Don't wanna be here? Send us removal request.
Text
#5 Inteligência artificial & Machine Learning 09/04/2019
Inteligência artificial (+-1950) > Machine Learning (+-1980) > Deep Learning (+-2010) Todas elas usam algoritmos.
Algoritmos são conjuntos de regras que são usadas para resolver problemas.
Em Machine Learning, os algoritmos puxam dados e fazem cálculos para encontrar uma resposta, podendo ser simples ou complexos. Existem vários algoritmos que produzem diferentes resultados, não existe um algoritmo certo para todas as questões e eles podem variar de acordo com cada problema que cada um quer resolver. Então você deve encontrar o algoritmo mais eficiente que entregue uma resposta mais correta na maioria das vezes. Afinal se um algoritmo demorar mais que um humano para fazer as escolhas, de que adianta. Como uma ferramenta, vc pode usar para fazer o que você quiser, mas há uma ferramenta especifica para isso.
Um algoritmo não trabalha por si só, ele precisa ser treinado para que aprenda a classificar e processar informação. A qualidade do algoritmo depende de quão bem ele foi treinado.
Usar um algoritmo para analisar dados e fazer uma previsão não necessáriamente significa que ele faz ML ou AI.
Agora quando ele tem um resultado e utiliza ele para aprimorar sua previsão no futuro, aí sim estamos falando de AI ou ML.
Inteligência artificial é um conceito mais abrangente que ML, que aborda o uso de computadores para imitar as funções cognitivas dos seres humanos. Quando máquinas executam tarefas baseadas em algoritmos de uma maneira “inteligente”, isto é, Inteligência Artificial.
Machine Learning é um subcategoria da inteligência artificial e concentra-se na capacidade das máquinas de receber um conjunto de dados e aprenderem sozinhos, alterando os algoritmos conforme eles aprendem mais sobre as informações.
Para um computador “pensar como seres humanos, ele se utiliza de Redes neurais. Redes neurais são uma série de algoritmos modelados a partir do cérebro humano. Assim como o cérebro pode reconhecer padrões e nos ajudar a categorizar e classificar informações, as redes neurais fazem o mesmo com os computadores.
Benefícios das redes neurais:
Extrair o significado de dados complexos
Detectar tendências e identificar padrões complexos demais para os humanos perceberem
Aprendizado por exemplos
Velocidade
Deep Learning, pode ser considerado uma subcategoria de Machine Learning.
O conceito de Deep Learning às vezes é chamado de "Redes Neurais Profundas", referindo-se às muitas camadas envolvidas.
Uma rede neural pode ter apenas uma única camada de dados, enquanto uma rede neural profunda tem dois ou mais. As camadas podem ser vistas como uma hierarquia aninhada de conceitos relacionados ou árvores de decisão.
A resposta a uma questão leva a um conjunto de questões mais profundas que aquelas que ele resolveu.
Redes de Deep Learning precisam ver grandes quantidades de itens para serem treinadas. Em vez de serem programados com as bordas que definem itens, os sistemas aprendem com a exposição a milhões de pontos de dados. Um dos primeiros exemplos disso é o Google Brain aprendendo a reconhecer gatos depois de serem exibidos mais de dez milhões de imagens. Redes de aprendizagem profunda não precisam ser programadas com os critérios que definem itens; eles são capazes de identificar bordas ao serem expostos a grandes quantidades de dados.
Dados são o principal. Se você estiver usando um algoritmo, inteligência artificial ou aprendizado de máquina, uma coisa é certa: se os dados em uso forem falhos, os insights e informações extraídos serão defeituosos. O que é limpeza de dados?
“O processo de detecção e correção (ou remoção) de registros corrompidos ou imprecisos de um conjunto de registros, tabelas ou banco de dados e refere-se à identificação de partes incompletas, incorretas ou irrelevantes dos dados e a substituição, modificação ou exclusão de dados sujos ou grosseiros. "
E de acordo com o relatório da CrowdFlower Data Science, os cientistas de dados gastam a maior parte do tempo limpando dados - e, surpreendentemente, essa também é a parte mais chata do trabalho deles.
Apesar disso, também é a parte mais importante, pois não se pode confiar nos resultados se os dados não tiverem sido limpos.
Para que a IA e o aprendizado de máquina continuem avançando, os dados que conduzem os algoritmos e as decisões precisam ser de alta qualidade. Se os dados não forem confiáveis, como as informações dos dados serão confiáveis?
Aplicações
Lidar com aplicações repetitivas. Para que possamos lidar com aspectos mais criativos nas tomadas de decisão. Ajudar a clientes a encontrar produtos mais facilmente. Carros que se dirigem sozinhos Reconhecimento de imagem Previsões financeiras O que você imaginar...
Exemplos de Software e linguagem: Python Tensorflow Matlab Mathematica… Olhem na Wikipedia e no ai.google
Referências e Links: https://www.datasciencecentral.com/profiles/blogs/artificial-intelligence-vs-machine-learning-vs-deep-learning Google Primer https://ai.google
0 notes
Text
#4 Economia de acesso 24/04/2019
Yochai Benkler fala sobre a nova economia de acesso livre (2005)
https://www.ted.com/talks/yochai_benkler_on_the_new_open_source_economics?language=pt-br
16:08
Você tem uma crença: as coisas surgirão de seres humanos conectados. Isso vai me dar algo que eu possa usar, e eu vou fazer contrato com alguém. Eu vou entregar algo baseado no que acontecer. É muito assutador -- é o que o Google faz, essencialmente. É o que a IMB faz em serviços de software, e eles o fazem razoavelmente bem.
16:24
Então a produção social é um fato real, não um modismo. É a mudança crítica de longo prazo causada pela internet. Relações e trocas sociais se tornaram significativamente mais importantes do que elas jamais foram como um fenômeno econômico. Em alguns contextos, é até mais eficiente por causa da qualidade da informação, a capacidade de achar a melhor pessoa, os custos de transação mais baixos. É sustentável e está crescendo rápido.
16:52
Mas -- e essa é a parte obscura -- isso é ameaçado pelos -- da mesma forma que isso ameça -- sistemas industriais incumbentes. Então a próxima vez que você abrir o jornal e ver uma decisão de propriedade intelectual, uma decisão de uma telecom, ela não é sobre algo pequeno e técnico. É sobre o futuro da liberdade de existir como ser social uns com os outros, e a forma como a informação, conhecimento e cultura serão produzidos.
0 notes
Text
#2 A Lógica Serviço Dominante 27/04/2019
Hoje temos a lógica do produto dominante, que ajuda a entender a lógica serviço dominante (SDL).
Por exemplo o celular que é um produto, oferece muitos serviços. Com o conceito da lógica do serviço dominante, os conceitos de consumidor e empresa se ressignificam, visto que temos um cenário onde todo mundo é ator e pode contribuir para a marca. O consumidor perde a noção que tem um canal trazendo a informação e acaba participando da construção da informação, fornecendo insumos, informações e ajudando na construção de uma campanha por exemplo.
>>> *Haeckel (1999) observes successful firms moving from practicing a “make-and-sell” strategy to a “sense-and-respond” strategy. — *Stephen L. Vargo e Robert F. Lusch
Nessa lógica, eu ofereço serviço e consumo serviço. Não está atrelado a produto, mas a experiência por trás do produto. O serviço que foi preciso ser feito para obter aquele produto. Eu compro um produto, mas na verdade estou comprando o serviço que fizeram para gerar aquele produto.
Eu crio pra você um valor que você precisa, eu defino uma necessidade e entrego ela pra você. O marketing fica numa posição diferente da SDL porque é cocriado, não é uma linha de uma mão só...
Questionamentos: Utopia que não temos a relação monetária? Dois consumidores numa relação de troca? O dinheiro é tão válido quanto o serviço SDL é tipo uma lógica da permuta?
Não eh uma nova era, porque tudo sempre foi serviço. A consciência das pessoas é que muda. (consciência sobre consumidor e empresa). Eu ofereço serviço simplesmente por existir.
Tem um cara que eh especialista em plantar e colher trigo e outro pescar peixes. O do trigo precisa do peixe, e o pescador precisa do trigo. Eu não to te dando o peixe, mas to te dando a minha especialidade. Às vezes eu vou escolher um peixe “A” às vezes eu vou escolher um Peixe “B”, mas tudo eh peixe.
A pessoa que tá atrás do tinder e do shopping está atrás de uma experiência.
Terminologia eh nova... estamos dando nome a algo que já existe há muito tempo. O significado que você tá trocando como dinheiro eh diferente.
O diferencial das que vieram agora não eh o serviço dominante, é a sua energia e tempo. Tempo e dinheiro.
Lógica produto dominante e lógica serviço dominante: a diferença é o dinheiro. O dinheiro é importante, mas eh difícil você tangibilizar a troca de valor. O dinheiro serve para ajudar na troca dos valores tangibilizados.
A lógica do serviço dominante tem a ver com a potência que você pode chegar. Na lógica produto, não estou comprando a experiência, estou comprando o produto. O diferencial de serviços é como o usuário percebe o valor ou como ele percebe que participa. É uma abordagem para você analisar o que já existe.
“Na lógica do serviço dominante, eu to comprando o acesso, não é tangível.”
O objeto é a potencialização do que o usuário quer fazer. Compro um carro para ir do ponto A pro ponto B. O objetivo do usuário é ir do ponto A ao ponto B. E um carro é o meio pelo qual o usuário irá atingir seu objetivo/necessidade.
O seu objetivo é estar sentada nessa cadeira. É diferente de estar sentada na outra cadeira. As duas cadeiras fornecem o mesmo objetivo que é estar sentada. Mas como esse produto te sana o seu o objetivo é o que faz você escolher entre uma cadeira e outra.
Parte-se do pressuposto de que o valor é cocriado e o que for criado vai fornecer valor diferente para pessoas diferentes.Ainda, não é só uma empresa que pode fornecer valor. Todo mundo pode fornecer valor.
Exemplo de empresa de saúde: são várias pessoas pagando uma empresa para você ter acesso a algo.
Como as instituições se relacionam com as pessoas. As informações estão mais acessíveis, as pessoas se tornam mais parte do processo. Lógica do produto e serviço dominante eh como as pessoas podem oferecer. Muda tudo, como eles se relacionam entre si. Muda a forma como você gasta o seu dinheiro, como você ganha o dinheiro. Como encaramos a economia. Como encaramos o conceito do que é valor.
Mais sobre o assunto: Sobre a SDL http://www.liveworkstudio.com.br/tudo-e-servico/
Sobre a SDL + exemplos práticos https://diegoeis.com/service-dominant-logic-marketing/
Sobre SDL e Marketing de Produto e Serviço http://www.anpad.org.br/admin/pdf/mkt150.pdf
Tese de Mestrado testando a SDL https://bibliotecadigital.fgv.br/dspace/bitstream/handle/10438/10812/Disserta%C3%A7%C3%A3o%20-%20Thatiana%20Lazzaretti.pdf
Perspectiva da SDL no case Airbnb https://www.academia.edu/19585074/Cocriando_Valor_na_Economia_Colaborativa_sob_a_perspectiva_da_L%C3%B3gica_Dominante_de_Servi%C3%A7o_o_caso_Airbnb?auto=download
0 notes
Text
Encontro #1 Deserviço 13/03/2019
Participantes: Thalita, Larissa, Ralfa, Vini, Tami, Camila*
O que rolou no encontro: Cada um contou sobre sua história e trajetória, interesses e expectativas quanto à iniciativa do encontro.Identificamos padrões nas dores individuais, que nos ajudaram a definir um objetivo para o grupo.
Dores: Falta de pesquisa e justificativa para elaboração de produto (UX) Insuficiência de entrega, falta de controle sob a implementação da solução proposta (Service) Processo incompleto Barreiras burocráticas ou falta de entendimento do assunto por parte dos stakeholders “O cliente quer um app!” (clientes sempre querem resolver tudo com app)
Assim, conseguimos juntos definir um Objetivo para o grupo: “Somos um grupo de pessoas que quer trocar conhecimento sobre o universo de Service Design”.
*Padrões comuns nos participantes presentes: Os participantes começaram com o contato com design na faculdade, mas tiveram experiências com segmentos diversos, passando por experiências variadas, que foram fundamentais para agregar conhecimento e desenvolver habilidade de visão holística. Experimentação em diversas fases do processo do negócio (exemplos da experiência da Thalita quando trabalhou na loja de puffs, fazendo desde a estratégia digital até descarregar produto do caminhão) Desejam preencher as lacunas que a indústria, empresa, corporação não proporcionam para nós.
Além disso, enquanto os participantes iam falando sobre sua trajetória e expectativas, foram levantados alguns tópicos: Evento Service Jam Crianças índigo - o que são? São os millennials? Frente de employee experiences - Goldman Sacks Lógica da plataforma dominante Economia do acesso - lógica do serviço dominante Realidade: a estetização do colocar o usuário no centro BOX 1824 Vídeo do Generation millennial (alguém pode compartilhar este vídeo?) Lowsumerism Point of sale (PoS), também conhecido em português como PDV: vai desde display, quiosque em shipping centers, até ponto de venda móvel (carro Redbull) até ponto de venda em lojas (geladeirinha Redbull) até a marquinha do pagseguro. Tudo isso é PoS. Consumer = costumer = shopper (quem vai comprar o protudo, tomar a decisão de compra) User (quem vai usar o produto) Quem compra o protetor solar eh 80% mas quem usa eh todo mundo.
Quotes “Eu não sei o que fazer com todos esses dados” “Não perder a essência num ambiente de trabalho que é foda-se o usuário” Será que não seria interessante fazer um projeto onde o propósito fosse conhecimento ao invés de lucro? “Quero trabalhar com cenários holísticos e complexos. Não quero olhar para uma interface só, não quero olhar pra web e app.” “A gente entende e o resto do diamante acaba” (sobre ficar na primeira fase do double diamond e partir para próximos projetos, sem fazer todo o double diamond) “Eu sou curiosa e crítica” eu trazia o olho do Service pro design gráfico, o gráfico pro Service e olhar artístico pro gráfico”
0 notes