Início IA, ML e Engenharia de Dados no InfoQ Brasil
Artigos
Feed RSS-
O ano de 2019 no InfoQ e previsões de softwares para 2020
Neste artigo, serão apresentados pontos que marcaram o ano de 2019 e que foram noticiados pelo InfoQ, para temas como: Desenvolvimento Java e .NET; Desenvolvimento Web; Arquitetura; IA, ML e Engenharia de Dados; Cultura e Métodos; e DevOps/Cloud. Além de discorrer assuntos que podem vir a se tornar tendências no desenvolvimento de softwares no ano 2020.
-
Análise de dados no mundo ágil
É tudo uma questão de negócios centrados no cliente, ou ainda existem dados para serem minerados? Podemos integrar a análise de dados e a empatia pelo cliente? Este artigo explora como tornar os negócios mais direcionados ao cliente, e quais informações precisamos para entender o bem mais precioso da empresa: os clientes.
-
Repensando as APIs do Flink para um framework unificado de processamento de dados
Desde o início, o Apache Flink seguiu uma filosofia de adotar uma abordagem unificada para processamento batch e streaming. O componente principal é o processamento de streams de dados ilimitados, como em batch por exemplo. Atualizações recentes das APIs do Flink incluem projetos arquiteturais realizados pela comunidade para suportar tanto batch como streaming de forma unificada no Apache Flink.
-
Azure Data Lake Analytics e U-SQL
Aniruddha Chakrabarti apresenta o artigo “Azure Data Lake Analytics e U-SQL” que descreve sobre os principais serviços da Azure Cloud para Big Data Analytics e a introdução de uma nova linguagem de processamento e consulta de big data chamada U-SQL, fornecendo uma visão geral da linguagem U-SQL e como usá-la em aplicações que rodam na Azure Cloud.
-
Postgres oferece mais funcionalidades do que você imagina
Jason Skowronski apresenta os detalhes inovadores e pouco conhecido da comunidade de desenvolvedores e até mesmo usuários do Postgres de como escalar, processar grande volumes de dados com velocidade e trabalhar com dados especiais como busca de dados baseados em tempo e utilização do tipo de dados tsvector para realizar buscas rápidas em campos de texto.
-
Aumentando a Qualidade do Atendimento ao Paciente através de Stream Processing
Today’s healthcare technology landscape is disaggregated and siloed. Physicians analyse patient data streams from different systems without much correlation. Even though health-tech domain is mature and rich with data, the value of it is not directed towards increasing the quality of patient care. This article presents a stream processing solution in which streams are co-related.
-
Automatizando a execução de Spark Notebooks
O uso de notebooks para explorar um dataset facilita muito o trabalho do desenvolvedor, mas possui desafios para serem publicados em produção ou para os usuários finais visualizarem seus resultados, veja nesse artigo como a Tail fez para automatizar o uso dos Spark Notebooks.
-
Como aliviar a dor de dar e receber feedback
Empresas que incentivam o feedback aberto e honesto é uma organização melhor do que empresas que não fazem. Não obstante, dar feedback é difícil porque os esforços físico e social compartilham o mesmo circuito neural. Por isso, o feedback pode ser fisicamente doloroso, como Sarah Hagan discutiu na sua palestra na QConSF18. Ela usa pesquisa científica para demonstrar como dar feedback corretamente.
-
Processamento de dados em tempo real usando Redis Streams e Apache Spark Structured Streaming
Roshan Kumar, gerente sênior de produtos na Redis Labs, demonstra nesse artigo como a combinação do Apache Spark Structured Streaming, que possui recursos de consulta SQL para streaming de dados, com o Redis Streams pode promover e simplificar a escalabilidade do processamento de dados em tempo real.
-
Como usar a solução de código aberto Prometheus para monitorar aplicações em escala
Nesse artigo o autor discute como coletar métricas e detectar anomalias no streaming de dados usando o Prometheus, Apache Kafka e Apache Cassandra.
-
Utilizando o Analytics Zoo para injeção de IA em uma plataforma de serviço ao cliente (Parte II)
Esse artigo compartilha uma experiência prática na construção de um módulo de classificação de perguntas e respostas na plataforma de suporte ao cliente da Azure, usando o Intel Analytics Zoo, pela Microsoft Azure China. Através dele é possível aprender rapidamente passo a passo como preparar dados para treinar, validar e ajustar um modelo de correspondência de texto em escala.
-
De volta para o futuro: desmistificando o viés cognitivo
A IA nas empresas tem nuances mais predominantes nos dados de entrada quando comparado com a IA aplicada a um consumidor ou na academia. O calcanhar de Aquiles neste domínio é o viés cognitivo. Em termos leigos, é como o Marty McFly (De volta para o futuro) viajando para o futuro, colocando as mãos no almanaque esportivo e usando-o para apostar nos jogos do presente.