Vida com IA

Fala galera, nesse episódio eu falo sobre soluções de data science no code, plataformas onde você consegue criar soluções inteiras de ciência de dados, desde a análise e manipulação dos dados até a criação de modelo de machine learning sem escrever nenhuma linha de código. No podcast eu falo de duas soluções, KNIME e Dataiku, vai la escutar pra saber os pros e contras de cada uma delas!  Instagram: https://www.instagram.com/podcast.lifewithai/   Linkedin: https://www.linkedin.com/company/life-with-ai  KNIME: https://www.knime.com/  Dataiku: https://www.dataiku.com/

Fala galera, nesse episódio eu falo sobre como realizar um projeto de Data Science do zero. No episódio eu começo falando sobre um conjunto de passos que você deve seguir para realizar o seu projeto, desde a formulação da hipótese até monitoramento do seu modelo em produção. Depois, eu falo sobre como eu fiz pra aplicar esse conjunto de passos no meu projeto de detecção de fraudes. Esse episódio é bem prático e pode ajudar muita gente a formular e trabalhar melhor os seus projetos de Data Science. https://www.instagram.com/podcast.lifewithai/ Linkedin: https://www.linkedin.com/company/life-with-ai

Fala galera, nesse episódio eu explico todos (ou quase todos) os termos ligados à inteligência artificial. Se você fica perdido no meio de tantas termos que nunca ouviu, siglas e palavras em inglês esse episódio é pra você, nele eu explico desde os termos básicos como o que é um algoritmo até os tipos de aprendizado estado da arte e fazendo também uma ligação entre os termos. O objetivo desse episódio é servir como um dicionário para você conseguir entender melhor essa grande área de inteligência artificial. Instagram: https://www.instagram.com/podcast.lifewithai/ Linkedin: https://www.linkedin.com/company/life-with-ai Dicionário da IA (resumo de todos os termos falados no episódio):

Fala galera, nesse episódio eu explico o que é Aprendizado por Reforço, o famoso Reinforcement Learning. No episódio eu começo falando sobre algumas aplicações de RL que temos atualmente e depois explico os conceitos básicos, como agente, ambiente, recompensas, estados e transições. Depois, eu falo bem alto nível sobre as ideias por trás dos principais algoritmos, como Q-Learning, Deep Q-Learning, Actor Critic, PPO, DDPG... No final eu falo sobre as técnicas avançadas de Reinforcement Learning, como aprendizado por currículo, aprendizado por hierarquia, aprendizado por imitação, meta aprendizado e aprendizado de múltiplos agentes. Instagram:  https://www.instagram.com/podcast.lifewithai/  Linkedin: https://www.linkedin.com/company/life-with-ai  Códigos no github: https://github.com/filipelauar/projects/tree/main/Reinforcement%20Learning

Fala galera, nesse episódio do podcast eu explico o que são Redes Neurais e como elas funcionam. No episódio eu falo sobre a relação entre o cérebro humano e a arquitetura das redes neurais, como elas são treinadas, utilizando o famoso algoritmo de back-propagation. Depois de entender como funcionam as redes neurais, eu discuto um pouco sobre a questão de inteligência nesses algoritmos de "inteligência artificial", será que eles são mesmo inteligentes? Instagram: https://www.instagram.com/podcast.lifewithai/ Linkedin: https://www.linkedin.com/company/life-with-ai Códigos (são os notebook nomeados como MLP - Redes Neurais de multiplas camadas): https://github.com/filipelauar/projects/tree/main/CNN_applications Tensorflow playground: https://playground.tensorflow.org/#activation=tanh&batchSize=10&dataset=circle&regDataset=reg-plane&learningRate=0.03&regularizationRate=0&noise=0&networkShape=4,2&seed=0.24800&showTestData=false&discretize=false&percTrainData=50&x=true&y=true&xTimesY=false&xSquared=false&ySquared=false&cosX=false&sinX=false&cosY=false&sinY=false&collectStats=false&problem=classification&initZero=false&hideText=false

Fala galera, nesse episódio eu recebo no podcast em inglês o ex pesquisador de Oxford Shrinivasan Sankar. No episódio o Shrini fala sobre sua linha de pesquisa ligada a Deep Learning e Active Learning, sua transição de carreira da pesquisa para uma startup agroTech e também sobre seu canal no youtube, AI Bites. Além disso tudo, conversamos um pouquinho sobre como começar nessa área de ciência de dados e inteligência artificial. Instagram: https://www.instagram.com/podcast.lifewithai/ Linkedin: https://www.linkedin.com/company/life-with-ai Linkedin do Shrini: https://www.linkedin.com/in/shrinivasan-sankar-2885016/ Canal do YouTube AI Bites: https://www.youtube.com/c/AIBites Link pro episódio em inglês: https://open.spotify.com/episode/7lB8CqUjDFteoGbN7F5SBk?si=e46d306ab2f446ba

Fala galera, nessa semana eu recebi no podcast em inglês a Asya, estudante de PhD e minha professora na Sorbonne. No episódio falamos sobre a pesquisa da Asya em modelos generativos e GANs mas também sobre outros temas como inteligência artificial geral. A Asya além de PhD em Deep Learning faz escalada profissional e participou 2x do American Ninja Warrior. Nesse episódio em português eu tento passar um pouco da nossa conversa para vocês! Instagram: https://www.instagram.com/podcast.lifewithai/ Linkedin: https://www.linkedin.com/company/life-with-ai Episódio em inglês: https://open.spotify.com/episode/71gT771qHo31ANMRSTZVxN?si=76ad2607d3f44471 Código no github preparado pela Asya: 

Fala galera, nesse episódio eu falo sobre o processo de pré treinamento dos modelos estado da arte em NLP e visão computacional usando arquiteturas de transformers. Desde 2017 nós treinamos redes de NLP (BERT, GPT, ELECTRA) com um modelo de linguagem mascarado usando um processo self-supervisionado, e agora (à partir de 2022) nós somos capazes de treinar arquiteturas de visão (MAE) usando o mesmo processo de modelo de linguagem mascarada. Esse pré treinamento self-supervisionado nos habilita a treinar modelos poderosos que realmente conseguem entender semântica e contexto mesmo sem rótulo nos dados. No episódio eu também falo sobre uma arquitetura de transformers para dados tabulares (TabTransformer - 2020) usando a mesma abordagem atingindo resultados estado da arte comparado com métodos de ensemble. Instagram: https://www.instagram.com/podcast.lifewithai/ Linkedin: https://www.linkedin.com/company/life-with-ai BERT paper: https://arxiv.org/pdf/1810.04805.pdf GPT3 paper: https://arxiv.org/pdf/2005.14165.pdf ELECTRA paper: https://arxiv.org/pdf/2003.10555.pdf MAE paper: https://arxiv.org/pdf/2111.06377.pdf TabTransformers paper: https://arxiv.org/pdf/2012.06678.pdf

Fala galera, nesse episódio eu falo sobre como atacar redes neurais e também como defender a sua rede contra esses ataques. Nesse episódio eu dou o exemplo de atacar carros autônomos, como as pessoas criam imagens que fazem esse carro pensar que uma pessoa é uma árvore ou um carro, por exemplo, e explico também os métodos que fazem isso. Eu também falo sobre como defender a sua rede desses ataques usando diferentes técnicas de adversarial defenses. Instagram: https://www.instagram.com/podcast.lifewithai/ Linkedin: https://www.linkedin.com/company/life-with-ai Código: https://github.com/filipelauar/projects/blob/main/adversarial_attacks_pytorch.ipynb

Fala galera, nesse episódio eu explico como um carro autônomo pode ser treinado para dirigir em um país, na Alemanha por exemplo, e mesmo assim ser capaz de dirigir no Brasil com tudo tão diferente. Para explicar isso, eu falo sobre o conceito de domain adaptation (adaptação de domínio) e também semi-supervised learning (aprendizado semi supervisionado). Eu explico a ideia com a primeira arquitetura proposta and também falo sobre o estado da arte que temos hoje para resolver o problema. Instagram: https://www.instagram.com/podcast.lifewithai/ Linkedin: https://www.linkedin.com/company/life-with-ai Código: https://github.com/filipelauar/projects/blob/main/domain_adaptation_semi_supervised_learning_MNIST_pytorch.ipynb