Desafios do aprendizado por reforço no mundo real

Desafios no aprendizado por reforço explicados com profundidade

https://arxiv.org/pdf/1904.12901v1.pdf

[em inglês]

A noção mais perigosa em “organizações reinventadas”

https://medium.com/@jessicajprentice/the-most-dangerous-notion-in-reinventing-organizations-9032930295e2

“um modelo de organização social recém-emergente (…) eles são descentralizados e adaptativos (…) lugares onde as pessoas trazem mais de si mesmos para a organização, e as organizações encorajam as pessoas dentro deles a estarem presentes e autênticas”

[em inglês]

Não resolva o problema

Conselhos para líderes

https://m.signalvnoise.com/dont-solve-the-problem/

[em inglês]

Uma introdução a Visão Computacional

https://machinelearningmastery.com/what-is-computer-vision/

[Em inglês]

Os 7 mitos sobre anonimização de dados

https://www.kdnuggets.com/2019/03/7-myths-data-anonymisation.html

[em inglês]

IA é uma grande mentira

Tirando o título chamariz, é um bom artigo de opinião

[em inglês]

O que está impulsionando a indústria de tecnologia da Europa?

Insights interessantes sobre a indústria de tecnologia na Europa.

https://dataconomy.com/2019/01/what-is-driving-europes-tech-economy/

[em inglês]

Data Science vs Engenharia: Pontos de tensão

Boas percepções, na medida em que notamos que a integração de algoritmos de ciência de dados com sistemas de software não é nada fácil.

https://blog.dominodatalab.com/data-science-vs-engineering-tension-points/

[em inglês]

Olhando para o futuro

Artigo inspirador sobre o uso de inteligência artificial para prevenir cegueira causada por diabetes. Para lembrar-nos como a ciência pode mudar o mundo, na academia ou na indústria.

https://www.google.com.br/about/stories/seeingpotential/

Qual é a diferença entre ciência de dados, aprendizado de máquina e inteligência artificial?

http://varianceexplained.org/r/ds-ml-ai/

[em inglês]

Para cima