08 de Junho de 2020 às 14:33
Ciclo de debates discute a importância de algoritmos e o ”aprendizado de máquinas” dentro das ferramentas de Governo Digital

A 10ª edição do Café Tech iniciará um ciclo de debates para discutir “machine Learning” no contexto de governos digitais. O primeiro encontro virtual dessa série debaterá sobre Sistemas de Recomendação. O evento será realizado às 15h desta quarta-feira (10.06).
O Café Tech é uma iniciativa criada pela Empresa Mato-grossense de Tecnologia da Informação (MTI) para disseminar a cultura da inovação entre os colaboradores da empresa. Nesta edição, o bate-papo será coordenado pelo analista da MTI e cientista da computação, Sandro Brandão. Para participar do 10º Café Tech é só acessar o link: abre.ai/cafetech10 às 15h desta quarta-feira (10.06).
Em sua palestra, Brandão irá explorar o “Machine Learning no contexto de e-gov: Sistemas de Recomendação”. O “machine learning” é um subcampo da Engenharia e da ciência da computação que estuda algoritmos, padrões e teorias do aprendizado computacional em inteligência artificial.
“Os algoritmos de recomendação são muito utilizados por grandes empresas e por grandes corporações. A reflexão que nos propomos é: por que não aplicar a mesma tecnologia em projetos desenvolvidos para o governo”?, disse Sandro.
O palestrante dessa edição, Sandro Brandão, é mestrando em Propriedade Intelectual e Transferência de Tecnologia para a Inovação na Universidade Federal de Mato Grosso (UFMT). Ele possui graduação em Bacharelado em Ciências da Computação pela UFMT. Tem experiência na área de ciência da computação, com ênfase em gerenciamento de projetos, governança em TI, inovação tecnológica, segurança da informação, desenvolvimento de sistemas e gestão de equipes, gestão comercial e relacionamento.
Brandão também atuou como professor de Ciências da Computação nas disciplinas de Algoritmos, Linguagem de Programação, Análise e Projetos de Sistemas e Engenharia de Software, Gestão de Projetos, Ética e Legislação de Software e Redes de Computadores.