1.
MACHINE LEARNING
na globo.com
@renan_oliveira

2.
CARA QUE
GOSTA DE
DADOS NA
GLOBO.COM
@renan_oliveira

3.
Líderemaudiênciaeumadasprincipais
empresasdetecnologiadoBrasil

4.
86 MILHÕESDE USUÁRIOS ÚNICOS POR MÊS
comScore fev/2018

5.
10milhõesde usuários únicos por dia
2milhõesde conexões simultâneas
4bilhõesde eventos diários
100mil novos conteúdos por mês

6.
Como aprendemosos
interesses dos usuários
dado a sua navegação.
desde2012

7.
Big Data
é a nossa base

8.
2013
antes de ser legal

9.
100%
grátis e melhor

10.
REC
first love

11.
Machine Learning
para conteúdo

12.
SUPERVISED
Prediçõessão o seu ponto forte
Gabaritocom as respostas
Clássicosepoderosos

13.
REGRESSÃO
Alvos são contínuos
“Prever o "lifetime value" do
usuário?"

14.
CLASSIFICAÇÃO
Alvos são categóricos
“Qual a editoria o usuário mais
gosta?”

15.
UNSUPERVISED
Agrupamento de usuários e itens
com características em comum
Descobridorpadrões
Podeserummeioenãoofinal

16.
CLUSTERING
Alvos são agrupamentos
“Quais são os grupos dos usuários
do Globo Esporte?”

17.
REDUÇÃO DE DIMENSÃO
Fatores que mais definem
“Quais informações sobre um
usuário são mais importantes
antes de rodar um modelo?”

18.
REINFORCEMENT
Otimizadorde parâmetros
Retroalimentaçãodo modelo
Modernoseeficientes

19.
REINFORCEMENT
Aprendersempre
“Qual a melhor combinação de
algoritmos dado o feedback dos
usuários?”

20.
Recomendação
nosso foco

21.
Milhões
de usuários
Milhares
de conteúdos
interesses
padrões
segmentos
termos
audiência
história

22.
FEED
M I X D E A L G O R I T M O S

23.
100algoritmos
SUPERVISED
UNSUPERVISED
REINFORCEMENT

24.
COLLABORATIVE
FILTERING
CONTENT BASED TOP

25.
COLLABORATIVE FILTERING CONTENT BASED TOP

26.
COLLABORATIVE FILTERING CONTENT BASED TOP

27.
surf medina
peniche
prancha
mundial de
surf john john
mineirinho
pipeline
futebol
guerrero
flamengo
STJD
copa do brasil
fluminense henrique
brasileirão
COLLABORATIVE FILTERING CONTENT BASED TOP

28.
COLLABORATIVE
FILTERING
CONTENT BASED TOP

29.
Coisasparecidascomessas,comasmesmaspalavras-chave
Ele temuma rápida atualização
Preciso conhecerdousuáriooudoitem
Usado noSpotify paracriaçãode playlistsautomáticas
Duasabordagenssãousadasna globo.comTF-IDFeSemântica
TF-IDF: Automáticoparaextraçãodepalavras-chave
Semântica:Oseditoresindicamnomomento dacriaçãosobrequem
éeondeocorreuofato
CONTENT BASED

30.
Oque usuáriosparecidos comigoviramque eu não vi
Éo de maiortaxadeconversão,omais assertivo
Ele temumaatualizaçãolenta,nãoébomparanotícias
bombásticasdeagoraeprecisoconhecerousuário
Famosopelousona Amazon
Usadoeme-commercesdetodomundo
Netflixficoufamosoporfazerumganhodeperformancecomo
algoritmoALS-Fatoraçãodematriz
ALS tem umótimo resultadodentrodaglobo.com
COLLABORATIVE FILTERING

31.
Conteúdos maisvisitados
Usadoquandonão sabemos nadasobreousuário
Resolve oproblemadas notícias"bombásticas"
Podem ser inteligentes,topporregiãodousuário
TOPS

32.
Ensemble

33.
CTRindo além
DIVERSITY
COVERAGE
FRESHNESS
SERENDIPITY

34.
hadoop
datalake
documentos usuários
recomendação
api

35.
PIPELINETF

36.
Experimentação
orientada a dados

37.
ABteste
METRIFICANDO
O IMPACTO
CTRCOMO
PRINCIPAL META
CULTURADE
DADOS

38.
MAB
ML PARA AB
RLVOLTADO PARA
EXPERIENCIA
MINIMIZAA
EXBIÇÃO DA PIOR
EMPODERAMENTO
DO EDITOR

39.
QueméDíaz-Canel,indicadoparasucederRaúlCastroemCuba?
IndicadoparasucederRaúlCastronasceuapósaRevoluçãoCubana
https://g1.globo.com/mundo/noticia/quem-e-miguel-diaz-canel-o-discipulo-predileto-de-raul-castro-que-assume-o-poder-em-cuba.ghtml
TÍTULO1
TÍTULO2
TÍTULO1 >15%

40.
Extração de dados
saindo do comum

41.
WEBSEMÂNTICA
ONTOLOGIAS
FEITAS EM CASA
COBERTURA
NOS PRODUTOS
MANUALMENTE
INFORMADA

42.
DADOS
6milhõesdeinstancias
300classes na ontologia
55milhõesdetriplas
96%dasmatériasanotadas

43.
MLENTITY EXTRACTION
CORPUSBASE
MUITO GRANDE
APRENDER
QUAL SERIA A ANOTAÇÃO
SIMPLIFICARA
CLASSIFICAR CONTEÚDOS
POCANOTADORCOMML

44.
featured extraction
Perfil e Segmentação
para ter a sua cara

45.
ENTIDADES
NOMEADAS
INTERESSESPOR
CLASSE
SPREADING
ACTIVATION
EXCELSIOR

46.
SPREADINGACTIVATION

47.
USER
CENTRIC
INTERESSESDE
LONGO PRAZO
UXLAB EM TEMPO
REAL
PUBLICIDADE
SEGMENTADA

48.
Growth
focado no seu produto

49.
análises preditivas

50.
GROWTHMACHINE
Análise
exploratória
Formulação
de hipóteses
Implementação
Análise do
experimento
Aprendizado

51.
CHURN

52.
ATIVAÇÃO

53.
DICAS
Estatísticavai entrar no seu dia
Infraestruturatem que tá na veia - DevOps
Publicaçõestem que ser rotina de leitura
TensorFlowolhe ele com muito carinho

54.
OBRIGADO!
@renan_oliveira
www.renanoliveira.net
http://slideshare.net/renangpa

55.
talentos.globo.com