Artwork

Contenido proporcionado por Let's Data. Todo el contenido del podcast, incluidos episodios, gráficos y descripciones de podcast, lo carga y proporciona directamente Let's Data o su socio de plataforma de podcast. Si cree que alguien está utilizando su trabajo protegido por derechos de autor sin su permiso, puede seguir el proceso descrito aquí https://es.player.fm/legal.
Player FM : aplicación de podcast
¡Desconecta con la aplicación Player FM !

#023 - Gabriela de Queiroz - As mil e uma faces da Ciência de Dados

1:06:33
 
Compartir
 

Manage episode 333301480 series 2896102
Contenido proporcionado por Let's Data. Todo el contenido del podcast, incluidos episodios, gráficos y descripciones de podcast, lo carga y proporciona directamente Let's Data o su socio de plataforma de podcast. Si cree que alguien está utilizando su trabajo protegido por derechos de autor sin su permiso, puede seguir el proceso descrito aquí https://es.player.fm/legal.

Neste episódio conversamos Gabriela de Queiroz, Cientista de Dados Chefe da IBM, líder em Estratégia e Inovações de IA. Ela é instrutora em cursos no Coursera, na edX e na Cognitive Class. Em 2012, ela fundou a R-Ladies, uma organização mundial para promover a diversidade na comunidade R, presente em mais de 200 cidades em mais de 55 países. Em 2019, ela fundou a AI Inclusive, uma organização global que está ajudando a aumentar a representação e a participação de minorias em Inteligência Artificial. Ela é formada em Estatística pela UERJ - Universidade do Estado do Rio de Janeiro, é mestre em Epidemiologia pela FIOCRUZ - Fundação Oswaldo Cruz, e também é mestre em Estatística pela California State University - East Bay.
Falamos sobre quais são desafios de um Head de Data Science em uma Big Tech como a IBM, a importância da interdisciplinaridade em Data Science, a história por trás da criação do R-Ladies, a inclusão em Inteligência Artificial e como reduzir injustiça nos algoritmos de Machine Learning, como contribuir para pacotes Python e R e muito mais!
Acesse nosso post para ter acesso a links e referências: https://medium.com/lets-data/

  continue reading

62 episodios

Artwork
iconCompartir
 
Manage episode 333301480 series 2896102
Contenido proporcionado por Let's Data. Todo el contenido del podcast, incluidos episodios, gráficos y descripciones de podcast, lo carga y proporciona directamente Let's Data o su socio de plataforma de podcast. Si cree que alguien está utilizando su trabajo protegido por derechos de autor sin su permiso, puede seguir el proceso descrito aquí https://es.player.fm/legal.

Neste episódio conversamos Gabriela de Queiroz, Cientista de Dados Chefe da IBM, líder em Estratégia e Inovações de IA. Ela é instrutora em cursos no Coursera, na edX e na Cognitive Class. Em 2012, ela fundou a R-Ladies, uma organização mundial para promover a diversidade na comunidade R, presente em mais de 200 cidades em mais de 55 países. Em 2019, ela fundou a AI Inclusive, uma organização global que está ajudando a aumentar a representação e a participação de minorias em Inteligência Artificial. Ela é formada em Estatística pela UERJ - Universidade do Estado do Rio de Janeiro, é mestre em Epidemiologia pela FIOCRUZ - Fundação Oswaldo Cruz, e também é mestre em Estatística pela California State University - East Bay.
Falamos sobre quais são desafios de um Head de Data Science em uma Big Tech como a IBM, a importância da interdisciplinaridade em Data Science, a história por trás da criação do R-Ladies, a inclusão em Inteligência Artificial e como reduzir injustiça nos algoritmos de Machine Learning, como contribuir para pacotes Python e R e muito mais!
Acesse nosso post para ter acesso a links e referências: https://medium.com/lets-data/

  continue reading

62 episodios

Todos los episodios

×
 
Loading …

Bienvenido a Player FM!

Player FM está escaneando la web en busca de podcasts de alta calidad para que los disfrutes en este momento. Es la mejor aplicación de podcast y funciona en Android, iPhone y la web. Regístrate para sincronizar suscripciones a través de dispositivos.

 

Guia de referencia rapida