#TensorFlow exemplos

[engenhariadesoftware]

Explorando o TensorFlow: O Framework que Revolucionou o Machine Learning

Introdução ao TensorFlow O avanço da inteligência artificial (IA) e do aprendizado de máquina (Machine Learning) revolucionou diversas indústrias, como saúde, finanças, transporte e entretenimento. Nesse cenário, o TensorFlow, um framework de código aberto desenvolvido pelo Google, emerge como uma das ferramentas mais poderosas e amplamente utilizadas por desenvolvedores e pesquisadores para…

[renatoferreiradasilva]

Notebook de Validação - Localização de Disparos com CNN+MLP (Versão Corrigida)

""" Correções Implementadas:

Remoção de vazamento de dados no pré-processamento

Correção da geração de dados para usar TDOA (diferenças de tempo)

Ajuste da arquitetura do modelo para os novos recursos

Adição de análise de sensores não sincronizados """

import numpy as np import matplotlib.pyplot as plt from scipy.spatial.distance import cdist from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Conv1D, Flatten, Dense, Dropout, Reshape from tensorflow.keras.optimizers import Adam from tensorflow.keras.regularizers import l2 from tensorflow.keras.callbacks import EarlyStopping, ReduceLROnPlateau import tensorflow as tf

1. Geração de Dados Sintéticos Correta (TDOA)

def generate_dataset(n_samples=50000, area_size=1000, sync_error=0.0005): sensors = np.array([[0, 0], [area_size, 0], [area_size, area_size], [0, area_size]]) X, y = [], []for _ in range(n_samples): shot = np.random.rand(2) * area_size distances = cdist(sensors, [shot]).flatten() # Simula erro de sincronização entre sensores clock_drift = np.random.normal(0, sync_error, 4) # Cálculo correto de TDOA com ruído e erro de relógio toa = (distances / 343) + clock_drift + np.random.normal(0, 0.001, 4) tdoa = toa[1:] - toa[0] # Diferenças relativas ao primeiro sensor X.append(tdoa) y.append(shot) return np.array(X), np.array(y)

X, y = generate_dataset(sync_error=0.0002) # Exemplo com pequeno erro de sincronização

2. Pré-processamento sem Vazamento

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

Normalização correta (apenas dados de treino)

data_scaler = StandardScaler() X_train_scaled = data_scaler.fit_transform(X_train) X_test_scaled = data_scaler.transform(X_test)

target_scaler = StandardScaler() y_train_scaled = target_scaler.fit_transform(y_train) y_test_scaled = target_scaler.transform(y_test)

Reformatação para Conv1D

X_train_reshaped = X_train_scaled.reshape(-1, 3, 1) X_test_reshaped = X_test_scaled.reshape(-1, 3, 1)

3. Arquitetura do Modelo Ajustada

model = Sequential([ Conv1D(32, 2, activation='relu', input_shape=(3, 1), kernel_regularizer=l2(0.001)), Flatten(), Dense(64, activation='relu', kernel_regularizer=l2(0.001)), Dropout(0.4), Dense(32, activation='relu'), Dense(2, activation='linear') ])

model.compile(optimizer=Adam(learning_rate=0.001), loss='mse', metrics=['mae'])

4. Treinamento com Validação Cruzada

history = model.fit( X_train_reshaped, y_train_scaled, epochs=100, batch_size=128, validation_split=0.15, callbacks=[ EarlyStopping(patience=15, restore_best_weights=True), ReduceLROnPlateau(patience=8, factor=0.3) ], verbose=1 )

5. Avaliação Detalhada

def evaluate_model(model, X_test, y_test): preds = model.predict(X_test) y_pred_real = target_scaler.inverse_transform(preds)errors = np.linalg.norm(y_pred_real - y_test, axis=1) print("\nMétricas Finais:") print(f"Erro Médio: {np.mean(errors):.2f}m") print(f"Desvio Padrão: {np.std(errors):.2f}m") print(f"Erro Mediano: {np.median(errors):.2f}m") print(f"Erro Máximo: {np.max(errors):.2f}m") plt.figure(figsize=(12, 6)) plt.subplot(1, 2, 1) plt.hist(errors, bins=40, density=True) plt.title("Distribuição de Erros") plt.xlabel("Erro (m)") plt.subplot(1, 2, 2) cdf = np.sort(errors) plt.plot(cdf, np.linspace(0, 1, len(cdf))) plt.title("Curva Cumulativa de Erros") plt.xlabel("Erro (m)") plt.tight_layout() plt.show()

evaluate_model(model, X_test_reshaped, y_test)

6. Análise de Sensibilidade

def sensitivity_analysis(): sync_errors = [0.0001, 0.0005, 0.001] # Diferentes níveis de erro results = []for error in sync_errors: X_temp, y_temp = generate_dataset(10000, sync_error=error) X_temp_scaled = data_scaler.transform(X_temp) X_temp_reshaped = X_temp_scaled.reshape(-1, 3, 1) preds = model.predict(X_temp_reshaped) y_pred_real = target_scaler.inverse_transform(preds) errors = np.linalg.norm(y_pred_real - y_temp, axis=1) results.append(np.mean(errors)) plt.plot(sync_errors, results, marker='o') plt.title("Sensibilidade a Erros de Sincronização") plt.xlabel("Desvio Padrão do Erro de Sincronização (s)") plt.ylabel("Erro Médio (m)") plt.grid(True) plt.show()

sensitivity_analysis()

7. Exportação do Modelo

converter = tf.lite.TFLiteConverter.from_keras_model(model) converter.optimizations = [tf.lite.Optimize.DEFAULT] tflite_model = converter.convert()

with open("models/shot_locator_v2.tflite", "wb") as f: f.write(tflite_model)

print("Modelo otimizado exportado com sucesso!")

[contadorpj]

A Inteligência Artificial (IA) tem um papel transformador na elaboração de programas, oferecendo uma série de benefícios significativos:

1. **Aumento da Eficiência 🚀**: A IA pode automatizar tarefas repetitivas, permitindo que os desenvolvedores se concentrem em aspectos mais complexos da programação.

2. **Análise de Dados Avançada 📊**: A IA pode processar e analisar grandes volumes de dados rapidamente, fornecendo insights valiosos que podem ser usados para melhorar a qualidade dos programas.

3. **Detecção de Erros e Debugging Inteligente 🐞**: Ferramentas baseadas em IA podem identificar erros de programação de forma mais eficiente do que os métodos tradicionais, economizando tempo e recursos.

4. **Desenvolvimento de Código Personalizado 🧩**: A IA pode ajudar a criar códigos personalizados para necessidades específicas, aprendendo com exemplos anteriores e adaptando-se às novas exigências.

5. **Testes Automatizados e Aprimoramento da Qualidade ✅**: A IA pode realizar testes de software de forma autônoma, identificando falhas e sugerindo melhorias.

Algumas ferramentas que incorporam IA na programação incluem:

- **TensorFlow e PyTorch**: Frameworks de aprendizado de máquina para desenvolvimento de aplicações de IA.

- **GitHub Copilot**: Assistente de codificação alimentado por IA que sugere código e trechos de programas.

- **Jupyter Notebooks**: Ambiente interativo que facilita a experimentação com IA e análise de dados.

- **SonarQube**: Ferramenta que usa IA para identificar bugs e vulnerabilidades de segurança no código.

Essas ferramentas estão revolucionando a forma como os programas são desenvolvidos, tornando o processo mais rápido, eficiente e menos propenso a erros. 🌐🤖

[stsluciano]

Google AI + Writing - Quem digita um prompt é um autor?

No último ano o ChatGPT nos assustou com sua capacidade de processamento tanto do reconhecimento do input quanto da resposta dada. Imediatamente, acendeu-se uma luz de alerta que questionava até onde o texto criado por uma máquina alimentada por Machine Learning poderia ser considerado arte, e o quão em risco escritores estariam pela necessidade de fazer frente a algo com uma capacidade de processamento e um repertório infinitamente maior que a de algumas centenas de servidores altamente dedicados e capazes de operar na casa dos bilhões de operações por minuto.

Desde 2019 o Google Creative Labs em Sidney, Austrália, explora a capacidade de alguns recursos de criação de texto. No projeto, argumenta-se que da pena até a prensa criada por Bi Sheng em 1040 e modernizada por Gutemberg em 1439 com a criação da impressão em massa, autores tem-se utilizado de diversas ferramentas para trazer ao mundo sua arte, da mente para a página.

No Google Creative Lab, estamos particularmente interessados ​​em ver se o aprendizado de máquina (ML) — um salto recente na tecnologia — pode aumentar o processo criativo dos escritores.

Discordo.

Desde sempre autores buscaram recursos para que suas obras se tornem realidade. Da escrita cuneiforme de 3200 AC, passando pelas tábuas de argila mesopotâmicas ao papiro, sempre se buscou um meio físico que possibilitasse ao autor dar vida a sua criação.

Aqui é importante mencionar que nem todos os escritores veem como finalidade de sua obra a publicação. São muitos os casos de escritores que deixaram em testamento que suas obras não publicadas fossem destruídas após sua morte, o escritor russo, Nikolai Gogol, por exemplo, queimou pessoalmente a segunda parte de sua magnum opus, “Almas Mortas”.

Mas sempre, sempre, foi preciso um meio para fazer com que aquela história fosse contada.

A precariedade da integridade na tradição oral fez com que os irmãos Grimm partissem em busca dos contos de fadas para registrá-los por escrito. Ray Bradbury alugava uma máquina de escrever por hora para por suas criações no papel, e disso surgiu um embate clássico entre lápis e papel, Faber e Montag, que apesar de distópico se mostra um tanto atual com a recente onda de banimentos de títulos de bibliotecas públicas.

Mas o que não se pode negar, é que o texto em mídia foi criado pelo autor, inicialmente, em sua mente. Criatividade, inconsciente, experiências. Tudo colaborando para que a criação em seu cérebro tomasse contornos, formas e cores. Há de se concordar que seu repertório, o quanto ele leu, suas experiencias, tudo isso influi na obra criada, mas a obra resultante, o trabalho final é dele, é um trabalho autoral.

Me pergunto o quanto um texto gerado por AI, alimentado com bilhões de páginas e palavras e combinações por ML pertence ao autor.

Se um autor se senta em sua cadeira, olha para seu computador ou sua máquina de escrever, e não sabe qual tecla apertar, o que colocar na página, como levar a estória que está contando ao próximo capítulo, ele para, respira, e pensa. Muitas das vezes esse é um processo de criação íntimo e pessoal.

Mesmo nos casos em que o autor converse com alguém em busca de um insight, como um amigo ou seu editor, o resultado que ele tira desta consulta é mais aproximado de sua experiência, delimitado por usas relações.

Neste projeto do Google, foram apresentados inicialmente três experimentos criados com TensorFlow, Polymer, e GPT-2: “Banter Bot”; “Once Upon a Lifetime”; e, “Between The Lines”.

O “Banter Bot” permite que você crie e converse com seu personagem enquanto escreve sobre ele, como uma forma de conhecê-lo melhor enquanto desenvolve suas características. Aqui o sistema pode ajudar o usuário a definir traços chaves das características e personalidade do personagem, que por final podem ser explorados pela próxima ferramenta, a “OUL”.

O “Once Upon a Lifetime”, por sua vez, permite que o autor explore opções sobre o destino do personagem na história. Ele vai se casar? Em que ele trabalha? De qual maneira ele irá conseguir atingir o objetivo que sua jornada no livro o impõe?

Já o “Between The Lines”, como o nome sugere, cria uma sentença entre outras duas existentes. Se o autor chegou em um ponto do texto mas esperava que tivesse conseguido detalhar melhor os acontecimentos e talvez tenha corrido na narrativa para atingir determinado objetivo ou plot twist, a ferramenta pode preencher esta lacuna com texto que seja compatível com o que já foi escrito.

Mesmo como um entusiasta da inovação e um admirador da incrível capacidade do já mencionado ChatGPT, me pergunto: o quanto de tudo isso é criação?

Um dos selecionados para testar a ferramenta diz, no vídeo de apresentação do projeto, que “You import the product prompt it uses, what it knows from the data that it’s been trained on, to spit out coherent response”. Eu me pergunto mais uma vez: o quanto disso foi criado pelo usuário e quanto pertence ao usuário?

A discussão sobre copyright entra em um vortex sem fim: o usuário entra com um prompt no sistema e recebe uma resposta. Embora ele seja o autor incontestável da pergunta, o sistema é o autor da resposta.

Na medida que o sistema sugere uma resposta ao prompt apontado pelo usuário, e o usuário aceita esta resposta e a insere em seu texto, a ferramenta passou do papel de oferecer uma sugestão, um caminho, a fazer parte do produto final.

A quem pertence esses direitos? Quem vai garantir um ambiente competitivo justo para autores que optarem por não utilizar a ferramenta?

Mais: sempre coube ao leitor o papel de watchdog supremo da qualidade. É ele quem opina se um produto final é bom ou não, que deixa comentários apaixonados em redes sociais, que recomenda o livro para amigos.

Vejam. No século passado, víamos Agatha Christie como um tipo de gênio. Segundo a lenda ela entrava em uma banheira, tomava um belo banho e comia maçãs enquanto pensava na história que queria escrever. A quantidade de maçãs comidas, a mesma lenda diz, seria o número de capítulos que o livro teria.

O que não é lenda sobre a autora, no entanto, é que todo leitor mais atento, na grande maioria dos livros escritos pela Rainha do Crime, consegue adivinhar, conforme a investigação narrativa se desenvolve, o autor do crime. Por isso a autora sempre foi tão elogiada pela inventividade, criatividade, e por estabelecer o que até hoje é visto como ingredientes obrigatórios de um romance policial.

Agora imaginem um produto ultraprocessado gerado por AI. Ele com certeza poderá ter todos os elementos presentes para agradar o leitor, mas será obra do autor, da pessoa que digitou alguns prompts e conseguiu uma série de respostas e as formatou para ser publicado?

Se a autora é considerada bastante prolífica por ter publicado cerca de 80 livros em pouco mais de cinquenta anos de carreira, imaginem o ritmo de produção de uma ferramenta AI.

É impossível não ficar maravilhado, assustado e ansioso com o que os próximos meses nos apresentarão em termos de avanços em inteligência artificial. As ferramentas estão cada vez mais refinadas e responsivas, e só esse mesmo tempo nos dirá o quão bom isso é.

E caberá, no fim, a nós, leitores, o árduo trabalho de separar o joio do trigo.

[lucasrfsblog]

Arquitetando a Nuvem: Componentes e Recursos Necessários para Implementação

Arquitetando a Nuvem: Componentes e Recursos Necessários para Implementação – Aula 3 – Parte 1

Professor: Evandro Melo

EP 05. Principais provedores

Conteudo:

 Analise do quadrante magico do Gartner:

 Líderes

Os líderes se diferenciam por oferecer um serviço adequado para adoção estratégica e por ter um roadmap ambicioso. Eles podem atender a uma ampla variedade de casos de uso, embora não se destaquem em todas as áreas.

Os líderes neste mercado têm uma participação de mercado considerável e muitos clientes referenciáveis.

 Desafiadores

Os desafiadores estão bem posicionados para atender a algumas necessidades atuais do mercado. Oferecem um bom serviço que é direcionado a um determinado conjunto de casos de uso e têm um histórico de entrega bem-sucedida. No entanto, eles não estão se adaptando aos desafios do mercado de forma suficientemente rápida.

 Visionários

Os visionários têm uma visão ambiciosa do futuro e estão fazendo investimentos significativos no desenvolvimento de tecnologias exclusivas. Seus serviços ainda estão surgindo e eles têm muitos recursos em desenvolvimento que ainda não estão disponíveis de maneira geral. Ainda não atendem bem a uma ampla gama de casos de uso.

 Nicho

Os participantes do nicho no mercado de cloud podem ser excelentes provedores para casos de uso específicos ou nas regiões em que operam, mas, em última análise, devem ser vistos como fornecedores especializados de IaaS.

Frequentemente, eles não atendem bem a uma ampla variedade de casos de uso. Alguns podem ter posições de liderança sólidas em mercados adjacentes a esse mercado, mas desenvolveram apenas recursos limitados em cloud.

  [Critérios de avaliação]

  - Habilidade de execução:

 q Produto/Serviço.

(Relacionado a quantidade de produtos(portifólio) e serviços disponíveis no mercado)

q Viabilidade geral.

(Validar discrepância entre serviços disponíveis na plataforma, produtos de alto nível e produtos que possuem falhas ou carências graves fazendo uma comparação)

q Preço / execução de vendas.

(Precificação de componentes, se possuem logica ou se o provedor fica ajustando para cima para compensar lucros/perdas)

Execução de vendas, esta relacionado a entrega das plataformas para os clientes, para que estes possam entrar sem fricção ou grandes dificuldades e se necessário, ter parceiros para apoiar o novos clientes na execução do portifólio da plataforma)

q Capacidade de resposta ao mercado e histórico.

(Feedback dos clientes e capacidade de respostas as alterações que o mercado demanda)

q Execução de marketing.

(Capacidade do provedor cumprir a execução das promessas de marketing, seja em desenvolvimento de novos produtos e até mesmo o quanto ela cumpre com as questões ligadas a certificações.)

q Experiência do cliente.

Reflete a questão do histórico já levantado anteriormente.

q Operações.

Avaliação da questão de saúde e sobrevivência no mercado em que esta inserido.

  - Abrangência da visão:

 q Compreensão do mercado.

O quanto este provedor de Cloud entende o mercado e consegue se preparar antes da demanda para disponibilizar produtos adequados para cada momento.

q Estratégia de Marketing.

Forma como o provedor se comunica com o mercado e como esta ocorrendo a implementação desta estratégia.

q Estratégia de vendas.

Como o provedor esta elaborando formas diferentes de vendas de produtos afim de atender os diversos clientes e suas distintas características.

q Estratégia de oferta (produto).

Criação de produtos segmentados e granulares, produtos prontos (API) para as mais diversas necessidades de mercado.

q Modelo de negócios.

Criar modelos de negocio que tragam sinergia entre os produtos e adequados a todos os segmentos, de startups até grandes multinacionais que estão ingressando neste universo de cloud publica.

q Estratégia vertical / setorial.

Conseguir atingir alguns mercados específicos que precisam de produtos empacotados e direcionado a elas. Entender este setor e criar soluções direcionadas.

q Inovação.

Criação de inovação e ritmo de lançamentos de novos produtos inovadores. (não ficar aguardando algum outro player criar e depois copiar)

q Estratégia geográfica.

Ter a maior cobertura geográfica possível, para permitir estar mais próximo do cliente final.

 “É intessante, quando for avaliar, Entender dentro destes critérios, desse peso, o que será mais importante para você e então, se necessário adaptar os pesos e critérios para a sua realidade e fazer esta ponderação e tomar a decisão que for a mais adequada para a sua empresa.”

Provedores Lideres:

Amazon Web Services.

Locais:

A AWS agrupa seus data centers em regiões, a maioria das quais contém pelo menos três zonas de disponibilidade.

Possui várias regiões no Japão e nos EUA, além de regiões no Bahrein, Canadá, França, Alemanha, Irlanda, Reino Unido, Austrália, Índia, Itália, Cingapura, África do Sul, Coreia do Sul, Suécia e Brasil, bem como o Mercado de Hong Kong. Também possui duas regiões dedicadas ao governo federal dos EUA. Existem duas regiões da China, que exigem contas AWS específicas da China.

Usos recomendados: AWS tem um desempenho muito forte na maioria dos casos de uso do Gartner e um forte candidato para Cloud Híbrida e casos de uso de borda.

A AWS investe na tentativa de possuir partes cada vez maiores da cadeia de valor que fornece serviços emcloud aos clientes.

 Forças:

§ Mantém liderança em muitas das dimensões críticas do mercado de cloud.

§ Market-share.

§ Oferta de serviços.

§ Maior fatia do mercado mundial em IaaS e dbPaaS.

§ Habilidades, recursos e motivação para ofertar soluções de ponta a ponta.

§ Pode projetar desde processadores a servidores.

§ Projetar de sistema operacional de dispositivos à camada de software.

§ Extremamente bem administrado. Responsável por mais de 50% da receita

operacional de toda Amazon.

§ As margens saudáveis devem melhorar o grupo.

 Cautela:

§ Tamanho e alcance da Amazon, assustam alguns parceiros e clientes.

§ Fricção com a comunidade de software aberto.

§ Pouca coesão no conjunto de ofertas.

§ Posição de liderança em IaaS e dbPaaS cria efeito halo.

§ Política de redução de preços não é universal em todos os serviços.

Microsoft Azure.

Locais: a Microsoft chama os locais do data center do Azure de "regiões". Existem várias regiões do Azure nos EUA, Canadá, Reino Unido, Alemanha, França, Austrália, Índia, Noruega, Emirados Árabes Unidos, Suíça, Japão, Coreia e África do Sul. Também há regiões na Irlanda, Itália, Holanda, Cingapura e Brasil, bem como o mercado de Hong Kong e seis regiões para o governo federal dos EUA (duas das quais são dedicadas ao Departamento de Defesa dos EUA).

Usos recomendados: a Microsoft é forte em todos os casos de uso. Isso inclui os casos de uso de cloud estendida e computação de ponta, em que muitos dos outros fornecedores têm dificuldade.

O Azure é particularmente adequado para organizações centradas na Microsoft.

 Forças:

 § Conjunto completo de soluções para uma ampla gama de cargas de trabalho.

§ Parcerias com SAP, Vmware, Oracle.

§ Esforço para atender os desenvolvedores de software.

§ Destaque com PaaS com seu pacote de ferramentas que inclui Azure

DevOps, Github, Visual Studio Code.

§ Alinhamento às empresas tradicionais.

§ Mind-share forte com clientes corporativos.

 Cautela:

 § Menor proporção de zonas de disponibilidade por região.

§ Preocupações relacionadas à arquitetura geral e implementação do Azure.

§ Não fornece nenhuma forma de capacidade garantida aos clientes.

§ O suporte unificado da Microsoft pode ser muito caro.

§ Preocupações com a qualidade das experiências com o suporte.

 Google Cloud Platform.

Locais: o Google tem várias regiões no Japão e nos EUA, bem como presença na Bélgica, Cingapura, Finlândia, Alemanha, Holanda, Reino Unido, Índia, Austrália, Brasil, Canadá e Suíça, bem como Hong Kong e Mercados de Taiwan.

Usos recomendados: o Google evoluiu aprimorando seus pontos fortes e atacando suas limitações para fornecer uma oferta forte em cada caso de uso, exceto o caso de uso de ponta.

O Google tem um foco futuro na construção de capacidades híbridas e parcerias com provedores de telecomunicações.

 Forças:

 § Contribuições de código aberto – Kubernetes e Tensorflow.

§ Estratégia de longo prazo de trazer parceiros focados em código aberto.

§ Rápido crescimento no mercado de IaaS e dbPaaS.

§ Redução da distância de capacidade entre Azure.

§ Reconhecimento pelos serviços de Analytics.

§ Posicionamento com serviços de container com foco em cloud híbrida e

multi-cloud.

 Cautelas:

§ Capacidade de atendimento a grandes clientes.

§ Lentidão em executar parcerias com SAP, por exemplo.

§ Carência de recursos aPaaS.

§ Carência em suporte a Oracle.

§ Receita de cloud pequena em relação ao grupo.

§ Falta clareza quanto a relevância de cloud na estratégia do negócio.

§ Negócio de cloud pode corroer as margens brutas gerais da empresa.

§ Série de interrupções em conectividade impactando clientes.

Provedores de Nicho:

 Alibaba Cloud:

 Locais: as operações da Alibaba Cloud são geograficamente diversificadas com várias regiões na China. Além disso, está presente nos EUA (Costas Leste e Oeste), Alemanha, Austrália, Indonésia, Japão, Índia, Malásia, Cingapura, Emirados Árabes Unidos (Emirados Árabes Unidos) e Reino Unido, bem como no mercado de Hong Kong.

 Usos recomendados: cargas de trabalho de negócios digitais em cloud para clientes que estão localizados na China ou no sudeste da Ásia e desejam aproveitar o relacionamento da Alibaba Cloud com sua empresa controladora. O Alibaba Cloud está focado em expandir seu sucesso na Ásia para regiões que ainda estão em competição, como o Oriente Médio.

 Forças:

 § Líder na China, onde tem alta satisfação do cliente e fortes laços com o setor

público chinês.

§ Soluções de análise de dados e banco de dados.

§ O Alibaba Cloud ajuda empresas tradicionais a criarem novos canais digitais e começar a obter receita digital.

 Cautela:

 § Foco na China, com adoção limitada de clientes em outros lugares.

§ A oferta internacional não tem todos os recursos da oferta da China.

§ Discrepâncias entre a documentação do Alibaba e a funcionalidade

disponível em seu console.

§ Apenas 8% da receita total do Alibaba Group e a unidade de negócios em

cloud continua operando com prejuízo financeiro.

 Oracle Cloud:

 Locais: os data centers da Oracle Cloud Infrastructure (OCI) são agrupados em

regiões, alguns com apenas uma zona de disponibilidade, como os da Austrália, Brasil,

Canadá, Índia, Japão, Holanda, Arábia Saudita, Coreia do Sul e Suíça. As regiões com

três zonas de disponibilidade estão localizadas no leste e oeste dos EUA, Alemanha e

Reino Unido.

 Usos recomendados: A Oracle está bem posicionada para lidar com amplos casos de

uso de migração ‘as-is’ e cargas de trabalho híbridas. A Oracle tem um foco futuro na

expansão das geografias mundiais.

  Forças:

 § Aumento significativo na presença mundial e novos recursos de PaaS.

§ Arquiteturas de cloud competitivas com os provedores de cloud mais

estabelecidos.

§ Ganhos substanciais ano após ano relacionados aos recursos IaaS e PaaS.

§ Parceria com Azure, e tecnologias próprias de cloud privada e EBS em

IaaS.

 Cautela:

 § Percepção da viabilidade da OCI.

§ Experiências negativas com Oracle no geral.

§ Lentidão na adoção de serviços modernos de camada PaaS.

§ Baixa participação de mercado no segmento dbPaaS de Cloud Pública.

 IBM Cloud:

 Locais: a IBM tem infraestrutura de geração anterior em vários data centers nos EUA,

junto com data centers no Canadá, México, Brasil, França, Alemanha, Índia, Itália,

Reino Unido, Holanda, Noruega, Austrália, Índia, Japão, Coréia, Suécia e Cingapura,

além do mercado de Hong Kong. A IBM oferece serviços Gen2 nos EUA, Reino Unido,

Alemanha, Austrália e Japão.

 Usos recomendados: Os melhores casos de uso para IBM Cloud são migrações ‘as-is’,

extensão de data center local em cloud, que é aprimorada com a tecnologia RedHat e

particularmente forte para requisitos multicloud. A IBM tem um foco de investimento

que inclui Cloud Híbrida e serviços em cloud voltados a verticais.

 Forças:

§ Infraestrutura com Família Power Systems.

§ Melhorou os tempos gerais de provisionamento de VM.

§ Capaz de fornecer serviços transformacionais para as empresas se tornarem mais ágeis.

§ Transição para mensagens em torno da computação híbrida e multicloud.

 Cautelas: § Plataforma complexa resultante de ofertas legadas e ganhos desiguais no desenvolvimento de produtos.

§ Continua a carecer de amplo suporte de plataforma para gerenciamento de identidade e acesso (IAM).

§ A IBM promove uma narrativa de Cloud Híbrida usando OpenShift como um substrato comum que permite a portabilidade entre provedores de cloud

ou ambientes díspares. No entanto, essa abordagem resultará em benefícios empresariais limitados, porque requer o uso genérico de recursos do provedor de cloud.

§ Parcela de mercado mundial insignificante na categoria PaaS.

§ Esforços para atrair desenvolvedores de software por meio de iniciativas de código aberto ainda não produziram resultados.

 Tencent Cloud:

 Locais: os data centers da Tencent Cloud são agrupados em regiões, alguns com

apenas uma zona de disponibilidade, como os da Austrália, Brasil, Canadá, Japão,

Holanda, Rússia, Cingapura, Coréia do Sul e Tailândia. As regiões com duas ou mais

zonas de disponibilidade estão localizadas na China, Índia e EUA, bem como no

mercado de Hong Kong.

 • Usos recomendados: Tencent Cloud está focado principalmente na China,

atendendo a multinacionais na China ou multinacionais chinesas em expansão no

exterior. É mais adequado para jogos e cargas de trabalho nativas da cloud

operadas principalmente na China, bem como para empresas de jogos em todo o

mundo.

 Forças:

§ Sinergias entre seu ecossistema de serviço digital e seus serviços em

cloud.

§ Experiência em jogos, redes sociais e comércio eletrônico.

§ Participação no mercado IaaS maior do que a IBM e a Oracle.

§ Cresceu rapidamente e fez declarações públicas sobre grandes investimentos futuros no mercado.

§ Se distingue por ser o único provedor de cloud em hiper escala com uma região na Rússia.

Cautelas:

§ Presença limitada e reconhecimento de marca fora da China.

§ Opera apenas três regiões fora da China com mais de uma zona de

disponibilidade.

§ Pequena presença internacional de vendas / técnica.

§ Fora da China, a empresa não tem ecossistema MSP,

§ Nenhum suporte para Oracle, ferramentas ou serviços de migração limitados e nenhum mercado de aplicativos certificados por terceiros.

§ Demonstra menos inovação do que os líderes de mercado.

 “Vão atras e pesquisem cada site para conhecerem um pouco mais sobre cada um desses provedores.”

[Resumo]

Arquitetando a Nuvem: Componentes e Recursos Necessários para Implementação – Aula 3 – Parte 2

Professor: Evandro Melo

EP 06. Abordagem executiva

Conteudo:

 Business case:

Um dos benefícios da cloud é a economia de custos, mas vai além, a cloud apresenta ganhos com agilidade, velocidade, resiliência, produtividade.

Além das análises financeiras, ao planejar uma migração para cloud, é importante construir um Business Case que forneça uma base lógica para apoiar a iniciativa.

 O que Business case deve considerar:

 1-     Analise de custo de execução:

2-     Custo de mudança:

3-     Produtividade do trabalho:

4-     Valor de negócio:

O Business Case deve responder as seguintes questões:

q Qual é o custo de TI futuro esperado na cloud em comparação com o custo existente?

q Quais são os custos estimados de investimento de migração?

q Qual é o ROI esperado e quando o projeto terá fluxo de caixa positivo?

q Quais são os benefícios comerciais além da economia de custos?

q Como o uso da cloud melhorará sua capacidade de responder às mudanças nos negócios?

 Elaborando seu caso de negócio

 Direcional - Ordem de grandeza em torno da utilização de infraestrutura.

Refinado - Dados adicionais sobre o escopo da migração e cargas de trabalho.

Detalhado - Descoberta profunda do ambiente local e da utilização do servidor.

 Utilizar ferramentas automatizadas: TSO, Cloudamize para descobertas dos workloads. (Considere a execução por pelo menos 2 semanas)

 q   Considere o dimensionamento de uso e não o alocado, como em uma TI tradicional.

q Considere desligar servidores em horários de ociosidade.

q Cloud não combina com ociosidade.

q Identifique os primeiros candidatos à migração para estabelecer processos de

migração e desenvolver experiência na fase de preparação e planejamento da

migração.

q Essa análise inicial ajudará a determinar o custo de execução, custo de migração,

requisitos de recursos e cronogramas para a migração.

 Total Cost Ownership (TCO) é uma estimativa financeira que abrange todos os custos, diretos e indiretos, para manter uma operação.

Envolve custos associados a hardware, software, manutenção, pessoas, espaço, energia elétrica, etc.

Pode ser tanto investimento (CAPEX) quanto despesa (OPEX).

  q Custos de compra de servidores

q Custos de compra de armazenamento

q Dispositivos de segurança

q Rede

q Licenças de software

q Datacenters primário

q DataCenter secundário

q Energia elétrica

q Manutenção (sw, hw, dc)

q Custo e tempo relacionados ao projeto de infraestrutura

q Custos de atualizações e melhorias durante o uso

q Consumo de energia e monitoramento de temperatura constante

q Manutenção

q Suporte técnico

q Treinamento

q Depreciação

q Ociosidade

q Custo do dinheiro

 Custos de infraestrutura em cloud

q Custos de cloud:

q CAPEX por OPEX

q Sem custos de manutenção

q Sem riscos associados à manutenção da infraestrutura

 Conveniência da cloud

q Fast time-to-market: Rápido

provisionamento

q Capacidade de resolver várias tarefas emuma única plataforma

q Escalabilidade imediata sob demanda

q Refresh tecnológico constante

q Assistência 24X7X365

 Alguns custos são pontuais, como a compra de equipamentos, outros são custos recorrentes (manutenção, taxa de colocation, consumo de energia) que ocorrerão ao longo de todo o período de uso do ambiente.

 O TCO geralmente é calculado para períodos de 3 a 5 anos, tempo media de depreciação, prazo de manutenção e contratos de financiamento.

Após o período de 3-5 anos, será necessário avaliar e fazer um novo orçamento para todo o custo de compra (refresh tecnológico), para projetar uma infraestrutura moderna e de alto desempenho.

  6 maneiras dos custos de migração para cloud saírem dos trilhos

Source: Gartner. 2021

Líderes de infraestrutura e operações sob pressão para migrar rapidamente para a Cloud Pública são suscetíveis a vários

 erros comuns.

Mais de 70% das empresas já migraram pelo menos algumas cargas de trabalho para a Cloud Pública, de acordo com pesquisa do Gartner.

Gerenciar os custos da computação em cloud é um desafio contínuo.

O Gartner prevê que até 2024, 60% dos líderes de infraestrutura e operações encontrarão estouros de custo da Cloud Pública que afetarão negativamente seus orçamentos locais.

Equipe errada

A escolha de um parceiro de migração é componente crítico ao processo.

Muitos líderes optam por parceiros de menor custo em vez de experiência comprovada.

Outros entregam a migração à equipe interna, mesmo não estando prontas para isso.

  Priorização errada

Geralmente priorizam a abordagem de ”lift-shift" de mover cargas de trabalho

para a cloud sem modificá-las.

A melhor vantagem pode ser reescrever e relançar usando serviços nativos da cloud ou substituir por uma alternativa SaaS.

Uma abordagem de rehosting sem modernizar ou substituir aplicações pode resultar em custos operacionais mais altos no longo prazo.

Avaliações apressadas

A fase inicial mais crítica em um projeto de migração para a cloud é a avaliação da carga de trabalho, pois ajuda a determinar qual abordagem de migração para a cloud deve ser usada.

 Projeto de ‘aterrisagem’ ruim

Deixar de arquitetar e implementar as melhores práticas da cloud para os quais as cargas de trabalho são migradas pode aumentar os custos de segurança e conformidade.

A configuração deve incluir estruturas de conta, federação/identidade, rede privada (VPC), controle de acesso e monitoramento, segurança e gerenciamento de configuração.

 Esforço de trabalho mal calculado

Deixar de considerar as interdependências entre os sistemas locais que estão sendo movidos pode levar a problemas de desempenho de rede e atrasos em cascata.

Isso pode fazer com que as migrações demorem mais do que o inicialmente

alocado, aumentando os custos.

 Custos indiretos ocultos

Custos associados à transformação da organização para operar efetivamente na Cloud Pública ou os custos residuais dos legados.

Os custos de transformação incluem treinamento, adequação salarial, mudanças na estrutura organizacional e procedimentos operacionais.

Custo de duplicidade durante um período de transição de migração.

“O que for possível trabalhar de uma forma antecipada, é muito menos custoso, da muito menos retrabalho. Inclusive na imagem, tanto sua quanto pro negocio e para os clientes finais que utilizam este serviço.”

 [Resumo]

[soundtracks2life]

Site para ganhar seguidores no Instagram gratis. Automação Instagram.

Automação Instagram gratis pra você utilizar esse site para ganhar seguidores no Instagram gratis. Aprenda também como baixar foto do Instagram.

marketing para restaurante

gerenciando equipes

Eu sempre soube que um dia seguidores no Instagram seria possível, com métodos cada vez mais fáceis e rápidos… Mas, estou surpreso com marketing de conteúdo para [COMPLETE AQUI]

Até o ano passado, eu não tinha escrito uma linha de código desde o desenvolvimento de sistemas de mainframe COBOL na década de 1990. Como CEO de uma empresa de segurança cibernética que faz uso extensivo de aprendizado de máquina (ML) em seus produtos, estou interessado em realmente entender como essa tecnologia transformadora funciona. Embora eu nunca vá escrever para viver, o processo de aprendizagem me ensinou mais do que apenas codificação.O Guia Básica De Quem Pretende Entrar No Mercado De Site Para Ganhar Seguidores No Instagram Gratis

Código aberto abre portas

Comecei aprendendo a codificar em Python, a linguagem de programação mais comumente usada no campo ML. A partir daí, usei vários recursos de código aberto, incluindo Jupyter Notebook, TensorFlow e Keras. Todas essas ferramentas poderosas e abrangentes estão disponíveis gratuitamente. Seu fácil acesso abriu a porta para a tecnologia de aprendizado de máquina avançada para muitos – reduzindo a barreira de entrada e, como resultado, acelerando o ritmo de inovação em muitos setores e comunidades.

A computação quântica é outro campo que está sendo habilitado, acelerado e transformado pelo código aberto. O lançamento de 2017 da estrutura de código aberto Qiskit da IBM abriu o caminho. Nos últimos meses, usei o Qiskit para programar os computadores quânticos da IBM. A IBM atualmente disponibiliza o Qiskit gratuitamente para uso na nuvem por meio do IBM Quantum Experience. Em última análise, isso aumenta o interesse e a barreira para todo o seu ecossistema quântico.

Cultura da empresa

Quando o CEO aprende a codificar, isso não beneficia apenas o CEO. Ao trabalhar com nossa equipe, descobri que sou capaz de fazer perguntas melhores – as perguntas certas – às nossas equipes de engenharia e produto. A capacidade de entender a tecnologia em um nível prático e detalhado fornece uma visão inestimável. Embora eu não seja um especialista em codificação, aprender a codificar me deu o contexto para articular melhor os benefícios e a diferenciação competitiva dos produtos da minha empresa. Olhando para o futuro, sinto que poderei avaliar melhor a tecnologia que está por vir e as implicações para a estratégia e os investimentos.

Como um bônus adicional, acredito que há poder em liderar fazendo. Se um CEO pode fazer isso em seu tempo livre, qualquer pessoa pode.

Impacto na cibersegurançaCoisas Que Provavelmente Você Não Sabe Sobre Site Para Ganhar Seguidores No Instagram Gratis

O impacto do aprendizado de máquina na segurança cibernética é prontamente aparente. As abordagens tradicionais de cibersegurança não conseguem lidar com o volume e a complexidade de novas ameaças. Com o aprendizado de máquina, podemos construir modelos dinâmicos que aprendem continuamente com as características e comportamentos de atividades maliciosas em milhões de dispositivos em todo o mundo. Dessa forma, podemos acompanhar os cibercriminosos que também estão criando ataques cada vez mais sofisticados usando aprendizado de máquina.

Embora seja sempre agradável aprender algo novo e entender melhor os membros da equipe técnica, há uma última coisa crucial que aprender a codificar me deu: uma nova perspectiva como líder. Sinto que minha mentalidade mudou para ser mais experimental e exploratória, minha criatividade se expandiu e, o melhor de tudo, estou mais aberto a novas ideias. É um ótimo lugar para se estar como líder.

turbinar Insta 2021

Não sabe como baixar foto do Instagram?

É um processo bem simples, abra seu instagram, vá até a publicação(foto ou video) que deseja baixar, clique na parte superior da propriedade, vai abrir um menu, clique em copiar link. Pronto, agora cole no formulário acima e clique no botão, o sistema vai baixar video ou fotos do instagram como uma mágica para você. Caso não tenha entendido, a imagem abaixo vai te ajudar.

views no instagram stories

visualizar Stories do Instagram de forma anônima

Melhores dicas de como ganhar seguidores no Instagram.

Exemplos e modelos de mapas da jornada do clienteO Guia Básica De Quem Pretende Entrar No Mercado De Site Para Ganhar Seguidores No Instagram Gratis

Isso pode parecer um conceito abstrato, mas quando você vê como são os mapas da jornada do cliente, faz muito mais sentido. Mas aqui está o problema – existem muitas versões diferentes de mapas de jornada do cliente.

O mapa da jornada do cliente da sua empresa será exclusivo para sua empresa, então tenha isso em mente ao construir o seu. Enquanto isso, aqui estão alguns exemplos de mapas da jornada do cliente para inspirar.

Exemplos de mapas estelares da jornada do cliente

Jornada de experiência da marca Lancôme

Essa empresa líder em cosméticos de luxo construiu um mapa para visualizar a experiência da marca que seus clientes têm por meio de vários pontos de contato.

lancome-brand-experience-1

Fonte: Behance

Como você pode ver, este mapa percorre aspectos importantes da experiência do cliente. No topo, você pode ver cada etapa da jornada: desde os clientes procurando o que precisam, até as opções de busca, até o pedido e finalizando com a compra.

Abaixo dos estágios da jornada, eles incluíram respostas emocionais, como excitação, confusão e amor. Eles também mapeiam perguntas comuns ao longo da jornada e reações após receberem seus itens.Coisas Que Provavelmente Você Não Sabe Sobre Site Para Ganhar Seguidores No Instagram Gratis

Na parte inferior, eles fazem anotações para sua equipe, recomendando várias táticas, como oferecer promoções e encorajar blogueiros a postar comentários.

Experiência de estudante itinerante da Carnegie Mellon University

A prestigiosa universidade criou um mapa para abordar um problema específico – o site Visit CMU ofereceu apenas alguns recursos que não atendiam às necessidades dos alunos.

CMU + cliente + jornada + mapa-1

Fonte: Iris Tong Wu

Seus mapas capturaram as experiências dos alunos e funcionaram como uma excelente ferramenta visual para detalhar pontos de contato e desconexões que se mostraram problemáticas para os alunos.

Eles usaram alguns mapas para esboçar wireframes e construir uma experiência digital melhor para melhor apoiar as pessoas que visitam seu campus.

Modelos a serem usados

Como você pode imaginar, as possibilidades de mapear a experiência do cliente são infinitas. Existem tantas maneiras diferentes de construir seu mapa, o que significa que você tem grandes oportunidades de encontrar o que funciona melhor para sua empresa.

Aqui estão alguns modelos comuns de mapas da jornada do cliente.

Dia na vida

Este mapa acompanha o dia a dia do seu cliente.

Manhã Meio-dia Tarde. Noite Noite Pensamentos e sentimentos Ações Necessidades não atendidas Pontos de dor Idéias para resolução de problemas Este mapa o ajuda a identificar exatamente em que horas do dia sua empresa pode atender melhor ao cliente.

Jornada do Comprador

Este modelo segue o processo básico de três estágios e define o estágio de conscientização, consideração e decisão.

Decisão de consideração de conscientização Passos do cliente Perguntas e considerações do cliente Estado emocionalCoisas Que Provavelmente Você Não Sabe Sobre Site Para Ganhar Seguidores No Instagram Gratis Ações Pontos de dor Pontos de contato para alavancar Com a jornada em mente, suas equipes podem se colocar no lugar do cliente em todas as fases. Conforme você calça seus sapatos, você pode encontrar pontos de contato onde certas equipes podem interagir com eles.

Estado futuro

Este modelo é útil porque ajuda todos em sua organização a considerar as metas de seus clientes. Qual é o estado desejado após comprar de você e como você pode capacitá-los para atingir esse estado?

Fase 1 Fase 2 Fase 3 Fase 4 Fase 5 Pensamentos e sentimentos futuros Ações Futuras Pontos de contato futuros Mudanças Potenciais Este modelo é ótimo para condicionar sua equipe a estar orientada para o futuro com os clientes. Eles querem ajudar os clientes a ter sucesso e isso mostra como ajudá-los a chegar lá.

O mapa da jornada do cliente pode ser tão simples ou complexo quanto você precisar. Uma coisa a ter em mente: não pense demais no formato.

Há uma tonelada de mapas intrincados, coloridos e bem desenhados por aí. Não se preocupe muito em encontrar o formato perfeito. Apenas atenha-se ao objetivo principal definido e crie um mapa para começar. Pode evoluir com o tempo, e tudo bem.

O importante a fazer é começar a mapear. Felizmente, existem algumas ferramentas excelentes para isso.

5 ferramentas de mapeamento da jornada do cliente que você precisa experimentar

Microsoft Visio

Microsoft-Visio-homepage-1Coisas Que Provavelmente Você Não Sabe Sobre Site Para Ganhar Seguidores No Instagram Gratis

Uma das ferramentas mais populares para a criação de fluxogramas e diagramas, o Microsoft Visio é uma ótima solução. Faz parte do pacote Microsoft Office e é incrivelmente amigável. No geral, este é um ótimo lugar para começar para iniciantes porque você pode tornar seus mapas tão simples ou complexos quanto desejar com esta ferramenta.

Gliffy

gliffy-homepage-1

A declaração de proposta de valor na página inicial da Gliffy diz tudo: esta empresa leva a comunicação visual a sério. Esta ferramenta é um pouco mais simplista em comparação com outras, mas funciona. E vem com modelos fáceis de usar e até se integra aos aplicativos Atlassian, tornando a colaboração tão fácil quanto um clique.O Guia Básica De Quem Pretende Entrar No Mercado De Site Para Ganhar Seguidores No Instagram Gratis

Esmagar

smaply-homepage-1

O Smaply é feito especificamente para mapear as experiências do cliente, por isso tem todos os recursos de que você precisa para ir direto ao seu primeiro mapa. Uma das características mais legais é a persona creato

Existem inúmeras formas de ganhar mais seguidores para a sua conta do Instagram. E, além de dicas mais básicas que vemos por aí, como:

crie uma identidade visual exclusiva que represente a sua marca e seja atrativa para o seu público;

pesquise quais as principais hashtags usadas no seu segmento;

engaje com outras contas relacionadas ao tópico central do seu perfil na rede.

agende as suas postagens de acordo com os hábitos da sua persona.

Qual o melhor site para ganhar seguidores no Instagram gratis?

O Maisgram oferece um serviço de Automação Instagram gratis por 3 dias, aumente sua visibilidade e engajamento para alavancar seu negócio. Nosso sistema vai atrair pessoas que realmente se interessam pelo seu perfil, você escolhe o público e ganha muito mais seguidores no Instagram.

Melhores Dicas De Comprar Seguidores Teste Para Turbinar Seus Resultados

O Que Ninguém Quer Que Você Saiba Sobre O Mundo Do Automatizar Instagram

Quanto Você Deveria Gastar Com Seguidores Para Instagram ?

Quanto Você Deveria Gastar Com Comprar Seguidores Teste Gratis ?

E uma duas vão comprar então você tem que se encontram na rua de baixo que tem lá se você pode pesquisar um book que ensina a pessoa assim um plano de dieta low carb para emagrecer demais tem que encontrar esse é feriado você vai ganhar esse r$ 50 para mim porque tá vendo que você indicar eu vou que ele custa uma moeda de r$ 7 e você nem 50

Não tô dizendo que tem tá exatamente nesse momento a gente tem só você olhar lá para ir lá na hotmart que você encontra esse aí lá com certeza quando você encontra o que que você viesse a comissão você vai começar a mostrar ele no seu perfil do Instagram para muitas pessoas estão você mostrou para 100 pessoas uma no final comprou se você mostrou para mim o pessoas dessas no final compraram é assim como é que você faz para mostrar para muitas pessoas você tem que ter muitos seguidores Começa por aí como é que você faz com 1.11.2 que eu falei assim ó o portão foi escolher um Instagram com um assunto específico ponto dois põe diário conteúdo específico para Instagram você já não vai começar a ver resultados aí de crescimento de inscritos você faz as postagens com a hashtag as pessoas se encontram passou a seguir porque tinha encontro legal ele dentro tem um com isso você já consegue seguidores fazendo fazer um isqueiro no saco de lixo e colocou no conteúdo né agora uma outra forma de mais que você faça é que você vai atrás dos seguidores que você faz você vai de novo no próprio Instagram você vai pesquisar por perfis que são similares aos seus de novo usando aquela que são concorrentes ao seu Ou pelo menos que são bem similares

Os Melhores Profissionais Sobre Como Fazer Flyer De Festa Para Seguir No FacebookCoisas Que Provavelmente Você Não Sabe Sobre Site Para Ganhar Seguidores No Instagram Gratis

Como é possível? Muitos como baixar video do Instagram ainda não conseguem vencer curtidas no instagram gratis. Saiba como evitar os principais problemas, que infelizmente faz isso acontecer. Sim, hoje decidi revelar alguns Direct de boas vindas sobre como mensagem automática instagram grátis, e você não vai se arrepender ao [COMPLETE AQUI]

Então você fala De low carb não precisa encontrar só perfil low carb pode encontrar outros né também dieta carnívora que é bem parecido tem outros tipos de forma de emagrecer

Será Que O Seguidores No Instagram Gratis Vai Dominar O Mundo Um Dia?

Post pronto de forma incrível e rápida.

Você pode procurar também não seja justamente igualzinho seu ou se encontra esses outros perfis e você vai nas postagens que esse fizeram nas últimas postagens principalmente e você vai ver quem são as pessoas que comentaram naquele perfil é o jeito mais fácil naquelas últimas postagens e você vai nesse comentário e você clica para a pessoa e você começa a seguir uma pessoa curtiu umas duas contas daquela pessoa diariamente você pode fazer isso um 300 a 500 pessoas que caiu um detalhe bem importante tá se você quiser você Instagram hoje não faça hoje esse processo com 500 pessoas passa hoje com 50 pessoas

Amanhã passa com 30 depois de amanhã com 60 depois depois de amanhã com 20 pessoas depois de uma semana sem

Daqui uma semana e Meia taça com 150 daqui 3 semanas começa com 300 pessoas daqui um mês passa com 500 pessoas por dia e detalhe é espalhado não é você pegar amanhã para 500 pessoas não vai fazer 5 40 às 9 horas da manhã aí meio-dia eu pego o celular faz com mais 50 mais 50 de tardezinha mais 50 mais 50 mais 50 por que esse processo de você procurar as pessoas seguir elas e curte alguma foto ou deixar um comentário ou fazer alguma coisa assim tem que ser espalhado durante o dia e essa interação que você fizer também tem que ser espalhada eu não é só seguir as pessoas se diz 500 por dia não é você vai ser de 50 dá coraçãozinho em em fotos de mais 50 Você vai deixar um comentário em fotos de mais 10 é espalhar também se interessam por que isso pois tá grandão entender que o seu perfil é um spam tá querendo fazer escolhe dentro fazendo propaganda de vida e tal e te bloquear quando o seu perfil é novo isso pode acontecer então tem que cuidar isso aí tem que ser espalhado durante o dia esse seu processo e também fazer coisas diferentes não é sócia aqui

Você Trabalha Com Seguidores No Instagram Gratis? Leia Isso Agora!

Como é possível? Muitos como baixar video do Instagram ainda não conseguem vencer curtidas no instagram gratis. Saiba como evitar os principais problemas, que infelizmente faz isso acontecer. Sim, hoje decidi revelar alguns Direct de boas vindas sobre como mensagem automática instagram grátis, e você não vai se arrepender ao [COMPLETE AQUI]

Não Acredite No Que Andam Dizendo Sobre Comprar Seguidores Teste

A Pergunta Principal Sobre Gerenciador De Instagram Que Você Deveria Saber Responder

Por Que Você Precisa Gastar Mais Tempo Aprendendo Sobre Automação Instagram Grátis

fazer arte – 3600 – 20

aplicativo para fazer arte grafica – 1000 – 13O Guia Básica De Quem Pretende Entrar No Mercado De Site Para Ganhar Seguidores No Instagram Gratis

e também a gente pode estar enviando esses conteúdos via lista de transmissões e em grupos que participamos tanto no Face quanto no WhatsApp bacana né então eu quero mostrar para vocês o aplicativo por dentro com tudo que ele tem e também mostrar os meus estados com ele tá aqui eu tenho a tela inicial do aplicativo onde eles colocam algumas sugestões de posto daqui vocês vão ter sugestões personalizadas de acordo com o negócio de vocês quando vocês acham aplicativo eles fazem algumas perguntas para poder conhecer os segmentos que você trabalha e a partir daí eles gostam conteúdos que são adequados ao seu negócio e para quem seria esse aplicativo Esse aplicativo é para você que é consultora de beleza né que revende marcas como Eudora Natura Mary Kay Racco amakha Paris maravilhosas que nós temos no mercado também é para você que é cabeleireira salão de beleza é para você que é para você que trabalha com Pets com nutrição

Chega! 15 Coisas Sobre Mensagem Automática Instagram Grátis Que Estamos Cansados De Saber!

Os Melhores Aplicativos Móveis Sobre Propaganda Para Bar

Frases Motivacionais Sobre Automação Instagram Grátis

oja no instagram – 1000 – 24

loja no instagram dicas – 210 – 13Coisas Que Provavelmente Você Não Sabe Sobre Site Para Ganhar Seguidores No Instagram Gratis

loja instagram – 1000 – 27

loja facebook – 590 – 25

loja no facebook – 390 – 24

Fazer arte online no formato Linha do Tempo e no tamanho dos Stories do Instagram, Facebook e WhatsApp.

Tenha fotos para postar no Instagram, Facebook, WhatsApp e Linkedin tanto no formato quadrado para linha do tempo quanto para compartilhar stories no Instagram.

Insira o Logotipo da sua empresa na criação de arte digital.

Tenha seu Logo em todos os posts prontos e impressione sua audiência online.

Consiga fazer arte para inúmeros Nichos de Mercado.

Nossa ferramenta de criação de arte online é ideal para todos os Nichos de Mercado. Tanto pra quem precisa divulgar um ponto comercial ou prestação de serviços como vender mais pela internet.

Conheça nosso sistema para criar logotipo online de maneira simples e rápida.

Muito melhor que aplicativos para criar logo, é a nossa ferramenta pra você montar seu logotipo online em altíssima qualidade com poucos cliques.

Suporte via WhatsApp.

Entre em contato com um de nossos especialistas em gestão de mídias sociais. Nossa equipe está pronta para te mostrar como configurar o Gera Post e fazer seu negócio atrair clientes.

Planos de Identidade Visual Gera Post:

Mensal:

30 dias de gerador de conteúdo para seu negócio.

O cliente é tudo, portanto, criar um mapa da jornada do cliente é muito fácil.

Como diz Sam Walton: “Há apenas um chefe. O cliente. E ele pode demitir todos na empresa, do presidente para baixo, simplesmente gastando seu dinheiro em outro lugar ”.

Os clientes são o centro de todo o seu modelo de negócios, o que torna a estrutura do volante tão impactante. Quando você entende a jornada deles, pode refinar todos os aspectos de seus negócios em torno da experiência do cliente em cada ponto de contato.

O que é um mapa da jornada do cliente?

Essencialmente, um mapa da jornada do cliente ajuda a visualizar todo o processo pelo qual o cliente passa, desde seu ponto de contato inicial ao longo de todo o seu ciclo de vida, enquanto se esforça para atingir um objetivo específico.

O mapa mostra onde os clientes entram em seu ciclo de marketing e vendas e, em seguida, como eles obtêm sucesso com seus produtos ou serviços. E se eles não tiverem sucesso, este mapa mostra onde ajudá-los a ter sucesso.

Os benefícios de criar um mapa da jornada do cliente

Todos em sua organização se beneficiam dos mapas de jornada do cliente. No panorama geral, eles garantem o alinhamento em toda a empresa, com uma perspectiva focada no cliente. Esse foco contínuo no cliente é essencial para construir uma estrutura de volante eficaz.

via GIPHY

Seu mapa pode ser compartilhado com todas as equipes. E deve ser compartilhado por toda parte – a experiência do seu cliente afeta a todos.

Vejamos como cada parte do seu volante – marketing, vendas e serviço – se beneficia de um mapa da jornada do cliente.Coisas Que Provavelmente Você Não Sabe Sobre Site Para Ganhar Seguidores No Instagram Gratis

Vantagens para marketing

A filosofia do inbound marketing é baseada em uma ideia simples: entregar o conteúdo certo às pessoas certas no momento certo. Com um mapa da jornada do cliente à mão, sua equipe de marketing pode identificar oportunidades para fornecer conteúdo relevante para cada um de seus clientes.

Eles podem mapear o conteúdo para que cada usuário que interage com sua marca obtenha exatamente o que procura em cada fase de sua jornada – reconhecimento, consideração e decisão.

Vantagens para vendas

Sua equipe de vendas pode revisar os mapas da jornada do cliente para descobrir oportunidades que eles podem estar negligenciando. Também ajuda a alocar melhor os recursos e ferramentas de vendas em cada etapa do processo de vendas.

Por exemplo, você pode descobrir que as vendas estão lutando para conscientizar os clientes potenciais de seus verdadeiros pontos fracos. Isso pode exigir um conteúdo de vendas mais direcionado ou uma nova estratégia de engajamento de vendas. Em última análise, esses insights ajudam a acelerar os ciclos de vendas.

Vantagens para o serviço

Sua equipe de serviço pode visualizar seus pontos de contato ao revisar o mapa de jornada do cliente. Além disso, o mapa pode detalhar pontos problemáticos específicos com base nas experiências reais do cliente.O Guia Básica De Quem Pretende Entrar No Mercado De Site Para Ganhar Seguidores No Instagram Gratis

Em última análise, essa ferramenta capacita sua equipe de serviço a ser mais pró-ativa na abordagem dos problemas do cliente, o que, por sua vez, leva ao deleite (e, com sorte, a recomendações e boca a boca positivo).

Resultado: toda a sua organização pode encontrar oportunidades de colaboração em toda a experiência do cliente para garantir consistência em cada uma de suas valiosas interações.

E o ROI potencial dos mapas de jornada do cliente é real e impressionante.

O surpreendente ROI do mapeamento da jornada do cliente

Centricidade no cliente não é apenas uma palavra da moda no léxico empresarial. É uma estratégia de negócios que abre caminho para o crescimento sustentável.

E construir esses mapas elimina todas as suposições para determinar como colocar seu cliente no centro de cada aspecto de seu negócio. Mas quando você usa essa ferramenta para orientar as estratégias de sua equipe, você produz resultados surpreendentes.

O Aberdeen Group conduziu pesquisas sobre empresas que usam um programa formal de gerenciamento de jornada do cliente. O que eles descobriram é notável.

Aqui estão algumas estatísticas dignas de nota que destacam o benefício financeiro do mapeamento:

54 por cento maior de retorno sobre o investimento em marketing

Isso não é surpreendente quando você considera como os insights do mapeamento tornam muito mais fácil conduzir iniciativas de marketing de conteúdo direcionado.Famintos Por Site Para Ganhar Seguidores No Instagram Gratis Vão Adorar Isso! Veja Por Quê…Eu estou muito feliz por ter conseguido minha meta de seguidores no Instagram depois que acreditei que esse marketing de conteúdo valia realmente a pena… Então, [COMPLETE AQUI]

Receita 3,5 vezes maior de referências de clientes

Simplificando, quando você investe energia e recursos em cada ponto de contato com o cliente, você transforme clientes felizes em promotores de sua marca.

Ciclo de vendas médio 18 vezes mais rápido

Sua equipe de vendas tem uma perspectiva melhor sobre todo o ciclo, mostrando a eles onde e como se envolver de uma forma mais significativa.

56 por cento mais receita de vendas cruzadas e up-sell

O mapeamento abre o caminho para clientes sempre satisfeitos, que estão abertos para comprar mais de você.

Elementos de mapas eficazes da jornada do cliente

Vamos afirmar o óbvio aqui: nem todos os mapas de jornada do cliente são bons ou úteis. Você não pode simplesmente jogar um juntos sem qualquer preparação.

via GIPHY

Aqui estão os elementos de que você precisa para começar:

Objetivos claros

Seu mapa deve ter um objetivo específico. Talvez você queira alinhar melhor as vendas e o marketing. Talvez você queira que o mapa ajude sua equipe de serviço a atender melhor os clientes.

Seja qual for o seu objetivo, deixe-o claro antes de começar. Isso tornará mais fácil para você moldar seu mapa em um formato que melhor s

Persona do Comprador

Lembre-se de que você está construindo seu mapa a partir da perspectiva do cliente, não de uma perspectiva interna. Se você estiver construindo a partir de uma visão interna, seu mapa usará processos de negócios e equipes como a base da jornada.

Em vez disso, você precisa usar o ponto de vista do cliente como base e, para entender totalmente seu ponto de vista, precisa de personas de comprador detalhadas.

Descreva as motivações, os pontos fracos, as metas e as considerações de um cliente para estabelecer a base. Você pode construir personas detalhadas e desenvolver mapas detalhados usando dados de várias fontes, incluindo:

Pesquisas de clientes Avaliações de Clientes Análise de site Entrevistas com clientes Detalhes no palco e fora do palco

Mapas bem-sucedidos definem a diferença entre os elementos dentro e fora do palco em cada ponto de contato. Os elementos no palco se referem a coisas que são visíveis para os clientes, e os elementos fora do palco são coisas acontecendo que os clientes não podem ver.

Alguns mapas usam gráficos para indicar essa distinção, como uma linha que denota a visibilidade do cliente. Essa distinção ajuda a ver como as operações são separadas do que o cliente está realmente experimentando.

Indicadores-chave de desempenho (KPIs)

Como acontece com qualquer estratégia de negócios, você precisa de métricas para analisar a fim de medir o desempenho. As métricas comuns usadas para mapas de jornada do cliente incluem medidas de satisfação do cliente, pontuação líquida do promotor (NPS) e semelhantes.

Esses KPIs devem se alinhar diretamente ao seu objetivo. Portanto, se você pretende aumentar as referências em 20%, provavelmente analisará o NPS.

8 etapas do mapeamento da jornada do cliente

O mapeamento da jornada do cliente é mais fácil quando você o divide em etapas menores que se alinham com seus objetivos. Aqui estão algumas etapas comuns que você pode seguir ao mapear a jornada do cliente:

Determine seus objetivos para criar o mapa.

Você não pode começar a criar o mapa da jornada do cliente até que você se pergunte por que precisa de um em primeiro lugar. Sobre quem é o mapa? Que experiência seu mapa deve seguir? Que objetivos você tem para este mapa?

Essas perguntas sugerem que você precisa de buyer personas para ajudar a orientar e direcionar seu mapa de jornada do cliente a eles. As personas do comprador são constituídas por clientes que representam os dados demográficos e psicográficos de seus clientes reais.

Realizar pesquisas.

A melhor maneira de conduzir pesquisas para suas buyer personas e mapa da jornada do cliente é criar um questionário para seus clientes atuais e potenciais. Dessa forma, eles podem fornecer feedback com base em sua experiência e você pode obter mais informações demográficas, como idade e sua localização geral.Famintos Por Site Para Ganhar Seguidores No Instagram Gratis Vão Adorar Isso! Veja Por Quê…

via GIPHY

Algumas das perguntas que você pode fazer a seus clientes atuais e potenciais incluem:

Como você conheceu nossa empresa? Que soluções você espera que nossa empresa possa lhe oferecer? Há quanto tempo você interage com nosso site? Você já comprou algo em nosso site antes? É fácil navegar em nosso website em uma escala de 1 a 10? Você já interagiu com nosso suporte ao cliente? O que o atraiu em nosso site? Quanto tempo você normalmente gasta em nosso site? A HubSpot tem uma ótima ferramenta que ajuda você a criar buyer personas com os dados que você coleta a partir do feedback do cliente.

Alvo Personas do cliente.

Em seguida, você precisa aprimorar uma ou duas buyer personas para criar um mapa de jornada do cliente mais preciso. Se você usar muitas buyer personas, será menos provável que o mapa da jornada do cliente reflita a rota de um cliente específico enquanto se envolve com sua empresa.

É por isso que você deve selecionar a persona do cliente mais comum. Compare e contraste essas personas até encontrar a pessoa certa para mapear. Você sempre pode criar mapas de jornada do cliente separados para suas outras personas mais tarde.

Liste os pontos de contato com os quais seus clientes interagem.

Os pontos de contato são os diferentes lugares que permitem que seus clientes interajam com você. Escreva uma lista de todos os pontos de contato que seus clientes usam atualmente, juntamente com aqueles que você deseja que eles usem. Isso lhe dá uma visão das ações de seus clientes.

Talvez seus clientes não acessem mais de um ou dois dos pontos de contato em seu site. Isso pode significar que eles estão saindo mais cedo do seu site por algum motivo. Se eles estiverem usando muito mais pontos de contato do que o esperado, pode ser um indicador de que a navegação do seu site é muito complicada.

Conhecer e compreender seus pontos de contato é uma boa maneira de compreender os objetivos e facilitar as jornadas do cliente.

Criação de arte online em alta qualidade tanto para formato Linha do Tempo como para compartilhar no Stories do Instagram e mídias sociais.

Criar arte online no estilo “Mais um cliente satisfeito”.

Insira seu logotipo em todas as artes.

O Guia Definitivo Sobre Propaganda Para Bar

Conheça os 5* Direct de boas vindas que permitem que você, post pronto, alcance sua missão de mensagem automática instagram grátis mais rapidamente! Nesse conteúdo de hoje, eu vou [COMPLETE AQUI] para que você possa dizer que seu problema de curtidas no instagram gratis é passado!

Materiais Imperdíveis Sobre Mensagem Automática Instagram Grátis

automatizar Instagram método 2020

sistema para criar arte online

Quais resultados a Automação Instagram gratis irão me proporcionar?

O sistema de automação no Instagram realizado pela nossa plataforma, promove incríveis resultados em seu perfil no Instagram: – Aumento do engajamento em suas postagens. – Conquista de novos seguidores reais e segmentados. – Aumento de visibilidade da sua marca. – Melhorar seu relacionamento com os clientes.

O site para ganhar seguidores no Instagram gratis oferece 3 dias pra você experimentar, sem compromisso!

Confira já nosso artigo sobre Automação Instagram para saber mais.

SEGUIDORES BRASILEIROS

Os pontos de contato que você possui se estendem a outros canais online além do seu site. Certifique-se de conhecer todos os seus pontos de contato para que possa rastreá-los. Isso inclui mídia social, marketing por email e anúncios pagos.

Verifique seus pontos de contato verificando duas vezes suas análises para ter certeza de saber de onde está vindo seu tráfego. Em seguida, determine as ações que seus clientes executam em cada ponto de contato, o motivador emocional ou a motivação para as ações de seus clientes e os obstáculos e pontos problemáticos que eles podem encontrar em cada ponto de contato.

Decida quais elementos você deseja mostrar no mapa.

Existem quatro tipos de mapas de jornada do cliente que você pode escolher. Esses quatro tipos são:

Dia na vida

Esse tipo de mapa da jornada do cliente ajuda você a imaginar os pensamentos, emoções e ações que seus clientes vivenciam diariamente, com ou sem sua empresa. Este mapa é bom para ajudá-lo a atender às necessidades não atendidas dos clientes.

Estado atual

Esse tipo é o mapa de jornada do cliente usado com mais frequência. Este mapa exibe os pensamentos, ações e emoções que seus clientes experimentam durante a interação com sua empresa. Este mapa da jornada do cliente ajuda você a melhorar a jornada do cliente continuamente.

Estado futuro

Este mapa da jornada do cliente é baseado em suas previsões sobre as ações, emoções e pensamentos futuros dos clientes em relação à sua empresa. Com o tipo de estado futuro, você avalia o estado atual em que seus clientes estão para determinar para onde gostaria que eles fossem.

Esse tipo de mapa é bom para exibir sua visão e ajuda a ver seus objetivos com clareza.

Plano de serviço

Este tipo de mapa começa com a estrutura básica de um dos mapas listados anteriormente. Em seguida, você deve colocar em camadas diferentes fatores responsáveis ​​por fornecer a experiência do cliente.

Esses fatores podem ser coisas como processos, tecnologia, políticas e pessoas. O tipo de mapa de blueprint de serviço é melhor para localizar as principais causas das jornadas do cliente.

Faça um inventário dos recursos de que dispõe.

O mapa da jornada do cliente provavelmente afetará várias áreas de sua empresa. Você precisará destacar todos os recursos que fazem parte da jornada e experiência do cliente. Isso significa que você deve saber quais recursos possui e quais podem ser necessários para contribuir com a jornada do cliente.

via GIPHY

Por exemplo, você pode incluir as falhas que sua equipe de marketing de conteúdo pode ter quando se trata de classificações de SEO. Isso pode permitir que você perceba que sua equipe não possui as ferramentas de SEO adequadas. Você pode adicionar essas novas ferramentas de SEO ao seu mapa para prever como elas impactarão sua estratégia de conteúdo e pontos de contato com o cliente para gerar valor.

Experimente você mesmo a jornada do cliente.

Mapear a jornada do cliente não significa que não há mais nada a fazer. Você deve analisar os resultados e seguir a jornada sozinho. Experimentar a jornada por si mesmo envolve seguir seu mapa passo a passo e passar por todos os pontos de contato para encontrar lacunas.

Algumas perguntas que você pode querer fazer a si mesmo depois de terminar o mapa são:Famintos Por Site Para Ganhar Seguidores No Instagram Gratis Vão Adorar Isso! Veja Por Quê…

Quantas pessoas clicam em links para seu site e saem antes de fazer uma compra? Como você pode ajudar melhor seus clientes? Sua análise dos resultados do mapa da jornada do cliente o ajudará a identificar as necessidades não atendidas de seus clientes. Isso o ajuda a garantir que seus clientes sejam capazes de encontrar soluções para seus problemas com a ajuda de seus clientes.

Adapte sua jornada de acordo com seus resultados.

A análise que você faz ao mapear e seguir sua jornada lhe dará uma ideia melhor de quais adaptações você precisa fazer em seu site e em seus outros esforços de marketing. Você pode então fazer as mudanças necessárias para ajudá-lo a cumprir suas metas e objetivos.O Guia Básica De Quem Pretende Entrar No Mercado De Site Para Ganhar Seguidores No Instagram Gratis

Seu mapa não é algo que você completa e nunca mais olha para ele. Você deve observar de forma consistente o mapa da jornada do cliente para identificar novas oportunidades de oferecer a seus clientes uma experiência melhor. Você pode analisar o mapa da jornada do cliente trimestralmente e depois de adicionar novos produtos ou serviços para ver como a jornada mudou.Famintos Por Site Para Ganhar Seguidores No Instagram Gratis Vão Adorar Isso! Veja Por Quê…

[teteiaorg]

A precariedade que vem (que veio)

O que segue aqui é um ensaio composto por parte da minha fala junto à performance de Dora Selva e às falas de Tanja Baudoin e Steffania Paola durante o segundo dia de “o trabalho trabalha trabalha”, exposição organizada por Natália Quinderé e Luisa Marques no Fosso, em 6 e 7 de abril de 2019. Na ocasião eu fiz um comentário geral sobre a precariedade que vem com os desalentos criativos que o capitalismo contemporâneo nos oferece frente a observações sobre experimentos sócio-econômicos. Na oportunidade de um novo convite feito por Natália e Luisa para escrever para este número da teteia, uma publicação que vive como um site, este texto é povoado de referências que foram importantes para mim e para os debates que ocorreram na série de falas, levando ao final x leitorx para outros caminhos além das situações de apropriação do trabalho cognitivo, características das nossas interações em rede. 

Penso que seja importante começar com o texto que foi publicado junto com os convites para o evento, e também em versão impressa disponível para quem visitasse o Fosso naquele final de semana, pois trazia uma extensa lista que pareceu um cálculo de resultados absurdos computando a incidência de diferentes categorias de trabalho em sequência: 

Arte é trabalho! + Arte sem trabalho? + trabalho de arte + obra + obrar + síndrome de Karoshi = morrer de trabalhar + o trabalho dignifica o homem + trabalho mecânico + trabalho invisível • a dona de casa • a artista + “Desemprego é maior entre nordestinos, mulheres e negros, divulga IBGE” + trabalho precário + trabalho escravo + autonomia da arte? + tempo livre + trabalho livre (de remuneração) + Arte como ocupação + trabalhador autômato • o robô + O Museu é uma Fábrica? + relações de trabalho • força sindical + trabalho infantil + trabalhar brincando • workaholic + trabalho criativo + o trabalho dignifica o homem • o empreendedor + trabalho psíquico + Duchamp • máquinas celibatárias + trabalho assalariado + o trabalho dignifica o homem + força de trabalho • a greve + mercado de trabalhadores pobres • a escravidão + trabalho duro • o salário mínimo + trabalho terceirizado + precarização + divisão de trabalho + trabalho alienado + o trabalho dignifica o homem + trabalho voluntário + acidentes de trabalho + trabalho repetitivo + trabalho especializado + emprego • ocupação • ação + 24/7: capitalismo tardio e os fins do sono • o consumidor + trabalho cognitivo + trabalho artístico + o trabalho dignifica o homem + trabalhar para viver + labor + trabalho de parto • APIC! = Artistas patrocinando instituições culturais + business art + trabalho em equipe • colabs + flexibilização + trabalho sexual • o turista + trabalhar para respirar + o trabalho trabalha trabalha

Não trabalhar até morrer e nem trabalhar para respirar foram algumas das vontades que me levaram a criar o projeto the þit, junto com a artista Maíra das Neves. Concebemos o modelo entre maio e junho de 2013 depois de um convite do grupo de artistas KUNSTrePUBLIK para pensar uma proposta dentro do projeto Archipel in√est na região do Ruhr, no oeste da Alemanha. Nosso projeto aconteceu primeiramente em 2013, com uma visita de pesquisa e uma participação em uma mostra coletiva de curta duração, onde apresentamos o modelo numa instalação junto aos experimentos de outros artistas, e depois, em 2014, com a implementação do modelo de autoprodução de recursos financeiros e naturais em um lote semi-abandonado, na cidade de Oer-Erkenshwick. O Archipel trouxe uma ideia de ilhas de desenvolvimento, experimentação e especulação ao longo de várias cidades do Ruhr que, até os anos 60, tinha como principal atividade econômica a extração de minério de ferro e carvão. Desde essa época, percebe-se a dificuldade em fazer a transição de uma economia industrial para uma economia de serviços, algo que qualifica processos de desindustrialização. Parte dessa transição se abastece de recursos no setor cultural, e Archipel foi parte do planejamento trienal desenvolvido pela agência pública de desenvolvimento Urbane Künste Ruhr, com financiamento inteiramente público vindo do Ministério da Cultura e Ciência da Renânia do Norte-Vestfália.

Offene Werkstatt des Archipel in√est (2013) 

Jahreshauptversammlung (2014)

Nosso modelo contemplava algumas dimensões do conhecimento, entre religião, lei, economia, estética e política, para repensar mineração e uso da terra em uma prática artística na qual um dos elementos centrais era a criação e instalação de três mineradoras de criptomoedas – intituladas de Gigante Minerador #1, #2 e #3 – que criaram um fundo de uso comum utilizado em oficinas, no financiamento de algumas atividades, naquele espaço, e também para pagar o aluguel do próprio lote. O projeto como um todo está bem documentado no site https://thebpit.org, onde há informações sobre o percurso, uma série de projeções especulativas condicionadas ao modelo, um curta-metragem, uma lenda forjada com elementos locais, entre outras fontes. Com o privilégio de um orçamento digno que cobriu todas as etapas do projeto, criamos conjuntos de trabalhos que seguem repercutindo até hoje, aparecendo depois também em textos como “New business, art in search of alternative economic systems”, de Justine Ludwig, publicado no portal Miami Rail; e “Collaborative economy: between crowds and empires”, de Robin Resch, publicado na segunda edição do jornal "Transnational Dialogues", ambos de 2016.

Das três esculturas financeiras que criamos, duas ficaram por lá depois do lançamento de uma chamada aberta onde outras iniciativas da região puderam se inscrever para ficar com as minas para realizarem experimentos de auto-financiamento, e a terceira veio com a gente para o Rio de Janeiro, onde eu e Maíra morávamos na época, sendo mostrada ao público ligada na tomada e minerando moedas como dogecoin, dash, ethereum, entre outras, durante a ArtRio2014, com a Portas Vilaseca Galeria, quando foi adquirida para uma coleção particular. No ato da venda nós firmamos um acordo com a coleção estabelecendo que os recursos gerados seriam nossos (seguem armazenados em cold storage a espera de uma valorização), mas o objeto escultórico pertenceria à coleção. Em 2015 o Gigante Minerador #3  foi mostrado na exposição “Encontros Carbônicos II – O Futuro em Disputa”, no Oi Futuro de Ipanema, em curadoria de Marina Fraga e Pedro Urano. Depois de 2015 ela não foi mostrada novamente, uma das razões é a sua própria obsolescência, uma vez que a estrutura da máquina é composta de várias placas de vídeo de alto desempenho. Em 2014 essas placas tinham um ótimo retorno de investimento, mas alguns anos depois ficam obsoletas – de um lado por seu design que cumpre uma determinada validade na cadeia produtiva de equipamentos eletrônicos e de outro pelo aumento da curva de dificuldade de geração de novas criptomoedas que se utilizam de algoritmos do tipo proof-of-work. Ela ainda liga, gasta energia e produz calor, mas ultimamente tenho usado para treinar redes neurais com o tensorflow (como, por exemplo, no vídeo Falso Profundo para Política Rasa (2019), da série Detremura).

Falso Profundo para Política Rasa, da série Detremura (2019)

Mais ou menos em julho de 2014 tivemos um pequeno intervalo no cronograma do desenvolvimento do projeto, fui a Munique para visitar um amigo e fomos à Lenbachaus, onde havia uma exposição coletiva chamada Playtime, uma curadoria dedicada a práticas artísticas no século XX ao redor da categoria de trabalho. Algumas obras eu já conhecia por ter visto em livros ou na internet, como por exemplo “Semiotics of the Kitchen” (1975), da Martha Rosler, “Untitled” (2003), da Andrea Fraser, “How to Work Better” (1991), de Peter Fischli & David Weiss e “Opportunities (Let’s Make a Lot of Money)”, dos Pet Shop Boys, mas foi numa parede de canto que descobri o trabalho de uma artista norte-americana até então desconhecida para mim. Mierle Laderman Ukeles escreveu, em 1969, o “Manifest for Maintenance Art” [“Manifesto para a Arte de Manutenção”] pouco tempo depois de ser mãe pela primeira vez. Na ocasião da fala, no Fosso, eu fiz uma tradução livre e a leitura de trechos desse manifesto, reproduzo alguns aqui:

I. IDEIAS

C. Manutenção é algo arrastado; que leva a porra do tempo todo (literalmente).

A mente fica confusa e se desgasta com o tédio.

A cultura confere um status ruim aos trabalhos de manutenção = salários mínimos, donas de casa = nenhum pagamento.

limpar sua mesa, lavar os pratos, limpar o chão, lavar suas roupas, lavar os dedos dos pés, trocar a fralda do bebê, terminar o relatório, corrigir os erros de digitação, consertar a cerca, manter o cliente feliz, jogar fora o lixo fedorento, cuidado, não coloque coisas no seu nariz, o que devo usar, eu não tenho nenhuma meia, pagar suas contas, não desarrumar, alimentar a gaveta de ideias, lavar o cabelo, trocar os lençóis, ir até a loja, meu perfume acabou, dizer novamente – que ele não entende, feche de novo! – está vazando, ir para o trabalho, esta arte está empoeirada, limpar a mesa, chamá-lo de novo, dar descarga, permanecer jovem.

II. A EXPOSIÇÃO DE ARTE DE MANUTENÇÃO: “CUIDADO”

Três partes: Pessoal, Geral, Manutenção da Terra

A. Parte Um: Pessoal

Eu sou artista. Eu sou mulher. Eu sou esposa. Eu sou mãe. (Ordem aleatória).

Eu estou sempre lavando, limpando, cozinhando, renovando, apoiando, preservando, etc. Além disso, (e até agora separadamente, eu "faço" arte).

Agora, vou simplesmente fazer essas tarefas de manutenção diárias, e introduzi-las à consciência, exibindo-as como arte. Vou viver no museu e fazer lá as coisas que eu habitualmente faço em casa com meu marido e meu bebê, pelo tempo de duração da exposição. (Certo? ou se você não me quer por perto à noite eu viria em todos os dias mais cedo) e fazer todas essas coisas como atividades de arte pública: vou varrer e encerar o chão, tirar toda a poeira, lavar as paredes (ou seja, "pinturas do chão, obras de poeira, escultura de sabão, pinturas de parede"), cozinhar, convidar as pessoas para comer, fazer aglomerações e organizar disposições de todos os resíduos funcionais. A área de exposição pode parecer "vazia" de arte, mas será mantida à vista do público o tempo todo. MEU TRABALHO será o trabalho.

Mierle começa a colocar o Manifesto em prática realizando as proposições lá apresentadas entre 1969 e 1974, em várias instituições. Em 1977 ela se autodeclara funcionária na categoria “artista em residência” do departamento sanitário da cidade de Nova York, depois de oferecer à instituição uma colaboração que se qualificaria para receber apoio financeiro do National Endowment for the Arts (Fundo Nacional de Arte estadunidense) em um momento que o serviço público municipal estava sofrendo com demissões e desinvestimento público geral. Ela é aceita e ganha um escritório onde mantém o posto até hoje. Em Touch Sanitation (1977), Mierle passa um ano indo ao encontro com 8500 funcionários de limpeza urbana para agradecê-los e dizer que a cidade só estava viva por causa deles. Em 1984 coloca para circular na cidade caminhões coletores de lixo revestidos com vidro espelhado (Social Mirror). Em 2016, sua obra é apresentada em uma grande retrospectiva organizada pelas curadoras Larissa Harris e Patricia C. Phillips no Queens Museum e, em abril de 2019, foi uma das ganhadoras do prêmio Greenburguer, dedicado ao reconhecimento tardio de artistas. 

O primeiro trecho citado aqui se parece com o texto apresentado na exposição e certamente se relaciona com as muitas lutas feministas estabelecidas a partir dos 1970, algumas delas comentadas na primeira mesa de “o trabalho trabalha trabalha”, durante a conversa proposta por Natália e Luisa, com Mariana Pimentel e Tatiana Roque. Mariana apresentou sua experiência sendo mãe e professora na teoria da arte da Uerj, trabalhando com pesquisa, criação e desenvolvimento em um Estado que insiste em precarizar a educação, mostrando a necessidade prática do feminismo na superação de um regime branco-cis-hétero-patriarcal, e Tatiana traçou um histórico sobre a acumulação primitiva, as origens da invisibilização do trabalho reprodutivo das mulheres e uma crítica ao atual estágio do capitalismo. Em um comentário sobre os processos mais recentes de substituição de trabalhos por seus equivalentes robotizados, Tatiana lembrou de uma impossibilidade dessa mesma substituição acontecer com o trabalho de manutenção e cuidados, especialmente com crianças e idosos e lançou a pergunta: “como fazer o motorista desempregado por causa de carro autônomo virar um cuidador de idosos?”

Assistente de culinária da empresa japonesa OctoChef (2018)

Ultrapassar as precariedades que já conhecíamos, e as que estão se intensificando com a emergência do SARS-CoV-2 é algo que envolve a reconfiguração do trabalho e passa pela crise da noção de remuneração e assalariamento (sabendo que “trabalho” incide por todas as dimensões da vida). Faz-se necessário agora, mais do que nunca, a implementação emergencial da renda básica universal, assim como o exercício de imaginações econômicas radicais que sejam contranarrativas a um esgotamento total.

O discurso da automação fidelizada com as superestimadas inteligências artificiais (que até pouco tempo atrás eram chamadas de “estatística”) passará ainda por muitos testes antes de ser instituído como superação das capacidades humanas. É verdade que a automação chamada “inteligente”, pelas vias de treinamento de redes neurais, tem chegado perto de realizar com perfeição alguns “trabalhos de merda”. “Bullshit jobs”, abordados por David Graeber em seu último livro, são  trabalhos mal pagos que nada agregam para a realização existencial dos indivíduos que os executam, a ponto desses mesmos indivíduos acreditarem que seus trabalhos nem deveriam existir. 

Lembro-me que no final da minha adolescência, com uns 17 anos, quando enfrentava uma crise financeira vinda da falência do laboratório dos meus pais que não sobreviveu à virada da fotografia analógica para a digital, havia duas fontes de recursos que eu explorava com certo êxito para completar o orçamento familiar: transcrição de áudios, em fita K-7, de entrevistas e seminários para pesquisadores e retoque digital de fotografias antigas danificadas. Atualmente essas duas funções podem ser cumpridas – às vezes  com resultados melhores dos que eu obtinha de forma braçal há mais de 15 anos – com o uso de suítes como o Cloud Speech-to-Text, do Google e o aplicativo Remini Photo Enhancer. Estes casos são também exemplos de substituição da lógica do “software” (instalado localmente, com atualizações esparsas e uso moderado dos dados dx usuárix) pela lógica do “app” (executados em redes centralizadas, atualizados frequentemente e oferecendo serviços gratuitos ou baseados em mensalidade/ anuidade com potenciais usos viciantes, na medida que se tornam indispensáveis e acabam assim por explorar o comportamento e os dados dxs usuárixs, quase sempre de forma abusiva). 

Existem, contudo, alguns outros exemplos onde o discurso da automação é usado para vender uma bala de prata para resolver otimização de tarefas, redução de custos e aceleração generalizada, mas que são, na verdade, rotinas de treinamento supervisionadas por humanos, estes muitas vezes contratados em plataformas de microsserviços (como o Amazon Mechanical Turk) com honorários repulsivos. No ano de 2019 grandes empresas como a Amazon, Microsoft, Apple e Alphabet Inc. assumiram o uso de humanos na supervisão de tarefas de interpretação de seus assistentes de voz “inteligentes”, deixando claro que a capacidade real de entendimento dos algoritmos de inteligência artificial ainda é muito limitada e sua adoção incorre sobre outros problemas de privacidade, intencionalidade e soberania. Por enquanto pode-se dizer que as IA’s mais avançadas não são mais inteligentes que um gato, mas ainda assim, uma colecionadora ou colecionador arrematou o lote 363 do leilão “Prints and Editions” da Sotheby’s em outubro de 2018 por US$432.500,00, levando pra casa uma impressão jato de tinta “feita” por uma rede generativa adversarial (GAN), uma classe dos sistemas de aprendizado maquínico que, alimentada com milhares de imagens, gera uma imagem “autônoma”. Toda essa confusão entre criação de valor, autonomia e sensibilidade me lembra muito o  sexto episódio da segunda temporada da série de animação Rick and Morty, onde um problema na bateria da nave do avô-cientista revela um encadeamento racializado de exploração do trabalho, em um processo que remonta todas as práticas de acumulação capitalista.  

Rick and Morty S02E06 - Os Ricks devem estar loucos

Ao final do episódio, poderíamos nos perguntar em quais pontos a bateria da nave se assemelha com o mundo em que vivemos. Se antes da pandemia causada pelo novo coronavírus estávamos debatendo sobre a precariedade que vem, agora estamos debatendo a precariedade que veio. A sobrecarga aos trabalhos considerados indispensáveis para a superação dessa crise - médicxs, enfermeirxs, maqueirxs, cuidadorxs e muitos outrxs - é enorme. Para suavizar a curva e não exaurir completamente tais profissionais, temos que ficar em casa, morando, trabalhando e reconhecendo privilégios (ainda que alguns deles devessem ser direitos garantidos), como os da própria moradia, da soberania alimentar, do acesso ao conhecimento e à educação, da conexão de banda larga, da capacidade de adaptar um escritório, de não precisar de papel moeda.

Num momento de hiperatividade cibernética, as redes centralizadas estão vivenciando um pico de acumulação de informações e de lucro capitalizado em cima de nossa atenção. Para não virar um trabalhador de uma caixa gooble como a do episódio acima, é importante navegar atentamente. Uma das iniciativas que acompanho há algum tempo é o Basic Attention Token, que desenvolveu um ecossistema para navegação na internet (o Brave Browser) junto a uma criptomoeda (o BAT). O Brave é um navegador parecido com o Google Chrome, mas que vem com sua configuração inicial com opções a mais de segurança, como bloqueio de anúncios e trackers que coletam informações preciosas sobre nosso comportamento online. Ele ainda oferece uma espécie de caixa gooble “consciente”: o navegador contém também uma carteira de criptomoedas. Nas configurações é possível escolher se você quer ser exposto a anúncios curados pela plataforma e, se aceitar, a cada clique em anúncio que você faz, você recebe uma fração de moeda nativa do ecossistema, o Basic Attention Token. Pode-se ainda cadastrar um site, perfil de Twitter ou canal de YouTube para receber doações (um ícone em formato de triângulo aparece próximo à barra de endereços, indicando que determinado site pode receber doações em BAT). Se você quiser cadastrar seu site ou perfil usando o Brave, pode seguir este tutorial para fazer a verificação. Esse é um exemplo de gente construindo coletivamente um espaço cibernético melhor valendo-se de outras métricas de valoração e redistribuição que não sejam baseadas na captura irrestrita da nossa atenção. 

Há quem diga que a pandemia pode abrir o caminho para um novo comunismo. Isso não vai acontecer sem estabelecer redes de cumplicidade, solidariedade e compartilhamento de recursos e privilégios para enfrentar uma fase de capitalismo ultrarrealista na qual bancos centrais estão imprimindo dinheiro em pacotes fiscais nunca vistos por nossa geração, de onde só uma ínfima parte chega a nós como resgate. Se o amanhã foi anulado, hoje temos um outro tipo de trabalho pra fazer. 

Pedro Victor Brandão É artista e desenvolve séries de trabalhos considerando diferentes paisagens políticas em pesquisas sobre economia, direito à cidade, cibernética social e a atual natureza manipulável da imagem técnica.

[alvaromatias1000]

Bolhas da Extrema-Direita infladas por Algoritmo

Yasodara Córdova (The Intercept, 10 de Janeiro de 2019) escreveu reportagem merecedora de leitura por parte de todos interessados em entender a “câmara de ecos” da direita estúpida: Como o YouTube inflou Bolhas da Direita.

Essas conexões propiciadas por algoritmos vêm dos dados analisados pelo YouTube sobre seu comportamento no site e sobre os vídeos com os quais você interage, seja clicando sobre o vídeo, pausando, aumentando o volume ou até mexendo o mouse sobre as recomendações. Tudo é monitorado.

As métricas escolhem quais vídeos serão recomendados. São baseadas, principalmente, na possibilidade de um vídeo ser assistido pelo usuário. Ela faz parte de um mecanismo sofisticado de inteligência. Tem um objetivo principal: fazer com que você passe o máximo de tempo possível no YouTube.

Como conteúdos extremistas naturalmente chamam mais atenção, a plataforma cria uma bolha conectando vídeos bizarros. Assim, usuários mergulham cada vez mais fundo em um assunto. Não por acaso, da fabricação de martelos a repórter foi levada pelo algoritmo para um vídeo sobre munição e armas em apenas 13 passos. A mesma coisa acontece com vídeos relacionados à política.

Em 2015, os usuários do YouTube subiam 400 horas de vídeo por minuto. A maior parte desse conteúdo é criada de forma amadora. No site, usuários de todo o mundo gastam mais de um bilhão de horas assistindo a vídeos todos os dias.

Apesar de ter um serviço de assinaturas, o YouTube Premium, o serviço ganha dinheiro mesmo é com anúncios. Para sustentar a infraestrutura necessária – e garantir que o modelo continue crescendo – o site precisa ser gigante. Como na velha TV aberta, quanto mais pessoas assistindo a um programa, mais gente vê os comerciais durante os intervalos.

Para manter o interesse das pessoas nos canais – e garantir que elas sejam expostas a mais e mais anúncios –, a plataforma usa algoritmos para organizar o conteúdo e circular vídeos novos, gerando uma demanda diária por novo material. Esses algoritmos usam uma combinação de dados para recomendar vídeos que visam, literalmente, prender e viciar as pessoas.

Quando o sistema de recomendações foi lançado, em 2010, ele deu resultados imediatos: começou a ser responsável por 60% dos cliques dos usuários, segundo artigo científico escrito pelos cientistas do Google no mesmo ano.

Em 2015, com a liderança do time Google Brain, a empresa começou usar aprendizado de máquina – conhecido em inglês como machine learning – para melhorar o sistema de recomendações. Em 2017, o YouTube começou a rodar tudo sobre uma sofisticada plataforma de inteligência artificial, o Tensorflow.

Estava completa a transição para um sistema que aprende sem ser “supervisionado” por humanos – tecnologia também chamada de unsupervised deep learning, ou aprendizado profundo sem supervisão. Esses algoritmos escolhem quais vídeos vão para a barra de recomendados, quais aparecem na busca, qual vídeo toca a seguir quando no modo reprodução automática (o autoplay) e também montam a homepage dos usuários no YouTube. Sim, cada vez que você abre sua home ela está diferente. Ela foi customizada pelas máquinas para que você assista mais e mais vídeos.

Para tomar as decisões por você, os algoritmos associam significados que eles mesmos aprendem em etapas, de modo a filtrar e combinar categorias para chegar em um conjunto de vídeos ou anúncios para recomendar. Primeiro, dão um significado para um vídeo segundo suas características. Depois, combinam esse significado com mais dados, como por exemplo a quantidade de horas que um usuário gasta assistindo determinados vídeos com significados semelhantes. As categorias vão sendo combinadas pelos algoritmos para encontrar as recomendações que o usuário tem mais possibilidade de clicar e assistir.

O site gera essas recomendações a partir das suas interações, nas informações dos vídeos e nos dados dos usuários. Isso engloba tudo que você faz no navegador: parar o vídeo, colocar o mouse por cima de determinada imagem, aumentar ou diminuir o volume, quais abas você está navegando quando está vendo vídeos, com quem você interage nos comentários e que tipo de comentários faz, se deu like ou dislike e até mesmo a taxa de cliques em recomendações etc.

Gráficos mostram a arquitetura do sistema de recomendação demonstra o ‘funil’ que classifica os vídeos para o usuário.

Como a interação não é só baseada em likes, o YouTube valoriza também os comentários, atribuindo valores de positivo e negativo às conversas. Por causa disso, o feedback do usuário sobre o vídeo é avaliado e pesa na fórmula que calcula a possibilidade da pessoa assistir aos outros vídeos. Mesmo sem dar like, você entrega os seus dados e tem sua interação monitorada o tempo todo.

Os autores dos vídeos sabem muito bem como funciona essa lógica. Os anunciantes também. Os youtubers têm à sua disposição a plataforma para criadores do YouTube, o YouTube Studio, que fornece métricas e informações sobre a audiência. Assim, existe um incentivo para os produtores fazerem vídeos cada vez mais extremos e bizarros para prender a audiência o máximo possível. Isso explica um pouco a obsessão da internet pela banheira de Nutella, e também ajuda a entender como se elegeram tantos youtubers interconectados nas últimas eleições.

Como conteúdo radical dá dinheiro, por conta dos anúncios, extremistas usam também outras ferramentas para incentivar a formação de bolhas e atrair cada vez mais gente. No Brasil, donos de canais de conteúdo extremo e conspiratório, como a Joice Hasselmann, por exemplo, costumam divulgar seu número do WhatsApp, viciando as pessoas em seus conteúdos com base na exploração dessa relação de proximidade ou intimidade.

Redes de extrema-direita

Enquanto o Google terminava a transição da sua tecnologia no YouTube, surgiram denúncias sobre como vídeos de conteúdo extremo começaram a ganhar audiência na plataforma – muitos deles, inclusive, recomendados a crianças. Em 2017, pesquisadores descobriram uma rede de produtores de conteúdo que fazia vídeos com conteúdo bizarro para crianças: afogamentos, pessoas enterradas vivas e outros tipos de violência eram empacotados com música e personagens infantis.

Alguns pesquisadores, como a americana Zeynep Tufekci, escreveram sobre como o YouTube estava lhe recomendando conteúdos da extrema direita americana após ela ter visto um único vídeo de Donald Trump. No Brasil não é diferente. Basta assistir a um vídeo de extrema direita que as recomendações vão garantir que você se aprofunde cada vez mais no ódio:

Vídeo de Kim Kataguri “puxando” o fio de outros vídeos extremistas, com direito a anúncio do Trump e tudo.

A radicalização acontece muito mais à direita do que à esquerda. Primeiro porque os produtores de conteúdo conservadores souberam bem agregar pautas polêmicas e teorias conspiratórias que já faziam sucesso na internet, como o criacionismo. Além disso, há uma coerência em suas pautas – os assuntos em comum ajudam a alavancar a audiência de forma mútua. Já a esquerda, além de ter uma pauta mais fragmentada que nem sempre se conversa – há o feminismo, a luta antirracista, os marxistas etc –, não conseguiu surfar a onda das polêmicas de internet.

Guillaume Chaslot, que é ex-funcionário do Google e hoje trabalha em uma fundação para a transparência de algoritmos, tem argumentado desde 2016 que a plataforma de recomendações do YouTube foi decisiva nas eleições de Trump, espalhando notícias falsas e teorias da conspiração. Segundo ele, o algoritmo vendido como neutro pelo Google ajudou a garantir audiência para vários vídeos conspiratórios, como um em que Yoko Ono supostamente admitiria ter tido um caso com Hillary Clinton nos anos 1970 e outro sobre uma falsa rede de pedofilia operada pelos Clinton.

O impacto desse tipo de conteúdo, porém, não é fácil de ser medido – a fórmula dos algoritmos é mantida em segredo pela empresa, ou seja, não dá para saber exatamente quais são os critérios que determinam o peso de cada característica no processo de decisão sobre qual vídeo indicar.

ESSE SISTEMA cria uma rede interligada. Ela, em conjunto, fica mais poderosa. Analisando mais de 13 mil canais de extrema direita no YouTube, Jonas Kaiser, pesquisador do Berkman Klein Center de Harvard, percebeu que elas estão conectadas internacionalmente dentro do YouTube, especialmente por conta do compartilhamento de vídeos com idéias extremistas.

É uma rede fértil para circular a ideia de que políticas afirmativas para negros são parte de uma conspiração para acabar com a raça branca ocidental, por exemplo, o delírio de que vacinas são parte de um plano para acabar com determinadas populações em um experimento ou até a história de que as eleições brasileiras estariam em risco por uma suposta fraude nas urnas eletrônicas.

Os dados levantados por Kaiser mostram que o esquema de recomendação do YouTube “conecta diversos canais que poderiam estar mais isolados sem a influência do algoritmo, ajudando a unir a extrema direita”, ele escreve.

‘A plataforma de recomendações do YouTube foi decisiva nas eleições de Trump, espalhando notícias falsas e teorias da conspiração.’

Não é por acaso que o teor conspiratório dos vídeos dos EUA é bem parecido com as redes de outros países: quase sempre envolve vacinas, terraplanismo, pedofilia e uma suposta organização internacional de esquerda sedenta por tomar o poder.

No Brasil, o cenário não é muito diferente. Temos a nossa própria rede de influenciadores de extrema direita, catapultados para a fama com a ajuda do algoritmo do YouTube. Nando Moura, com quase três milhões de seguidores, já fez vídeos defendendo a existência da cura gay. Outro influenciador, Diego Rox, defende para seus quase um milhão de seguidores a existência da Ursal. Todos recomendados por Jair Bolsonaro, que se beneficia da popularização de teorias conspiratórias de extrema direita.

Recentemente o Google reconheceu o problema. A empresa disse que passaria a sinalizar vídeos que espalhassem desinformação e exibiria, junto com eles, conteúdo da Wikipedia, em uma medida que pareceu um pouco desesperada. E não ataca a raiz do problema: seu modelo exploratório de negócios, uma herança da televisão.

A verdade é: o YouTube é um grande laboratório de machine learning, onde os seres humanos são as cobaias. Resta saber qual é o real impacto do experimento no exercício da liberdade de escolha e expressão. Algo não está dando muito certo.

Bolhas da Extrema-Direita infladas por Algoritmo publicado primeiro em https://fernandonogueiracosta.wordpress.com

[seshatanalytics]

Aprendizado por Reforço é outra parte do Aprendizado de Máquina que está ganhando muito prestígio na forma como ajuda a máquina a aprender com seu progresso. Este tipo é um dos tópicos mais discutidos e seguidos em inteligência artificial (IA). Consiste no treinamento da interação entre um Agente (programa, código, ou algoritmo) com um Ambiente por meio de Ações para atingir um Objetivo. Na aprendizagem por reforço, o algoritmo reforça o comportamento ou ação ótima com uma recompensa positiva. Como funciona? A máquina é exposta a um ambiente onde é treinada pelo método de tentativa e erro. Dessa forma, a máquina aprende com a experiência passada e tenta capturar o melhor conhecimento possível para tomar decisões precisas com base no feedback recebido. Por exemplo, um robô que está aprendendo a andar com aprendizado por reforço tentará maneiras diferentes de alcançar esse objetivo, obter feedback sobre a sua “atuação” e então ajustar o processo até que o objetivo seja alcançado. Os algoritmos mais populares para esse tipo de aprendizado são as redes Q-Learning e Deep Adversarial. As principais aplicações incluem robótica, automação industrial, jogos, sistemas de diálogo e veículos autônomos. >>> Dica Seshat do Dia <<< Eu DE-TES-TO FOFOCA mas o livro “Reinforcement Learning with TensorFlow” do Sayon Dutta está liberado gratuitamente no site do Packtpub. Sim, estou fazendo aqui uma publicidade gratuita porque sou assinante há bastante tempo e gosto muito do modelo deles. Todo dia eles liberam um livro novo para baixar. E ainda possuem várias opções que ficam disponíveis o tempo todo. Para quem gosta de leitura eu super recomendo (https://www.packtpub.com/free-learning) #learning #AI #artificialintelligence #machinelearning #ML #datascience #algorithms #data #analytics #dataanalytics #bigdataanalytics #businessanalytics #predictiveanalytics #analyticsbrasil #advancedanalytics #dicadelivro #leitura #leiamais #livros #ler https://www.instagram.com/p/B1ZxV_bgu4f/?igshid=sj9zj9nolwwj

[deservico]

#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

[omarkhanca]

tensorflow > Exemplo Classificador com TensorFlow | 2018-03-17T22:44:17.000Z

[andreindiodobrazil]

As ameaças de inteligência artificial que os cientistas mais temem Daniel Oberhaus/23 de fev de 2018

Seleto grupo de pesquisadores compilou um relatório sinistro sobre os perigos de inteligências artificiais maliciosas.

Quando pensamos em inteligência artificial (IA), a tendência é lembrarmos das representações humanizadas da aprendizagem por máquina tipo Siri e Alexa . A verdade, porém, é que temos IAs como algo invisível a nós por todos os cantos, da medicina às finanças.

É certo que boa parte das ‘inteligências artificiais’ em atividade no momento é bem burrinha quando comparamos com um ser humano – um algoritmo pode muito bem humilhar uma pessoa na realização de uma tarefa específica, como jogar Go e sofrer com algo besta como diferenciar uma tartaruguinha de uma arma. Ainda assim, o futuro que se põe no horizonte é, ao menos para muitos cientistas, algo tenebroso.

Semanas atrás, um grupo de 26 grandes nomes no ramo da pesquisa em IA se encontrou em Oxford, na Inglaterra, para debater sobre como uma inteligência artificial sobrehumana poderá ser usada no futuro para fins maliciosos. O resultado destes dois dias de conferência foi um relatório abrangente de 100 páginas publicado nesta semana. O documento mergulha fundo nos riscos oferecidos por uma IA nas mãos erradas, bem como estratégias para reduzir as chances de dar uma gigantesca merda.

Uma das quatro recomendações de alto nível feita pelo grupo foi que pesquisadores e engenheiros no ramo de inteligência artificial levem em consideração a natureza ambígua de seu trabalho a sério, isto é, que atente para um mau uso que pode influenciar prioridades na pesquisa e normas.

Tal recomendação se faz relevante sob a luz da recente ascensão de “deepfakes”, um método de IA capaz de inserir os rostos de atrizes famosas nos corpos de atrizes pornográficas. A possibilidade se torna real ao adaptar uma biblioteca de aprendizado por máquina de código aberto chamada TensorFlow (como já relatado por nosso réporter Sam Cole), desenvolvida originalmente por engenheiros de software do Google. O caso sublinha a natureza ambígua ( dual, na linguagem dos cientistas gringos) de uso dessas ferramentas e levanta questionamentos sobre quem deveria ter acesso a elas.

Por mais que os deepfakes sejam mencionados no relatório, os pesquisadores também destacam o uso de técnicas semelhantes na manipulação de vídeos de líderes mundiais de forma a ameaçar a segurança política, uma das três áreas de risco levadas em consideração pelos pesquisadores. Basta imaginar um vídeo falso de Donald Trump declarando guerra à Coreia do Norte rodando em Pyongyang para ter noção do perigo.

Pesquisadores também notaram que o uso de IA pode levar a níveis nunca antes vistos de vigilância em massa por meio de análise de dados e de persuasão em massa via propaganda direcionada.

As outras duas grandes áreas consideradas de risco em questão de IA são segurança física e digital. Em termos de segurança digital, o uso de IAs em ataques cibernéticos “melhorará a relação entre escala e eficácia dos ataques”, podendo levar ofensivas de phishing a escalas maiores e mais sofisticadas.

Já em termos físicos, os pesquisadores analisaram a dependência cada vez maior do mundo de sistemas automatizados: ao passo em que mais casas e carros inteligentes entram na rede, a IA pode ser usada de forma a subverter tais sistemas, causando assim danos catastróficos. Sem contar a ameaça de sistemas de inteligência artificial deliberadamente maliciosos, como no caso de armas autônomas ou enxames de micro-drones.

Alguns dos cenários apresentados, como a praga de micro-drones autônomos, parecem bem distantes; já outros, a exemplo de ataques cibernéticos em larga escala, armamento autônomo e manipulação de vídeo, causam problemas agora.

Para combater tais questões e garantir que a inteligência artificial seja usada em prol da humanidade, os pesquisadores recomendam o desenvolvimento de novas práticas e a exploração de diferentes “modelos de transparência” para reduzir riscos.

Os pesquisadores sugerem, por exemplo, que modelos de licenciamento centralizados poderiam impedir que tecnologias de inteligência artificial caíssem nas mãos erradas ou talvez instituir alguma espécie de programa de monitoramento para não perder de vista o uso de recursos em IA.

“Tendências atuais enfatizam acesso amplo à pesquisa e desenvolvimento de ponta”, diz o texto. “Caso estas tendências prossigam desta forma ao longo dos próximos cinco anos, esperamos que pessoas mal-intencionadas possam causar cada vez mais danos a sistemas robóticos e digitais”.

Por outro lado, os pesquisadores também reconhecem que a proliferação de tecnologias de inteligência artificial de código aberto atrairá cada vez mais legisladores e agências reguladoras que, por sua vez, instaurarão limitações às tecnologias. Em termos de como isso deve acontecer, é um debate a ser feito em nível local, nacional e internacional.

“Ainda restam muitas discordâncias entre os autores deste relatório e tantas mais entre as diversas comunidades de especialistas pelo mundo”, conclui o texto. “Muitas delas não serão resolvidas até obtermos mais dados, mas tal incerteza de discordância não deve nos impedir de tomar ações preventivas hoje mesmo.”

Tradução: Thiago “Índio” Silva

[informaticopt]

Não acredite no hype, o licenciamento AGPL open source é tóxico e impopular

Noo artigo no https://www.informatico.pt/252535/nao-acredite-no-hype-o-licenciamento-agpl-open-source-e-toxico-e-impopular/

Não acredite no hype, o licenciamento AGPL open source é tóxico e impopular

Lendo o mais recente paean do software Black Duck Software para a Licença Pública Geral Affero (AGPL) ( “A Adoção Quietly Accelerating da AGPL “), pode-se perdoar por pensar que a AGPL está balançando o planeta de licenciamento de código aberto. Afinal, o executivo do Black Duck, Phil Odence, colocou sua postagem com gráficos extravagantes mostrando um crescimento explosivo da licença, declarando finalmente a AGPL” muito popular “e uma A licença de sua empresa vê freqüentemente nas auditorias.

Talvez talvez não. Para toda a popularidade da AGPL, Black Duck só pode chegar a cerca de 8000 projetos (entre mais de 60 milhões de repositórios de código aberto) que possuem a licença, sendo que o único projeto razoavelmente conhecido é o MongoDB. Não é assim que eu caracterizo “popular”.

Enquanto isso, as licenças permissivas, como o Apache e o BSD, controlam praticamente qualquer projeto promissor que os desenvolvedores realmente usem, de Kubernetes para TensorFlow para Kafka. É licenciamento permissivo todo o caminho para baixo. Por quê? Porque são desenvolvedores que cada vez mais executam o mundo, e eles não querem se proteger de projetos preferenciais por meio de uma licença.

A GPL da Amazon

Não é surpreendente que as empresas escolham a AGPL para controlar seu código. A AGPL é a coisa mais próxima de uma licença de software proprietária. Mas … mas … mas … open source! Não, é um software livre, pois os usuários são livres para usá-lo, e as corporações são livres para cobrar dinheiro por isso (através de acordos de licenciamento duplo), mas a AGPL não é absolutamente gratuita em qualquer sentido para os desenvolvedores.

VEJO: A queda da GPL e o aumento das licenças permissivas de código aberto (ZDNet)

Isso, por sinal, é quase certamente o motivo pelo qual o Black Duck está blogando sobre isso. Afinal, a AGPL deve ser o presente de código aberto que continua dando a uma empresa que ganha dinheiro primeiro convencendo os clientes de que a fonte aberta é arriscada e, em seguida, vendendo-os como desarmar seu software. A AGPL assume esse fator de risco para o n. ° grau (“Se a GPL3 é assustadora para empresas privadas, a AGPL é ainda mais assustadora”, como um recente post do blog do Black Duck destaca ).

A AGPL é uma maneira de tornar o software completamente aberto, como lançar uma bomba nuclear no colo de alguém e exortando-os a mantê-la.

É também uma maneira de evitar que as grandes nuvens do mundo transformem o projeto em seu produto. Não é de admirar, porém, que algumas empresas que licenciem seu código sob a AGPL descrevem internamente como “Amazon GPL”. A AWS, por exemplo, fez encomendas de magnitude mais dinheiro do MySQL do que o MySQL AB (e agora a Oracle) esperava fazer (através do RDS). Ao licenciar com a AGPL, essas empresas asseguram que ninguém além de si mesmo possa monetizar o projeto.

Seguro, legal e raro

O dano colateral nesta negociação, no entanto, é desenvolvedor. Os desenvolvedores querem fazer as coisas com um mínimo de despesas gerais (seja infra-estrutura ou advogados). Na verdade, essa mudança em direção ao licenciamento permissivo tornou-se tão pronunciada que no GitHub ainda é muito comum para os projetos não terem uma licença. A geração GitHub está tendo que ser persuadido em uma boletim em uma licença. (Analista da Redmonk James Governor apelidou disso “publicar software de código aberto”).

VEJO: Como obter um trabalho de código aberto (ZDNet)

É por isso que, por Análise própria de Black Duck de mais de dois milhões de projetos de código aberto, as licenças permissivas compõem mais de 50% de todos os projetos de código aberto (e ainda mais se reconhecemos que o licenciamento GPL 2.0 efetivamente funciona como uma licença permissiva em contextos de computação em nuvem):

Black Duck Software

AGPL? Isso representa menos de 1% desses dois milhões de projetos de código aberto. E se adicionarmos os outros 58 milhões de projetos de código aberto … Bem, a participação da AGPL nesses 60 milhões de projetos é praticamente zero (como “nenhum”).

Como tal, não acredite no hype AGPL do Black Duck. Sim, a licença da FUD serve bem as operações de vendas e marketing da empresa, mas não atende aos desenvolvedores, nem as empresas para as quais eles criam aplicativos, de maneira geral. A maioria dos projetos de código aberto bem-sucedidos tem uma única empresa ou um pequeno grupo de empresas por trás deles, como um estudo da Fundação Linux descoberto. Felizmente, a maioria dessas mesmas empresas reconhece que a liberdade do desenvolvedor é a primeira liberdade que precisam priorizar. É por isso que eles evitam o AGPL, e você provavelmente também deveria.

Veja também

Imagem: iStockphoto / polygraphus

Artigos Relacionados:

Reduza o consumo de memória do Computador

1º Município com Internet sem fios gratuita

Novo recorde mundial – 26 Tb/seg

Os Informáticos não devem depender da estratégia d...

.yuzo_related_post imgwidth:160px !important; height:150px !important; .yuzo_related_post .relatedthumbline-height:17px;background: !important;color:#a0a0a0!important; .yuzo_related_post .relatedthumb:hoverbackground:#e7e7e7 !important; -webkit-transition: background 0.2s linear; -moz-transition: background 0.2s linear; -o-transition: background 0.2s linear; transition: background 0.2s linear;;color:#1e73be!important; .yuzo_related_post .relatedthumb acolor:#a0a0a0!important; .yuzo_related_post .relatedthumb a:hover color:#1e73be!important;} .yuzo_related_post .relatedthumb:hover a color:#1e73be!important; .yuzo_related_post .yuzo_text color:#a0a0a0!important; .yuzo_related_post .relatedthumb:hover .yuzo_text color:#1e73be!important; .yuzo_related_post .relatedthumb margin: 10px 10px 10px 10px; padding: 10px 10px 10px 10px; .yuzo_related_post .relatedthumb .yuzo-img -webkit-transition:all 0.3s ease-out; -moz-transition:all 0.3s ease-out; -o-transition:all 0.3s ease-out; -ms-transition:all 0.3s ease-out; transition:all 0.3s ease-out; .yuzo_related_post .relatedthumb .yuzo-img-wrap overflow:hidden; background: url(https://www.informatico.pt/wp-content/plugins/yuzo-related-post/assets/images/link-overlay.png) no-repeat center; .yuzo_related_post .relatedthumb:hover .yuzo-img opacity: 0.7; -webkit-transform: scale(1.2); transform: scale(1.2); jQuery(document).ready(function( $ ) //jQuery('.yuzo_related_post').equalizer( overflow : 'relatedthumb' ); jQuery('.yuzo_related_post .yuzo_wraps').equalizer( columns : '> div' ); )