Past Meetup

Machine Learning #24 - Nubank + McKinsey

This Meetup is past

145 people went

Details

Atenção! Este meetup não será no escritório do Nubank! Veja a localização antes de confirmar presença!

É IMPRESCINDÍVEL portar o RG para poder entrar no evento, informe no momento da inscrição!

=======================================================================
1ª: Big Data na Vida Real
=======================================================================

Nesta apresetação mostramos, como em menos de 5 meses ajudamos uma instituição financeira a aprimorar a oferta e retenção de seus produtos, processando mais de 20 fontes de dados e somando mais de 30 bilhões de registros.

Vamos compartilhar também como usar a Google Cloud (GCP), juntamente com Docker, ajudou a criar uma nova capacidade interna.

Bios:
Caio Dias é formado em Sistemas de Informação pela USP e apesar de hoje ser um Cientista de Dados, começou a carreira como desenvolvedor de softwares. Foi numa aula no intercâmbio que descobriu a paixão por dados e desde então trabalhou em empresas farmacêuticas e seguradoras. Agora, está na McKinsey a um ano e meio, trabalhando principalmente com seguradoras.

Carlos Barreto is a Data Engineer, with over 5 years of experience design and developing highly scalable/available data architectures and data applications for startups, using AWS and GCP.

Since he's joined the Firm, he served Retail and Banking sector providing strategy solutions using all kind of data and sources, some of this projects has been considered benchmarks in their sector.

=======================================================================
2ª: Python + Alto Forno: AA em Engenharia
=======================================================================

Essa apresentação mostra uma aplicação pouco usual de Advanced Analytics em Engenharia, onde criamos modelos preditivos/prescritivos para entender melhor o funcionamento interno de um alto-forno, que e essencial para a movimentação econômica do pais. Esses modelos são grandes aliados aos modelos fenomenológicos tradicionais porque se adaptam as condições de operação do forno e permitem otimizar as variáveis envolvidas.

Bio
Vitor Pereira Bezzan, cientista de dados na McKinsey & Company. Minha formação acadêmica e de Bacharel em Física pela Universidade de São Paulo , tendo estudado sobre Fisica-matematica e dinâmica molecular. Hoje curso o mestrado em Matemática Aplicada na Universidade Estadual de Campinas, com foco em aprendizado de máquina e deep learning. Na vida profissional, tenho experiência no setor de bancos de investimento, tendo trabalhado 4+ anos em CRM, Private Banking e Asset Management. Hoje, na McKinsey, tenho interesse em atuar em projetos de Banking/Finanças e GEM.
=======================================================================
3ª: Previsão versus Causalidade e o modelo Causal Forest
=======================================================================

Há uma distinção entre problemas de previsão e de causalidade. Nesta apresentação eu falo um pouco sobre cada tipo, além de apresentar um modelo capaz de trabalhar com relações causais (Causal Forest).

Bio: Luis Moneda é economista, engenheiro da computação e trabalha como Data Scientist no Nubank.