Plataformas baseadas em internet das coisas (IoT), machine learning, big data e inteligência artificial (AI, na sigla em inglês) estão gerando inteligência competitiva tanto para o agronegócio quanto para a indústria. No campo, um exemplo dessa reinvenção é o uso da tecnologia de sensoriamento remoto para monitoramento de ambiência em aviários.

Nessa esteira, está a solução Gestão Avícola, da SPRO IT Solutions, que já apresenta este ano seus primeiros resultados. Em 12 meses de aplicação em granjas-piloto no Paraná, a rentabilidade média dos lotes de frango aumentou 25%.

A solução possibilita o diagnóstico de possíveis problemas, desvios ou desperdícios em curso na produção, para correções em tempo real, melhorando a produtividade do lote de aves. A tecnologia, que pode beneficiar também a suinocultura, piscicultura ou bovinocultura de leite, foi a 1ª certificada da América Latina em SAP Leonardo, plataforma na nuvem da SAP – empresa alemã líder no mercado mundial de softwares corporativos. Também conquistou outras aprovações importantes, como no Programa Startup Focus e SAP App Center.

Já na indústria, os sensores inteligentes monitoraram dados variáveis de processos industriais, bem como condições físicas de ambientes, também com correção em tempo real de qualquer desvio de processo. “Com a criação de rotinas ágeis, a indústria ganha eficiência operacional em toda a cadeia de produção, reduz perdas e custos e aumenta a produtividade”, afirma o presidente-executivo da SPRO IT Solutions, Almir Meinerz.

Inteligência artificial no campo

Dados gerados em IoT transformam-se, com auxílio de AI, em informações que ajudam o produtor e a agroindústria a gerenciarem online determinadas variações. A AI processa um alto volume de dados e cruza as mais diversas variáveis para identificar desvios e realizar análises preditivas. É possível, assim, fazer antecipações e atuar em ações efetivas no manejo. Estes dados geram, também em tempo real, indicadores importantes, como taxas de conversão alimentar.

“Todas estas tecnologias, baseadas em SAP Cloud Platform (SCP), irão determinar o futuro da atividade, trazendo a nova dinâmica da economia digital ao agronegócio brasileiro. O produtor agora deve estar focado em decisões ainda mais relevantes, tendo um perfil mais analítico, planejador e competitivo”, explica Meinerz. Em todo mundo houve crescimento de 24% na busca pelo SCP, movimentando €421 milhões em 2017, segundo dados divulgados pela SAP.

Fonte: IDG Now

A empresa de cobrança Acordo Certo fecha, por mês, 30 mil renegociações de dívidas. Entre seus clientes estão Santander, Claro e Porto Seguro. Em vez de reunir uma legião de pessoas ao telefone, freneticamente ligando para clientes, o negócio fundado por Dilson de Sá se resume a 12 pessoas, alguns laptops e um monitor que indica em tempo real os resultados obtidos. Recentemente, ao contratar a Acordo Certo, um cliente reduziu 700 postos de atendimento de telemarketing, disse Sá ao jornal O Estado de S. Paulo.

A Acordo Certo resume a redução do emprego na era digital: com o uso da inteligência artificial, renegocia dívidas com robôs que “dialogam” com devedores – a empresa utiliza uma combinação de ferramentas desenvolvidas por Google, Microsoft e IBM. São sistemas como esses que podem pôr em xeque o futuro de diversas profissões na próxima década. Segundo estudo da Universidade de Oxford, o telemarketing está no topo dessa lista, seguido de perto por vendedores de varejo, contadores, auditores e outros profissionais da área administrativa.

No Brasil, segundo a consultoria McKinsey, 14% dos postos de trabalho atuais – ou 15,7 milhões de vagas – podem desaparecer até 2030. É um desafio e tanto, uma vez que o País já tem desemprego superior a 13%. Entre os jovens de 18 a 24 anos, a taxa quase dobra. A McKinsey também alerta que o País está pouco preparado para as vagas que podem ser geradas pela economia digital, pela falta de preparo da força de trabalho.

“As pessoas devem pensar em migrar para atividades que não possam ser facilmente automatizadas”, recomenda Fernanda Mayol, sócia da companhia.Apesar de o telemarketing liderar a lista de risco de estudos internacionais, a Associação Brasileira de Telesserviços (ABT), que congrega as companhias do setor, não vê riscos tão sérios à atividade. Os números da própria ABT, porém, apontam para um corte de quase 80 mil vagas no setor em 2017.

O diretor executivo da entidade, Cassio Azevedo, associa os fechamentos de postos de trabalho no ano passado à retração da economia em 2015 e 2016, e não à digitalização. Em relação à substituição dos atendentes por máquinas, ele recorre a uma análise histórica: “A substituição do homem (pela tecnologia) é uma questão desde o surgimento da máquina a vapor”.

Porteiro eletrônico

Enquanto algumas profissões estão em xeque em todo o mundo, a tecnologia também ameaça atividades que já foram substituídas em outras nações, mas que, por razões culturais e de segurança, ainda são comuns no Brasil. A ferramenta de portaria eletrônica da Kiper, que concentra as demandas de visitantes, correio e de caminhões de mudança em uma central, está fazendo com que um só profissional seja responsável por monitorar de 8 a 12 edifícios, e não apenas um.

A companhia fornece o sistema para administradoras de condomínio espalhadas pelo Brasil. Uma dessas centrais, nas quais o porteiro vigia uma série de telas com imagens de câmeras de segurança, fica no bairro da Liberdade, na capital paulista. “A ociosidade desse profissional diminui muito durante o trabalho”, diz Odirley da Rocha, sócio da Kiper.

Mas, sem um porteiro por perto, como receber encomendas e fazer mudança? Rocha diz que, para os Correios, a Kiper desenvolveu um sistema de armários inteligentes, que podem ser abertos remotamente, e geralmente são posicionados no antigo local da portaria. Em dia de mudança, o morador poderá liberar a entrada e saída do prestador de serviço – após o período determinado, a senha de acesso vence automaticamente.

Fonte: Pequenas Empresas & Grandes Negócios

Responsável por inovar e buscar soluções na área da saúde, o segmento de HealthTechs tem se desenvolvido em diversas frentes, desde aplicações para otimização de processos de gestão da saúde, até diagnósticos avançados e soluções tecnológicas para prevenção de doenças, melhoria da qualidade de vida, mapeamento de endemias, entre outros.

Segundo a Health Angels, aceleradora de startups atuantes no setor de saúde, diversas tecnologias têm sido utilizadas para tanto, como Big Data, que permite a análise preditiva da evolução do tratamento de pacientes individuais e até de possíveis epidemias. “Alguns desses avanços tornaram-se as principais tendências para a revolução na medicina em geral”, destaca Roberto Coletta, diretor da aceleradora. A Health Angels listou os seis recursos mais evidentes da área. Confira.

1 – Inteligência artificial

Auxílio em diagnósticos médicos, análise minuciosa de relatórios médicos, o que ajuda a prevenir doenças, identificação rápida de doenças e tratamento mais indicado, além do atendimento de clientes via chatbots;

2 – Internet das coisas (IoT)

Coleta e monitoramento de informações médicas de pacientes, como sinais de saúde, doenças e características individuais e aceleramento de diagnósticos;

3- Impressão 3D

Possibilita a criação de próteses, órgãos e tecidos humanos, produção de itens personalizados que se encaixam perfeitamente às necessidades de cada paciente;

4 – Realidade Aumentada/Virtual

Treinamento de médicos com corpos humanos virtuais, diminuindo os custos do curso, simulação de ambientes cirúrgicos e assistência na execução de procedimentos;

5 – Wearables

Dispositivos na forma de acessórios voltados para o cotidiano, como relógios ou pulseiras. São utilizados como medidores de saúde física, como os batimentos cardíacos durante um exercício físico, e até mesmo como monitores do sistema nervoso;

6 – Precision Medicine

Especializada na genética do paciente, promove os diagnósticos clínicos e tratamentos de doenças com base no histórico médico e familiar de acordo com os genes de cada pessoa.

HealthTechs em prol da saúde

No Brasil, o Sistema Único de Saúde (SUS) atende cerca de 190 milhões de pessoas. “Tendo em vista a grande carência existente no sistema de atenção básica de saúde, além das limitações de recursos para atender à população, o setor de HealthTechs é um dos mais promissores no país”, afirma. “A tecnologia pode proporcionar um melhor atendimento com mais eficiência para os usuários desses serviços”, completa.

Segundo a aceleradora, no sistema de saúde brasileiro destacam-se aplicações ligadas a melhoria de processos e atendimento a clientes, bem como iniciativas inovadoras para prevenção e diagnóstico médico. Para Coletta, ao oferecer recursos rápidos e baratos, como acesso a exames e marcação de consultas disponível até mesmo pelo celular, o Brasil fica em evidência na área. “As tecnologias que exigem menos capital, mas que buscam apostar em serviços inovadores para o relacionamento entre o consumidor e o mercado da saúde, têm mais espaço. As HealthTechs, então, oferecem rendimento a curto e médio prazo e focam no atendimento e cuidados especiais com base em análise de dados”, explica.

Considerada uma das áreas que mais crescem no mercado, as HealthTechs se preocupam em aumentar a qualidade da assistência médica. “Visando melhorias para a acessibilidade entre os consumidores e o setor de saúde de forma prática, elas investem em novas tecnologias e trazem soluções fáceis e abrangentes para a população”, afirma Coletta. “O Brasil, neste cenário, destaca-se com as inovações no atendimento e relacionamento entre consumidor e sistema de saúde”, finaliza o executivo.

Fonte: ITF Mídia

Mais do que atualização de ferramentas e forma de trabalhar, a evolução da tecnologia transforma a maneira como as pessoas interagem e afeta diretamente suas expectativas. Nesta seleção de cinco palestras dadas no TED,  grandes nomes trazem provocações e conceitos importantes sobre o Futuro da TI, a serem considerados em qualquer esfera da vida humana.

1 – Don’t fear intelligent machines. Work with them
Para tirarmos o máximo proveito da tecnologia, devemos enfrentar nossos medos. Segundo Garry Kasparov, um dos maiores jogadores de xadrez da história – e que perdeu uma partida memorável para o supercomputador Deep Blue, da IBM, em 1997 -, devemos superar esses medos para tirar o melhor proveito da humanidade. No TED, Kasparov compartilha sua visão de um futuro em que as máquinas nos ajudam a transformar nossos sonhos em realidade.

2 – How to get empowered, not overpowered, by AI
Pesquisadores de Inteligência Artificial acreditam que os robôs vão superar os humanos em todas as tarefas e empregos nas próximas décadas, com um futuro restrito às leis da física e não de nossa inteligência. Nessa palestra, o físico e cientista do MIT Max Tegmark fala sobre ameaças reais e medidas concretas que devemos tomar para que o contato com a IA seja o melhor possível.

3 – The rapid growth of the chinese internet and where it’s headed
Em um crescimento constante, a internet chinesa já apresenta mais usuários que as populações combinadas dos EUA, Reino Unido, Rússia, Alemanha, França e Canadá. Mesmo com imperfeições, a vida dos chineses foram elevadas por conta disso, segundo Gary Liu, CEO do South China Morning Post. Na palestra, Liu fala sobre o desenvolvimento da indústria de tecnologia chinesa e cita o uso de IA nas viagens de trem no país.

4 – The mission to create a searchable database of earth’s surface
Will Marshall, do Planet, usa a maior frota de satélites do mundo para capturar imagens da terra todos os dias. No entanto, a novidade é o uso de inteligência artificial para indexar objetos do planeta ao longo do tempo. Basicamente, seria possível pesquisar navios, árvores, casas e outras coisas como quando se busca uma informação no Google. No TED, Marshall compartilha a visão sobre o funcionamento desse banco de dados e como isso pode se tornar um registro vivo de mudanças físicas no planeta. Segundo ele, a ideia é “dar a ferramenta para as pessoas e agir”.

5 – How we need to remake the internet

No início da cultura digital, Jaron Lanier ajudou na criação de uma visão da internet como um bem público comum, onde a humanidade poderia compartilhar conhecimento. No entanto, foram criados dispositivos pessoais que controlam nossas vidas, monitoram os nossos dados e nos alimentam de estímulos. Nessa palestra, Lanier fala sobre um “erro trágico” da cultura digital e como podemos desfazê-lo.

Fonte: IT Mídia

O Gartner acaba de anunciar cinco tendências tecnológicas emergentes que poderão confundir as linhas entre humanos e máquinas. Exemplos como a inteligência artificial (AI, na sigla em inglês) desempenham papel fundamental ao permitir que empresas estejam sempre disponíveis e conectadas a ecossistemas de negócios para sobreviver em um futuro próximo.

“Os líderes de negócios e tecnologia continuarão a enfrentar rapidamente a aceleração da inovação tecnológica que impactará profundamente a maneira como eles se envolvem com sua força de trabalho, colaboram com seus parceiros e criam produtos e serviços para seus clientes”, disse Mike J. Walker, vice-presidente do Gartner.

Segundo ele, os CIOs e os líderes de tecnologia devem estar sempre examinando o mercado, avaliando e testando tecnologias emergentes para identificar novas oportunidades de negócios com alto potencial de impacto e relevância estratégica para seus negócios.

O relatório Hype Cycle for Emerging Technologies fornece uma perspectiva sobre as tecnologias e tendências que estrategistas de negócios, diretores de inovação, líderes de P&D, empreendedores, desenvolvedores do mercado global e equipes de tecnologia devem considerar no desenvolvimento de seus portfólios. Confira as cinco tecnologias emergentes que mudarão o mundo no futuro:

1 – AI democratizada

As tecnologias de AI estarão virtualmente em todos os lugares nos próximos dez anos. Embora essas tecnologias permitam, hoje, que os primeiros usuários se adaptem a novas situações e resolvam problemas que não foram encontrados anteriormente, elas não disponíveis para as massas. Movimentos como a computação em nuvem e o código aberto acabarão levando AI para as mãos de todos.

Essa tendência é possibilitada pelas seguintes tecnologias: plataforma como serviço (PaaS), inteligência artificial, condução autônoma (níveis 4 e 5), robôs móveis autônomos, plataforma de conversação AI, redes neurais profundas, veículos autônomos voadores, robôs inteligentes e assistentes virtuais.

“As tecnologias que representam a AI democratizada povoam três das cinco seções do Ciclo Hype, e algumas delas, como redes neurais profundas e assistentes virtuais, alcançarão a adoção em massa nos próximos dois a cinco anos”, disse Walker. “Outras tecnologias emergentes dessa categoria, como robôs inteligentes ou AI PaaS, também estão se movendo rapidamente através do Ciclo Hype, aproximando-se do pico e, em breve, terão atravessado esse limite”.

2 – Ecossistemas Digitalizados

As tecnologias emergentes exigem a revolução das bases de capacitação que fornecem o volume de dados necessários, poder de computação avançado e ecossistemas que possibilitam a onipresença. A mudança da infraestrutura técnica compartimentada para as plataformas que permitem o ecossistema está lançando as bases para modelos de negócios inteiramente novos que estão formando a ponte entre os seres humanos e a tecnologia.

Esta tendência é possibilitada pelas seguintes tecnologias: blockchain, blockchain for Data Security, Digital Twin, Plataforma IoT e Knowledge Graphs.

“As tecnologias de ecossistemas digitalizados estão chegando rapidamente ao ciclo Hype”, disse Walker. “As plataformas Blockchain e IoT já ultrapassaram o pico, e acreditamos que elas atingirão a maturidade nos próximos cinco a 10 anos, com gêmeos digitais e gráficos de conhecimento.”

3 – Biohacking

A humanidade começará sua era “transumana”: a biologia poderá ser hackeada, dependendo do estilo de vida, interesses e necessidades de saúde. O biohacking se divide em quatro categorias: aumento de tecnologia, nutrigenômica, biologia experimental e ginger biohacking. No entanto, restam dúvidas sobre até que ponto a sociedade está preparada para aceitar esses tipos de aplicativos e quais são os problemas éticos que eles criam.

Essa tendência é possibilitada pelas seguintes tecnologias: biochips, biotecnologia – tecido cultivado ou artificial, interface cérebro-computador, realidade aumentada, realidade mista e Tecidos Inteligentes.

4 – Experiências Transparentemente Imersivas

A tecnologia continuará a se tornar mais centrada no ser humano, a ponto a aumentar a transparência entre pessoas, empresas e coisas. Essas tecnologias ampliam e permitem uma vida mais inteligente, trabalho e outros espaços que encontramos.

Esta tendência é possibilitada pelas seguintes tecnologias: impressão 4D, casa conectada, AI, tecnologia do sistema de autorrecuperação, smart workspace e displays volumétricos.

5 – Melhor infraestrutura

A infraestrutura não está mais no caminho de obter os objetivos de uma organização. O advento e a popularidade em massa da computação em nuvem e suas muitas variações possibilitaram um ambiente de computação de infraestrutura sempre disponível e ilimitado.

Essa tendência é possibilitada pelas seguintes tecnologias: 5G, nanotubo de carbono, redes neurais profundas, hardware neuromórfico e computação quântica.

Fonte: ITF

O setor de segurança eletrônica faturou R$ 6,4 bilhões no ano passado, de acordo com a Abese (Associação Brasileira das Empresas de Sistemas Eletrônicos de Segurança). O tema está no topo da lista de preocupações de empreendedores. Atualmente, tão importante quanto ter um plano de negócio é criar um esquema de segurança para evitar que, em um único assalto, se perca tudo aquilo que o empreendedor levou anos para construir.

Para ajudar na montagem do seu plano, listamos os principais sistemas que os empresários podem instalar para proteger seu negócio. Confira:

1 – Sistema de vídeo

O monitoramento por câmeras de vigilância é essencial, tanto para inibir a ação criminosa quanto para identificar situações incomuns na rotina da empresa.

As imagens podem ser monitoradas em tempo real, até mesmo pela tela de um celular, e armazenadas remotamente ou em um gravador. “O ideal é manter mais de um registro, para evitar que os dados se percam caso o gravador seja destruído”, diz Marcos Serafim, diretor de segurança eletrônica no Grupo GPS..

As opções de câmera vão das analógicas, com imagens em preto e branco, até as digitais, que gravam em cores e com alta resolução, mesmo em condições de baixíssima luminosidade.

Há ainda soluções com funcionalidades de inteligência artificial para, por exemplo, focar a placa de um carro, identificá-la e verificar, no sistema de controle de acesso, se a cancela do estacionamento pode ou não ser aberta. As configurações são feitas de acordo com as vulnerabilidades do negócio.

2 – Sistema de alarme

O sistema de alarme faz parte do kit básico de qualquer projeto de segurança. O objetivo é impedir a invasão da empresa. Toda a operação gira em torno de uma central, que recebe as informações dos sensores e dispara uma sirene quando há tentativa de invasão. O sinal também soa quando o botão de pânico é acionado.

As alternativas ao dispositivo sonoro são: luzes, gerador de fumaça e ligação telefônica para o empreendedor. Há diversos tipos de sensores e detectores, como cercas eletrificadas, barreiras infravermelhas, detectores de quebra de vidro, entre outros. Algumas soluções integram recursos de vídeo. “O sistema é programado para identificar a invasão, certificar-se de que se trata de uma pessoa e, só então, emitir o alerta de segurança”, afirma Serafim, do Grupo GPS.

3 – Controle de acesso

É uma forma de garantir que só pessoas autorizadas tenham acesso à empresa ou a áreas críticas dela, como almoxarifado, estoque, tesouraria, departamentos de P&D (Pesquisa e Desenvolvimento) e TI (Tecnologia da Informação).

Para tanto, demanda um software que permite acompanhar, em tempo real, quem entra e sai do estabelecimento. O controle pode ser feito por meio de catracas, portas automáticas, senhas, uso de crachás, biometria e até pilares retráteis capazes de barrar caminhões usados em tentativas de arrombamento e roubo.

É importante que tudo isso seja associado a dispositivos de bloqueio, como fechaduras e travas elétricas, que só são desativados com autorização do sistema de controle.

4 – Central de monitoramento

É para essa central que convergem os dados de todos os sistemas adotados pela empresa. Lá, as informações são tratadas de acordo com os procedimentos e normas do plano de segurança.

Por exemplo, se uma invasão é detectada pelo sensor de presença ou pelo vídeo, os próximos passos são acessar a câmera que registra aquele local, confirmar o fato e agir. “Da central, podem ser dados os comandos para fechar as portas, fazer os elevadores subirem ou descerem, mobilizar a equipe de vigilância, informar o responsável pela segurança e, inclusive, chamar a polícia”, diz Leite, da Núcleo Consultoria.

A estrutura pode ser interna, mas uma alternativa para reduzir custos com pessoal e estrutura física é a terceirização. O contrato com uma central de monitoramento pode custar R$ 600 por mês para dez câmeras e quatro vias de acesso.

5 – Integração de sistemas

Fazer com que os sistemas conversem entre si não é uma tarefa fácil. Demanda investimento em infraestrutura (das câmeras ao desenvolvimento do software que integra todos os sistemas), mão de obra especializada e treinamento contínuo.

Por outro lado, permite que parte dos processos seja automatizada. “Outra vantagem é a possibilidade de diminuir as falhas humanas”, diz Serafim.

Como exemplo, ele cita a facilidade de ter o alerta de pânico de uma portaria já integrado com a imagem do local. Isso evita que o operador tenha de buscar manualmente cada um desses sistemas sempre que chegar um alerta do circuito de alarme.

Fonte: Pequenas Empresas & Grandes Negócios

Um dos requisitos para trabalhar no setor de desenvolvimento de empresas inovadoras como o Google é saber programar em Python. Isso não acontece por acaso, já que essa linguagem está cada vez mais presente em organizações que se destacam na economia digital, como as diversas startups de sucesso.

Dentre os principais motivos para isso, estão a busca por mais agilidade, produtividade e qualidade das entregas. O desenvolvimento em Python possui essas características, já que a linguagem é simples, intuitiva e oferece uma programação orientada a objetos, com bibliotecas e módulos reutilizáveis, além de uma comunidade forte para o compartilhamento de conhecimentos e suporte.

Neste post, vamos conhecer um pouco mais sobre essa tendência, assim como os motivos que justificam o investimento no aprendizado dessa linguagem.

A era digital e o grande volume de dados

Uma das principais necessidades do meio empresarial é a capacidade de lidar com a quantidade e variedade de informações geradas ao longo dos processos de negócio.

Nesse cenário, não há como deixar de fora a tecnologia. Como resposta às demandas geradas pelas exigências do mercado, a ciência de dados (data science) surge como solução quando o assunto é a coleta, a comparação, o refinamento e a exposição de dados — bem como a análise preditiva.

Em um contexto em que zettabytes são produzidos e coletados por diversas fontes, é inquestionável a necessidade de adotar métodos que facilitem o aproveitamento desse insumo em prol dos objetivos organizacionais. É nesse ponto que Python surge como uma solução para que as empresas transformem informações em valor agregado para o negócio, de forma simples e prática.

Na prática, quando uma companhia opta por investir em soluções desenvolvidas em Python, ela está seguindo a via mais rápida — e menos árdua — para desfrutar dos benefícios de grandes volumes de dados, entregando ao cliente o retorno mais adequado para as suas demandas.

As vantagens de Python

O mercado já identificou as vantagens de adotar Python nos projetos e, por isso, é natural que profissionais especializados estejam em alta e sejam avidamente disputados pelas empresas. Só isso já é motivo suficiente para um profissional de TI se interessar pelo aprendizado de Python. Ainda assim, é válido destacar outros benefícios que esse conhecimento pode proporcionar ao seu currículo. Acompanhe:

1. Facilidade de aprendizado

Talvez a vantagem mais evidente de programar em Python seja a forma intuitiva e fácil com que o desenvolvedor consegue aprender a linguagem. Como é bastante simples, algumas noções de pseudocódigo já são suficientes para proporcionar uma curva de aprendizagem extremamente rápida.

Diferentemente de outras linguagens — como Java —, Python oferece a possibilidade de aplicar a lógica de programação diretamente ao código, sem a necessidade de dominar conceitos abstratos, como classe e compilador.

Essa facilidade, a propósito, é um dos motivos que têm levado as principais universidades norte-americanas a investir no ensino da programação com Python.

CURSO DE FUNDAMENTOS DA PROGRAMAÇÃO COM PYTHON

2. Simplicidade

Python é uma linguagem que requer menos código para concluir tarefas básicas quando comparada a outros padrões de programação, podendo ser de 3 a 5 vezes menor do que Java — e de 5 a 10 vezes mais reduzida em relação ao código em C++. Assim, quanto menos se escreve, menores são as chances de erros, especialmente por parte de iniciantes.

Pelo fato de ser mais focada na lógica, Python acaba sendo mais natural, o que a torna mais alinhada com o modelo mental humano. Isso permite a obtenção de resultados complexos com o emprego de códigos simples.

3. Sintaxe intuitiva

A sintaxe das linguagens de programação costuma ser um emaranhado de regras que, na maior parte dos casos, induzem o programador a erros. Mas isso não acontece com Python.

Um exemplo clássico sobre essa maneira intuitiva de formatar expressões é que um comando termina exatamente quando a linha acaba. Ou seja, as exigências e regras específicas de sintaxe são mínimas e, assim, a produtividade é maximizada.

4. Documentação farta

Além da documentação oficial e dos registros feitos pelos próprios programadores durante o desenvolvimento e testes, há uma grande variedade de publicações sobre Python — como materiais didáticos e outros conteúdos digitais livres, de acesso gratuito.

Outro benefício é a tradução voluntária de membros da comunidade, facilitando a compreensão dos conteúdos em diversos idiomas e democratizando o acesso à linguagem.

5. Bibliotecas abertas

Python possui diversos módulos, em boa parte livres e gratuitos. Dessa forma, aprendizes podem ter uma experiência de imersão em determinada área de aplicação, como criação de jogos, machine learning e interação com a web.

Por ser uma linguagem de script de código aberto, há uma base de conhecimento ampla consolidada por programadores, que produzem tutoriais e registram suas experiências em um ambiente colaborativo — o que potencializa o aprendizado.

6. Reutilização de módulos

A modularização e a capacidade de empacotamento são outras duas vantagens da linguagem. Com isso, estruturas completas podem ser desmontadas e divididas em componentes para reutilização em outros programas. Com a adoção de frameworks — e o aproveitamento de criações anteriores e de funcionalidades já testadas —, há economia de tempo e simplificação do trabalho do desenvolvedor.

7. Multiplataforma

Por ser uma linguagem interpretada — e não compilada para uma linguagem de máquina —, Python roda em diferentes plataformas. Isso significa que basta ter um interpretador para que a execução seja produtiva em qualquer sistema ou processador. Além disso, a linguagem é multiparadigma, ou seja, passível de desenvolvimento para qualquer tipo de ambiente e interface, como web, móvel ou desktop.

8. Programar em Python abre portas no mercado de trabalho

Um levantamento recente mostra Python em primeiro lugar entre as linguagens mais adotadas — à frente das consolidadas Java e C++. Esse crescimento se deve à demanda por soluções de big data, que ainda é o carro-chefe da data science e data engineer. Esses dados também demonstram que simplicidade não é sinônimo de limitação: Python é um instrumento poderoso de desenvolvimento de aplicações, aliando intuitividade e eficiência.

Não à toa, a linguagem se destacou no Vale do Silício, tendo originado nada menos que a Google. Com isso, Python trouxe para o mercado a essência do Vale: rapidez, facilidade, correção simplificada de erros, prototipagem e entrega contínua. Se programar em Python está entre as profissões do futuro, o presente já mostra como é grande a demanda por profissionais especializados e sinaliza que agora é a hora para se capacitar e começar a usufruir dos benefícios dessa linguagem.

Conheça o curso de Python do iCEV! Vagas abertas!

Fonte: Profissionais TI

É bem provável que você tenha ouvido falar em inteligência artificial (IA) dentro de um contexto negativo, com máquinas dominando o mundo ou tirando os empregos de todos os humanos. No entanto, os principais estudos feitos nessa área são bem mais otimistas do que os roteiristas de ficção científica fazem parecer.

Existem tantos mitos envolvendo a evolução da IA que separamos os principais para esclarecer o que é verdade e o que não é. É claro que piadas com a Skynet ou a Matrix não vão acabar por causa disso, mas é sempre melhor rir quando você sabe qual a realidade por trás da brincadeira.

1-Todos os empregos vão ser perdidos para robôs?

A robótica e a inteligência artificial envolvidas nesse mercado estão avançando muito rapidamente, mas isso não é motivo para pânico. Nós estamos vivendo uma nova revolução industrial e, assim como aconteceu nas anteriores, isso significa que estamos perto de passar por um processo de adaptação de profissões e tarefas.

A inteligência artificial bem aplicada aumenta os poderes dos humanos, não os substitui. Muitos pesquisadores acreditam também que uma automação inteligente pode permitir que os humanos dediquem mais tempo à procura de saídas criativas para problemas habituais, tendo menos repetição em seus postos de trabalho.

Vale dizer também que — ao contrário do que se pensa — até mesmo ocupações que exigem menos instrução podem se beneficiar das mudanças.

2-Computadores vão ser melhores que humanos em tudo?

Também é outro mito que vem sendo disseminado ao longo dos últimos anos. Computadores certamente podem fazer contas mais rapidamente e também conseguem guardar mais informações do que nós, mas isso não se reflete — nem refletirá — em todas as esferas.

As aplicações de IA que são focadas em um trabalho único (como jogar xadrez, por exemplo) podem se sobressair em relação aos humanos, mas não conseguem ter saídas criativas em outras tarefas. Já as mais generalizadas são capazes de resolver vários problemas, mas sem a mesma especialização.

Unir esses dois caminhos em uma única IA pode até ser viável no futuro, mas ainda é praticamente impossível imaginar que o machine learning nos supere em todos os pontos. Até porque a IA é programada a partir de dados inseridos pelos próprios humanos, e agregar todo o conhecimento do mundo em uma única máquina é algo realmente inalcançável.

3-Skynet vai se tornar real?

Essa é uma piada que todo mundo gosta de fazer: alguns até temem que isso se torne realidade, mas a grande verdade é que estamos seguros. É claro que robôs e drones autônomos poderão ser usados em conflitos e decidir quem poupar ou não, porém isso tudo depende de algoritmos programados por seres humanos.

Ou seja: as máquinas não fazem nada sem que isso tenha sido permitido a elas por meio de códigos. Mesmo o machine learning passa por isso. Robôs e computadores podem aprender novas tarefas por instrução ou até mesmo por tentativa e erro, mas as permissões são dadas exatamente pela espécie que domina este planeta: nós humanos, no caso.

4-Somente engenheiros de software trabalham com IA?

Finalizamos com mais este mito! A verdade é que muitos outros mercados já vêm se adaptando à inteligência artificial e aos benefícios proporcionados por ela. Os chatbots são um ótimo exemplo disso. Programados com perguntas frequentes e informações relevantes, eles podem facilitar centrais de atendimento de qualquer empresa — com filtros que levam somente casos mais complexos ao atendimento humano, o que ainda acelera o processo para o consumidor.

Praticamente qualquer pesquisador pode recorrer à IA para simular resultados e acelerar relatórios. Novos medicamentos podem ser testados com chips e máquinas, deixando os animais livres. Executivos de grandes empresas também podem usar os grandes dados e a inteligência artificial para imaginar cenários e prever pequenas crises ou aumentar ganhos. Em resumo: a IA pode realmente fazer parte de qualquer companhia do futuro.

Fonte: Tecmundo

Pagamentos digitais em breve serão feitos com qualquer coisa, dos nossos celulares e relógios inteligentes até geladeiras e carros, incluindo nosso próprio corpo ou o ambiente. O benefício disso é duplo: mais opções de pagamento e compras mais rápidas, mais convenientes e mais seguras. Usando novos dispositivos conectados, biometria e lojas adaptadas (como a Amazon Go) tudo ao nosso redor vai gerenciá-los.

Uma desvantagem? Pode tornar-se tão fácil gastar dinheiro que você desperdiçará todo o seu salário sem perceber (e isso é exatamente o que os varejistas esperam que você faça em compras por impulso).

Entretanto, conforme mostra o CNet, este admirável mundo novo dos pagamentos digitais sem cartões de crédito ou senhas não chegará da noite para o dia. Devido à rígida estrutura regulatória do setor financeiro, veremos nossos rituais de pagamento mudarem de forma incremental à medida que as regras evoluem para acompanhar avanços tecnológicos.

A disponibilidade de redes de pagamento móvel como a Apple Pay e a Samsung Pay são apenas o começo. Dar permissão para efetuar um pagamento ainda atrasa o processo de compra. Mas comprar está ficando mais rápido graças a tecnologias biométricas de todo tipo.

Selfie Pay

Se você se interessou pelo “selfie pay” da Mastercard ou pelo Face ID da Apple, já está familiarizado com os fundamentos dos pagamentos biométricos que estão tomando forma. A biometria facial ou por digitais é questão de segurança e também de conveniência. Segundo pesquisa realizada pela Mastercard com a Universidade de Oxford, 93% dos consumidores preferem usar biometria a senhas tradicionais ou PINs.

Leitura biométrica de veias

Uma empresa britânica, a Sthaler, está testando uma autenticação biométrica chamada Fingopay: o leitor cria um mapa 3D de veias de um dedo, criando uma chave pessoal mais segura do que apenas usar uma impressão digital, já que cada veia do dedo é única e as chances de que duas pessoas tenham a mesma estrutura são de 3,4 bilhões para uma.

As biometrias são consideradas seguras porque são totalmente exclusivas. É verdade que as impressões digitais e o reconhecimento facial foram falsificados no passado. Mas é provável que isso se torne mais difícil de ser feito à medida que a tecnologia se torna mais precisa e refinada, como acontece com o sistema de leitura de veias de Sthaler.

Futuro promissor

Os experimentos do Amazon Go, porém, ainda não foram para além de Seattle, e como isso vai funcionar em escala é uma questão. Trata-se de uma tecnologia complexa. Mas a Amazon não é a única empresa que quer fazer isso acontecer. Um supermercado britânico está testando um aplicativo feito com a Mastercard que permite digitalizar e pagar por itens com o celular enquanto se anda pela loja em experiência similar.

Aos poucos as coisas estão saindo do papel. E, em breve, talvez ninguém tenha mais que esperar em longas filas para pagar pelo que comprou.

Fonte: IDG Now

Muito se fala em data science, ou ciência de dados. Mas o que é data science? Ela combina diversas disciplinas, incluindo estatística, análise de dados, machine learning e ciência de computação.

Pode ser algo assustador para quem é novo na área, mas é preciso manter em mente que há diferentes papeis e empresas que darão ênfase para algumas habilidades no lugar de outras, então não é necessário ser um expert em tudo.

Uma dica de especialistas para começar: “cientista de dados” ou “data scientist” é um termo frequentemente utilizado de maneira geral para descrever trabalhos que são drasticamente diferentes.

Ou seja, entender as principais diferenças entre cada posição é um primeiro passo essencial para quem quer saber mais sobre essa carreira.

Habilidades de data science: quais são mais importantes?

Um conselho importante para quem busca emprego na área de data science é ler a descrição com cuidado. Isso permite que você se candidate para trabalhos para os quais está qualificado ou planeje que habilidades específicas desenvolver para ter os trabalhos que quer.

4 tipos de trabalho em data Science

1. Analista de dados

Há algumas empresas em que um data scientist é sinônimo de analista de dados. Seu trabalho pode consistir em tarefas como extrair dados de bases de dados SQL, tornar-se um mestre de Excel ou Tableau e produzir visualizações básicas de dados e dashboards.

Ocasionalmente, você pode analisar resultados de um teste A/B ou liderar uma conta corporativa do Google Analytics.

Uma vez que você tenha domínio de suas responsabilidades cotidianos, uma empresa como essa pode ser um ótimo ambiente para testar coisas novas e expandir seu conjunto de habilidades.

2. Engenheiro de dados

Algumas empresas chegam ao ponto em que têm muito tráfego (e uma quantidade crescente de dados) e começam a procurar alguém para constuir grande parte da infraestrutura de dados que será necessária para o futuro.

Elas também buscam uma pessoa para fazer análises. Para esse tipo de posição, verá vagas postadas com essas duas posições: “cientista de dados” e “engenheiro de dados”.

Já que você seria o primeiro ou um dos primeiros contratados na área de dados, grande expertise com estatística e machine learning será menos importante que ótimas habilidades em engenharia de software.

Você terá grandes oportunidades para brilhar e crescer num ambiente experimental, mas terá menos orientação e pode enfrentar um risco maior de estagnar na carreira.

3. Engenheiro de machine learning

Há diversas empresas para quem dados (ou sua plataforma de análise de dados) são o produto. Nesse caso, a análise dados ou machine learning podem ser bem intensos.

Esta é provavelmente a situação ideal para alguém que tem um background formal em matemática, estatística ou física.

Os engenheiros de machine learning frequentemente focam mais na produção de ótimos produtos orientados a dados do que em responder questões operacionais para uma empresa.

Organizações que caem neste grupo podem ser voltadas para consumidores e proprietárias de grandes quantidades de dados ou oferecer serviços de base de dados.

4. Generalista de data science

Muitas empresas buscam um generalista para se juntar a uma equipe estabelecida de cientistas de dados. A empresa que está conduzindo a entrevista liga para dados mas provavelmente não é uma empresa de dados.

É igualmente importante que você consiga conduzir análises, produzir códigos, criar visualização de dados, etc. Entre as habilidades mais importantes de um generalista de data science são relacionadas a big data e experiências com conjuntos de dados bagunçados.

Geralmente, essas empresas estão buscando generalistas ou querem preencher lacunas específicas em suas equipes, como visualização de dados ou machine learning.

CONHEÇA A PÓS-GRADUAÇÃO BUSINESS DATA SCIENCE DO iCEV

Fonte: cienciaedados.com

Inteligência artificial (AI) é a buzzword do momento. Empresas fazem planos robustos e startups prometem desenvolver projetos incríveis sobre essa tecnologia. Os níveis de interesse e investimento em inteligência artificial têm crescido tanto nos últimos três anos que alguns já começam a traçar paralelos com a bolha da internet, que ocorreu nos anos 90. Mas, afinal, o que é AI e como ela realmente pode ajudar a sua empresa a crescer?

Os sistemas de AI são capazes de realizar, de forma muito mais eficiente, tarefas simples e repetitivas do cotidiano de grandes organizações, como emitir e conferir notas fiscais, conferir pedidos de benefícios de empregados, enviar e-mails de cobranças a fornecedores e até tomar decisões complexas como, por exemplo, definir qual cliente tem maior probabilidade de comprar um determinado produto.

PÓS EM DESENVOLVIMENTO DE JOGOS. SAIBA MAIS!

Após ter implementado alguns processos e colhido os frutos dessa automação, o próximo passo nessa jornada é incluir alguns elementos cognitivos no caminho, como reconhecimento de imagens, chatbots – é um robô que conversa com as pessoas via chat – ou até alguns algoritmos baseados em aprendizado de máquina (machine learning). Por exemplo, é possível automatizar todo o processo de pagamento de uma nota fiscal, com robôs que reconhecem o valor da nota, validam o processo e executam o pagamento.

CONFIRA A PÓS-GRADUAÇÃO EM BUSINESS DATA SCIENCE DO iCEV

O terceiro passo nessa jornada é mais complexo, pois quando a empresa começa a desenvolver modelos baseados em Machine Learning para prever resultados futuros com base em seus dados históricos. São projetos de investimento mais elevado, mas que permitem, por exemplo, otimizar o consumo de matérias-primas, aprimorar a manutenção de equipamentos e até melhorar a compreensão sobre seus clientes.

Grandes empresas brasileiras já estão trabalhando fortemente na adoção da inteligência artificial em suas operações e colhendo benefícios concretos e impressionantes. Mas a sua empresa não precisa ser uma grande corporação para começar a trabalhar com a inteligência artificial. Projetos de RPA, por exemplo, podem ser executados com orçamentos relativamente modestos e até mesmo ser realizados de forma modular, no qual a automação de um processo piloto é capaz de ter resultados expressivos que podem ser utilizados para financiar os próximos passos, criando assim um ciclo virtuoso de automação e eficiência.

*Martin Seefelder é gerente sênior da Deloitte Brasil e certificado em inteligência artificial para negócios pelo MIT (Massachusetts Institute of Technology)

Fonte: IDG Now

A década de 70 marcou fortemente o mundo da informática, indo desde o surgimento da Apple e da Microsoft até o aparecimento dos primeiros computadores pessoais portáteis e o surgimento da linguagem de programação BASIC e da interface gráfica produzida pela Xerox (e que serviu de “inspiração” para Jobs na Apple). O mundo, nessa época, já pensava em tomar decisões usando dados processados por computador. Novas metodologias para construção de software e armazenamento de dados também se fizeram necessárias, pois era preciso prover essas máquinas com programas cada vez mais poderosos. Rapidamente, as organizações se deram conta de que o segredo para a vantagem competitiva passava pela onerosa capacidade de adquirir e processar dados. Mas o que mudou de lá para cá, além do avanço dos hardware e do surgimento da Internet? TUDO! Simplesmente tudo!

Com o aumento da capacidade de processamento proporcionado pelos recentes hardware, as organizações passaram a tomar decisões mais rápidas em razão do baixo tempo de resposta. Computadores são máquinas que executam tarefas de forma bem mais rápida que seres humanos (salvo algumas raras exceções!). Entretanto, a análise crítica sobre os resultados desse processamento ainda era tarefa para humanos executarem. Quem naquela época, em sã consciência, entregaria a responsabilidade de tomar decisões sobre o futuro da sua organização a um computador (ou a um conjunto deles)?

Com isso, o desafio recaía em adquirir a maior quantidade de dados possível, mesmo que não soubéssemos ainda como manipulá-los. Essa corrida impulsionou sobremaneira a evolução dos dispositivos de armazenamento de dados, como os disquetes (surgido em 1971), os discos rígidos, os cd-rom e as memórias Flash (pendrives e SSD) proporcionando um aumento na capacidade de armazenamento.

Atualmente, o volume de dados produzidos pela humanidade nos últimos dois anos ultrapassa o total já produzido nos últimos 5.000 anos de existência da civilização humana. Estima-se que são produzidos o equivalente a 2.5 Exabytes de dados por dia (2.621.440 TeraBytes), contra 100 GigaBytes por dia em 1992, 100 GigaBytes por segundo em 2003 e 28.875 GigaBytes por segundo, em 2013. A essa velocidade, chegaremos em 2020 gerando e processando, aproximadamente, 44 Zetabytes (1 zetabyte = 1.073.741.824 Terabytes). O crescimento do volume de dados tem se dado, principalmente, pelo advento da IoT (Internet das Coisas), pelo surgimento do Big Data, pela explosão no uso dos smartphones e pela Computação em Nuvem. A Internet e a WWW também tiveram papéis essenciais na disseminação de dados, disponibilizando “toneladas” de gigabytes de informações quase que instantaneamente, a todo momento, em qualquer lugar do planeta. Nesse cenário, diversas tecnologias surgiram para auxiliar na coleta, armazenamento, gestão, manipulação e interpretação dessa grande quantidade de dados.

Uma das primeiras iniciativas foram os Data Warehouses e as ferramentas de Mineração de Dados, ainda na década de 90 e início dos anos 2000. Na sequência, novas iniciativas surgiram, como o armazenamento em Nuvem e a Internet das Coisas (proporcionados pelo crescimento da Internet) e o Big Data e as técnicas de Aprendizado de Máquina (Machine Learning), estes últimos proporcionados pelo aumento do poder computacional. Já a necessidade de se armazenar dados não estruturados (oriundos de diversas fontes de dados, como celulares, televisões, caixas de som, smartphones, carros, etc) deu um grande impulso na área de Análise de Dados, proporcionando o surgimento de uma nova profissão: o Cientista de Dados, profissional responsável por definir metodologias de armazenamento, gestão e interpretação dos dados e informações sob sua gestão.

Atualmente, com a ajuda da Inteligência Artificial, ferramentas de análise de dados auxiliam a tomada de decisão e ajudam a construir possíveis cenários usando a maior quantidade possível de dados e todo o poder computacional disponível. Essa realidade está levando a uma mudança de paradigma dentro das organizações, que precisam se adaptar, cada vez mais, a rápidas mudanças de ambiente e tomadas de decisão. A Amazon, por exemplo, além de possuir um complexo sistema de logística totalmente computadorizado para entrega dos seus produtos, também está inovando a entrega de produtos por meio de drones e, mais recentemente, proporcionando a construção de um supermercado onde não existem caixas para pagamento e os clientes apenas pegam os produtos, os colocam no carrinho e saem (AmazonGo). A conta é gerada automaticamente usando um complexo sistema de câmeras, Inteligência Artificial e técnicas de Visão Computacional (a mesma usada nos carros autônomos da empresa americana Tesla) e é debitada na conta Amazon do cliente.

É inegável, assim, que vivenciamos uma era onde estamos imersos em um oceano de dados. Segundo a Harvard Business Review, “em um mundo completamente inundado de dados, tem se tornado cada vez mais difícil utilizá-los; há tantos deles que, para que façam sentido, é necessário que se levante insights ou hipóteses para que sejam testados”. De fato, os dados dizem muito sobre muita coisa. Entretanto, atingimos a nossa capacidade humana de processar e extrair o que de mais valioso existe neles. Uma quase infindável malha de relacionamentos liga os dados a diversas situações e a bilhões de outros dados e interpretações. A saída, então, para as organizações tirarem o maior proveito dessa situação é permitir que a tecnologia faça seu papel, processando dados, criando informações e produzindo interpretações valiosas que guiarão os executivos a tomarem decisões cada vez mais sábias. Já as empresas que negarem essa realidade, certamente, serão deixadas para trás e “afundarão” nesse oceano de dados.