Como Data Science previu o surto de coronavírus
Funcionários da canadense BlueDot identificaram sinais do vírus três semanas antes do anúncio de restrições de viagens a Wuhan.
Como o futebol utiliza Data Science?
Data Science já está presente no monitoramento do desempenho de jogadores, preparação de táticas contra outros times ou na análise de jogadores potencialmente interessantes.
Inteligência Artificial vai revolucionar a compra de mídia?
Em geral, a utilização de automação na compra de mídia ainda caminha com cuidado, à exceção de Facebook, Google e outras grandes empresas.
Raciocínio de senso comum: um desafio da Inteligência Artificial
O raciocínio de senso comum é uma área da Inteligência Artificial preocupada em entender o contexto e as relações causais entre eventos do mundo real.
Tendências de Data Science para 2020
Utilização de Data Science em áreas conservadoras, privacidade de dados por design e mitigação de preconceitos são algumas das tendências para este ano.
Por que ninguém olha para os seus dashboards?
O imperativo por trás da necessidade de entendimento dos algoritmos é accountability. É preciso confiar em decisões algorítmicas e fornecer recursos para que decisões baseadas em Inteligência Artificial sejam contestadas.
Por que líderes de negócios precisam entender algoritmos?
O imperativo por trás da necessidade de entendimento dos algoritmos é accountability. É preciso confiar em decisões algorítmicas e fornecer recursos para que decisões baseadas em Inteligência Artificial sejam contestadas.
Como é feita a modelagem de dados do Marketing Mix Modeling?
A regressão linear se apresenta como a melhor técnica para modelagem de dados para o Marketing Mix Modeling. Neste post, explicamos como ela funciona e quais são seus pré-requisitos.
Sistemas de Inteligência Artificial aprendem nossos preconceitos?
Pesquisadores mostram que dados utilizados para treinar softwares de Inteligência Artificial reproduzem décadas de preconceito. A reflexão é importante para que entendamos limitações e cuidados necessários em projetos de Data Science.
Quais dados sobre o ciclo de vida do consumidor são fundamentais?
A estratégia digital permite que consumidores sejam segmentados de maneira precisa. Porém, é importante identificar quais dados devem ser capturados em cada fase do ciclo de vida do consumidor.