desinformação


Fala, Data Hacker! Seja muito bem-vindo a mais uma newsletter! Essa semana nossa newsletter está on fire com diversos conteúdos legais que saíram nas últimas semanas. O destaque dessa edição fica para uma conversa com o Diretor de AI do Facebook sobre como o uso de seu algoritmo aumentou o consumo da rede social, mas criou um problema grande ao aumentar a exposição de conteúdo falso e desinformativo.

Além disso, nessa edição você irá conferir os aprendizados que uma empresa teve ao criar seu Catálogo de Dados, uma lista de podcasts de Data Science e Machine Learning pra você atualizar seu feed, e até quão grande um buraco negro pode ficar. Vem com a gente!

O homem que deixou o Facebook viciado em desinformação (e que não consegue curá-lo)

O Diretor de AI do Facebook, Joaquin Quiñonero, talvez seja um dos maiores nomes no tocante ao uso de AI em grandes corporações. Ele é o responsável pelo algoritmo do Facebook que direciona postagens precisas para seu feed com base no seu interesse, o que aumentou exponencialmente o uso da rede e que logo foi aplicado em várias frentes da empresa.

Mas, junto com o escandâlo da Cambridge Analytica em 2018, outras preocupações sobre o Facebook começaram a surgir, dentre elas, o fato do algoritmo deles não se preocupar com o que é verdadeiro ou falso, mas sim apenas com o que você gostaria de ver. Esse artigo completíssimo da Techology Review é uma conversa com Quiñonero sobre os desafios de tentar corrigir esse problema criado por eles mesmos. (em inglês)

Uma lista de podcasts de Data Science e Machine Learning


O Data Hacker Flávio Clésio fez um trabalho de utilidade pública ao listar uma série de podcasts sobre Data Science e Machine Learning em Português e Inglês. Se você, assim como eu, adora consumir podcasts, essa lista é indispensável para conhecer alguns novos. (em Português)
 


Como falhar três vezes ao criar seu Catálogo de Dados


Eu adoro ler conteúdos sobre aprendizados que empresas tiveram ao lidar com problemas, também conhecido como "Onde erramos e como corrigimos", e esse artigo sobre a Atlan me chamou bastante a atenção. Nele, eles contam como foram as diferentes tentativas em criar um Catálogo de Dados para a empresa e quais foram os aprendizados de cada falha até chegar na solução ideal. Se você está começando essa iniciativa na sua organização, recomendo bastante essa leitura. (em Inglês)
TÓPICOS AVANÇADOS
Por que Machine Learning passa mal quando lida com causalidade
Machine Learning tem superado humanos em muitas tarefas, desde jogos como Xadrez e Dota até na identificação de tumores, classificação de imagens, dentre outras. Mas, eles ainda sofrem ao lidar com causalidade, a ponto de serem gerados diversos papers e discussões sobre como preencher essa lacuna. Esse post resume alguns dos desafios que fazem essa tarefa ser bem difícil de completar. (em Inglês)

Com o que se parece uma stack de Analytics moderna
Vira e mexe surge um post na newsletter falando sobre como determinada empresa criou sua stack de dados, quais são as ferramentas mais comuns, etc. Esse post da Technically não foca em mostrar o que faz a ferramenta X ou o que Y está usando, mas sim destrinçar todos os estágios dos dados da organização e como cada empresa pode pensar em como resolver seu problema, ao invés de simplesmente adotar algo que todo mundo usa. (em Inglês)

Uma introdução intuitiva sobre o que são Transformers
Não, esse post não é sobre aquele filme de carros que se transformam em robôs. Transformers tem se mantido até hoje como uma das melhores arquiteturas usadas em NLP para representar textos de forma que uma máquina possa entender para realizar diferentes tarefas, como tradução de linguagem, por exemplo. Esse post bem didático mostra não só o que são Transformers, mas como eles funcionam por debaixo dos panos e suas diferentes aplicações. (em Inglês)
 
VAGAS DA SEMANA
  • Superior completo
  • Python ou R
  • Estatísticas
  • Experiência em projetos de Data Science
  • Experiência em liderança de times
  • Superior completo
  • Python ou Scala
  • Versionamento de código
  • Experiência com metodologia ágil
  • Experiência com ambiente Linux
  • Experiência com projetos de Big Data
DICA DE VÍDEO
 A Nvidia mais uma vez surpreende ao lançar uma nova técnica para video-conferências, como demonstrado nesse vídeo do Two Minute Papers. A técnica permite desde reconstruir vídeos até aplicar rotação de cabeça naquelas reuniões que você fica olhando pra tela e não pra câmera. Confira esse vídeo para entender mais sobre essa novidade. (em Inglês)
MEME DA SEMANA (VÍDEO)
O meme da semana é tão bom que vai ser um vídeo. Clique aqui pra ouvir uma mensagem do Nickelback.
DATA VISUALIZATION DA SEMANA
Quão grande um buraco negro pode ser?
Dica do Data Hacker Adamastor no Slack do Data Hackers, esse post mostra uma análise bem interessante sobre os números que cercam os buracos negros, dentre eles, o quão grande eles conseguem ser. A imagem acima é uma das visualizações encontradas no post: o pequeno ponto no meio da imagem é o nosso sistema solar inteiro. (em Inglês)
PRÓXIMOS EVENTOS E MEETUPS [100% ONLINE]

ML 101 on Google Cloud Platform
23 de Março - Evento Gratuito e 100% Online

Chat com Andrew NG - MLOps:
From Model-centric to Data-centric AIummit 2021

24 de Março - Evento Gratuito e 100% Online

Airflow Summit 2021
08 a 16 de Julho - Evento Gratuito e 100% Online

ODSC East: Opens Data Science Conference
30 de Março a 01 de Abril de 2021 -  Evento Pago e 100% Online

Ai4 2021: Exploring Artificial Intelligence Across Industry
17 a 19 de Agosto de 2021 -  Evento Pago e 100% Online
Facebook
Site
LinkedIn
Twitter
Medium
Copyright © *|CURRENT_YEAR|* datahackers.com.br.

Want to change how you receive these emails?
You can update your preferences or unsubscribe from this list.

©2018-2021 - Data Hackers, Todos os direitos reservados.

Site por Kaordica