Bio palestrante: Cientista de Dados, com background acadêmico em Matemática Pura e Física e mais de 10 anos de experiência na indústria, liderando o desenvolvimento de modelos quantitativos para diferentes classes de ativos, sistemas estruturados de gestão de risco e soluções end-to-end de IA/ML. Co-fundador e Management Partner da Grand Thera, empresa especializada em soluções avançadas de ciência de dados e inteligência artificial para tomada de decisão estratégica.

Descrição da pelstra: Nesta palestra, vamos olhar para a Inteligência Artificial em duas camadas que raramente são discutidas juntas: a lógica de negócios e a engenharia real por trás dos modelos. Primeiro, exploraremos a perspectiva de mercado onde estão os investimentos, quais teses de produto fazem sentido, quais modelos de negócio tendem a não se sustentar e onde o hype está distorcendo a percepção de valor.

Na segunda parte, entraremos nos bastidores técnicos: principais desafios de dados, arquitetura e governança, quais tipos de modelos e arquiteturas de redes neurais vêm sendo ignorados (ou subutilizados) e como eles podem ser potencializados com LLMs em soluções híbridas, mais eficientes e menos frágeis.

O encerramento da palestra será concentrado na discussão em quais modelos de negócios e aplicações têm fundamentos sólidos para escalar.

Esta palestra conecta visão de negócios e engenharia de IA. Primeiro, mapeamos onde há valor real, hype e modelos de negócio insustentáveis. Depois, exploramos desafios técnicos, aplicações ignoradas e como LLMs podem potencializá-las. Fechamos com um guia prático do que tende a escalar e dos fundamentos atuais do que não tende a durar.

Bio do palestrante: Atualmente sou Software Project Leader no Mercado Livre, onde uma das minhas principais missões é impulsionar a transição do time para Engenharia de Machine Learning. Tenho 6 anos de experiência atuando com ML Engineering e MLOps em empresas como Mercado Livre, Itaú e Orbia.
Sou professor de Machine Learning na FIAP, ministrei cursos na USP e no Simpósio Brasileiro de Engenharia Física — área na qual sou formado. Também desenvolvo programas de tutoria interna para formar novos Machine Learning Engineers.
Acredito que capacitar pessoas para trabalhar com ML é tão importante quanto construir bons modelos — e é isso que guia meu trabalho todos os dias.

Descrição da palestra: Software Engineering e Machine Learning Engineering compartilham bases sólidas, mas exigem habilidades e mentalidades diferentes. Em 25 minutos, apresento o que realmente muda: experimentação, versionamento de dados e modelos, CI/CD para ML e monitoramento pós-deploy. Uma introdução direta para quem quer entender o papel de MLE e começar a transição para o desenvolvimento de sistemas inteligentes.

Bio palestrante: Amanda atua há 9 anos com Inteligência Artificial, desde abordagens tradicionais até a nova geração de agentes. Tem como foco aplicar IA a problemas reais, liderando projetos que geram valor concreto para negócios, unindo conhecimento técnico e visão prática. Em suas palestras, traz experiências do dia a dia da adoção de IA e dicas práticas para transformar tecnologia em resultados.

Descrição Palestra: Descubra como combinar ferramentas modernas de automação e inteligência artificial para criar fluxos inteligentes e produtivos em minutos.

Nesta sessão prática, vamos explorar o uso de n8n e LangGraph em um ambiente em nuvem, integrando serviços de IA pré-treinados para acelerar o desenvolvimento e a inovação de aplicações, tudo isso mantendo a privacidade e a segurança das informações.

My team ships AB tests constantly. At some point, the codebase started turning into a graveyard of feature flags, dead conditional logic, and TODO comments (or the lack thereof) about cleaning up old experiments. The breaking point: a major component with 4 experiments - hundreds of lines, where changing one thing risked breaking another (which it did). That's when I discovered that custom hooks could be more than reusable logic - they could be containers for isolating experimental code.
Through this talk, I’ll share my experience of using hooks as boundaries for implementing experiments, and how this pattern has improved the way my team can ship features fast while keeping technical debt in check.

The Supabase and Google Maps edition of Multiplayer Geospatial Xmas Fun Special! Join a festive demo where we build a realtime Christmas treasure hunt using Supabase and Google Maps. Players join via QR, drop guesses on the map, and watch the heatmap light up as everyone races to find Santa’s lost present. We’ll peek behind the scenes at realtime channels, Edge Functions, geospatial queries, and a few helpful Google Maps features you can use in real apps.

A discussion what would happen if the AI Bubble bursts - Positive vibes through out...