Machine Learning Meetup #35

== 1ª: A experiência da Mutual com AutoML e Feature Engineering aplicado a crédito ==

Como ferramentas de Automated Machine Learning podem aumentar a produtividade dos chapters de data science, os benefícios e precauções necessárias para explorar o trade-off entre interpretabilidade e performance no segmento de risco de crédito.

—

Bio: Patrick Maia é cientista de dados na Mutual, líder do chapter de data science e atua desenvolvendo modelos de classificação e precificação de risco de crédito na Mutual, a maior plataforma de P2P lending entre pessoas físicas do Brasil.

== 2ª: Federated Learning ==

Federated Learning (FL) é uma abordagem de machine learning incialmente idealizada e implementada pelo Google. A ideia central de FL é explorar o potencial de dados armazenados numa rede distribuída e descentralizada de aparelhos (por exemplo, celulares de clientes). No FL, ao invés de todos os dados serem recolhidos, centralizados e usados para treinamentos, updates do modelo são computados nos aparelhos com dados armazenados localmente e então combinados por um servidor para produzir uma nova versão do modelo.

—

Bio: Gervásio Santos é formado em Ciência da Computação pelo IME-USP e faz Mestrado em Computação no IME-USP com foco em geometria de altas dimensões. É Machine Learning Engineer no Nubank desde o começo de 2019.