Andre Yukio | Machine Learning é Matemática Pura!

No episódio de hoje do PodCafé Tech, recebemos Andre Yukio,
fundador da Universidade dos Dados e especialista em Ciência de Dados,
Aprendizado de Máquina e Estatística.
Com mais de 10 anos de experiência no mercado, Yukio já atuou em bancos,
grandes empresas, startups e consultorias para organizações
globais. Agora, lidera uma das plataformas de formação em
dados mais completas do Brasil.

📣 Curta, comente e compartilhe com alguém que vai se beneficiar dessas
informações!

☕ Temas que você vai encontrar neste episódio:

- 📊 Carreira em dados:
como Yukio construiu sua trajetória entre matemática, economia e
tecnologia.
- 🤖 Machine Learning: aplicações reais e desafios na adoção em empresas
brasileiras.
- 📈 Educação acessível em dados: a missão da Universidade dos Dados.
- 🌍 Mercado de trabalho: como se destacar e construir uma carreira
sólida em ciência de dados.
- 🧠 Aprendizado contínuo: insights sobre estatística, análise de dados
e impacto da IA no futuro do trabalho.

💡 Frase do episódio:
“A verdadeira transformação em dados não acontece só na tecnologia, mas
na forma como capacitamos pessoas para pensar estatística e machine
learning no dia a dia.” – Yukio

🔗 Conecte-se com o convidado: https://www.linkedin.com/in/andreyukio/
🔗 Conheça a Universidade dos Dados: https://www.linkedin.com/company/universidade-dos-dados/

🔗 Links oficiais do PodCafé Tech:  
📷 Instagram: https://www.instagram.com/podcafetech  
🔗 LinkedIn: https://www.linkedin.com/company/podcafetech  
🎵 Spotify: https://open.spotify.com/show/2A7HkYbsbEhzEpCTfYqmqD

🛍️ LOJA DO PODCAFÉ  
Camisetas, canecas, adesivos e mais: https://www.podcafe.tech

🎙 Hosts - Dyogo Junqueira - Anderson Fonseca - Guilherme Gomes

☕ Este episódio é um oferecimento da ACS Pro, especialista
em soluções de TI e inovação.

PodCafé Tech é um podcast onde Mr Anderson, Guilherme Gomes e Dyogo Junqueira, recebem convidados para falar de uma forma descontraída sobre Tecnologia, Segurança e muito mais.

YouTube: youtube.com/@podcafetech

Instagram: instagram.com/podcafetech

Linkedin: linkedin.com/company/podcafe

Transcript

Apresentações e Lojinha do Podcafé

Speaker 1 0:07

MÚSICA . Muito bem , muito bem , muito bem . Estamos começando mais um Podcafé , tech Podcast , tecnologia e cafeína . Meu nome é Anderson Fonseca , o Mr Anderson , e em matemática você passa a vida inteira procurando o X E quando tu acha o safado , você tem que substituir ele . Não faz sentido isso .

Speaker 2 0:43

Aqui é Guilherme Gomes da SESPRO E Anderson você tem que substituir ele . Não faz sentido isso . Aqui é Guilherme Gomes da CES Pro E Anderson , você tem dado em casa .

Speaker 1 0:50

Aqui é Diogo Junqueira . Pior eu tenho em todo lugar .

Speaker 3 0:55

Aqui é Diogo Junqueira , senhor da CES Pro e da CES Cyber Pro . Pra nós é um prazer receber o convidado de hoje . Vou deixar ele mesmo se apresentar .

Speaker 4 1:04

Fala aí pessoal . Eu sou o André Yuquil . Me apresento aí nas redes como Yuquil , Cientista de dados e especialista . Acho meio arrogante , Mas falo um pouco de Machine Learning e Data Science de modo geral .

Speaker 3 1:18

Manja a parada , Vamos dizer ele não quer falar especialista , então ele manja da parada . Vamos dizer assim né Muito bom , Mas , Mr Alcâncio , você tem que falar um pouco do UQ aqui , cara Entrar pro pessoal , conhecer o tema . Que história é essa da lojinha velho , Cara para tudo e entre em podcafétech .

Speaker 1 1:33

Eu sempre aponto aqui porque eu fico Assim é T-E-C-H , entendeu Podcafétech . Sou entrando e lá você vai encontrar a loja do Pó de Café onde você encontra essas fantásticas camisetas , e de fato são fantásticas . Abraço pro Rafa , nosso designer aqui arrebenta faz na mão não é GPT , galera não é GPT . Tá , isso aqui é feito na mão , na garra , na unha , na unha também tá lá não é assim .

Speaker 2 1:59

Na verdade é feito no computador , mas é a mão é o equipamento caro que ele põe no computador .

Speaker 1 2:04

Ele usa uma caneta eletrônica .

Speaker 3 2:06

É exato .

Speaker 1 2:07

De fato usa E assim , cara baita trabalho arte bacana tá lá disponível e tem um plus .

Speaker 2 2:15

Temos um plus .

Speaker 1 2:16

Essa loja tem um propósito 100% do que é arrecadado na loja vai para a NAY Autismo . arrecadado na loja vai para a NAY Autismo , uma instituição na qual nós depositamos toda a nossa confiança e compartilhamos com eles lá 100% do que é arrecadado .

Speaker 3 2:33

O jogo vai explicar um pouco mais sobre a NAY É isso aí é o Núcleo de Arte e Inclusão Autista , uma organização que traz o pessoal do universo autista para colaboração de arte , cultura , teatro , música , enfim . Uma organização sensacional auxilia muito essa questão da causa autista , as famílias da causa autista . Então é composto por pessoas muito sérias , voluntárias , profissionais da área . Então assim é um projeto que eu acredito muito , tem um apelo pessoal muito grande com o pessoal e a gente fez essa lojinha sensacional que tem imã , geladeira , tem tudo o que você pensar pra atender a grande demanda de gente que sempre pediu camiseta , etc . Entrega pra vocês e 100% do lucro vai pra essa instituição . Então , galera , quem quiser conhecer entra lá . Podcafetech , que tem o link também pra instituição , que você pode conhecer , doar direto pra instituição , doar seu tempo também , participar dos espetáculos se você estiver em Goiânia , região , e assim por diante .

Speaker 1 3:30

Maravilha , acesse também wwwacessprocombr , a empresa que está aqui oferecendo esse maravilhoso podcast pra você , e vamos mergulhar de cabeça no mundo dos dados , ou dar uma cabeçada . Isso aí , vamos lá . Alguma coisa assim .

Speaker 3 3:48

Conta pra gente um pouco da sua história , cara se apresenta aí pro pessoal conhecer quem é o Yuquil cara . Como é que você chegou aí na questão da Universidade dos Dados que você é o fundador dela ? com certeza teve um início ali na tecnologia . Conta pra gente um pouco mais da sua história , cara C ali na tecnologia Conta pra gente um pouco mais

História do Yuquil e a Universidade dos Dados

Speaker 3 4:06

da sua história , cara .

Speaker 4 4:06

Certo , eu sou formado em matemática , né . Então eu já tinha um pouco aí de ideia de que podia atuar ou no mercado financeiro ou com tecnologia . E aí acabou que quando eu resolvi sair das escolas , né Eu comecei dando monitoria em escola nos primeiros anos de faculdade . Eu fui pro mercado , aí eu fui parar no Itaú , trabalhei ali um pouco na área financeira deles , só que era uma área muito operacional , assim muito Ninguém vai botar sei lá um júnior para fazer uma operação de 2 milhões com a Petrobras .

Speaker 3 4:34

Não vai , não vai , não vai Por questões um pouco óbvias , talvez Exato .

Speaker 4 4:38

Então você acaba ficando muito ali só no VBA e aquela programação mais de automatizar a rotina . E aí eu já não curtia muito aquilo . Acabei indo pro HSBC pra buscar algo novo . E aí eu fui parar na área de riscos e aí eu conheci risco de crédito , que é basicamente data science voltado pro crédito . E aí que eu comecei a mergulhar nessa área de dados . E no mesmo período , além de eu ter migrado pra área de dados , eu comecei também o mestrado . E aí eu falei pô , vai que um dia eu quero dar aula alguma coisa , já vou ter o mestrado , então eu vou começar a produzir conteúdo na internet . E aí comecei , fiz um blog , Só um comentário .

Speaker 1 5:15

você fez o caminho contrário Porque o cara que tá em matemática ele já pensa vou dar aula , vou fazer .

Speaker 3 5:20

Cara , o cara Ele foi lá vamos para o mercado primeiro e depois volta .

Speaker 4 5:25

Exato . Aí eu meio que pensei tipo ah , eu não quero ficar trabalhando para empresas assim até meus 60 , 70 anos , sabe-se lá quando . Então , talvez da aula , que era o que eu gostava , pudesse ser uma solução . E aí eu comecei a produzir conteúdo na internet . No começo eu chamava o blog de StatSite E aí depois eu fui adotar o nome Universidade dos Dados , aí eu comecei a produzir conteúdo , aí fui pro Instagram , aí no Instagram você cria proximidade com a galera , né O pessoal troca ideia na DM e tudo mais .

Speaker 2 5:54

E aí , quando você começou a produzir conteúdo , você falou que foi na época do HSB E por quê O que ?

Speaker 3 5:58

surgiu . Ah , vou produzir conteúdo . Esse é um gatilho interessante , né ?

Speaker 4 6:02

É , eu fui lá em 2016, . eu acho Nossa então faz Nessa de produção de conteúdo de dados . eu me sinto orgulhoso que eu acho que eu sou um dos pioneiros ali . Sensacional , cara , e principalmente conteúdo técnico , porque a galera que é muito técnica , muito boa matematicamente , eles já estão ganhando muito bem no mercado . eles não querem compartilhar .

Speaker 3 6:23

Achar assim vamos lá bem , no mercado . eles não querem compartilhar . É Galera que quer compartilhar , ó , quem não produz conteúdo . galera não tem ideia de quão complexo e difícil é Então assim . e a galera faz isso de forma de doação pra galera que quer , porque você tá começando ali , porque você tá doando um monte de conteúdo , conhecimento seu para outra pessoa . É um ato muito foda que a galera às vezes não entende , tanto que isso é difícil entende então realmente é difícil achar pessoas que querem fazer isso , mesmo que você quiser rentabilizar isso até você conseguir ter uma relevância pra fazer .

Speaker 2 6:52

Isso é um trabalho muito árduo , principalmente algo nichado , algo muito técnico , e aí você sempre percebe que quem quem continua fazendo conteúdo por muito tempo é o cara que faz porque gosta , não por .

Speaker 1 7:04

Tô com uma ideia fantástica Eu vou fazer aqui uma rede . Eu vou monetizar pra todo mundo que ama a matemática , entendeu .

Speaker 2 7:10

Todo o público que ama a matemática . Boa velho As três pessoas , Três seguidores .

Speaker 3 7:17

Nessa sala de produção . Aqui acho que só é você que vai conversar Até um comentário interessante .

Speaker 4 7:24

assim eu sou analista de sistemas e eu tenho paixão por algoritmo , mas não sou um cara apaixonado por matemática , não é cálculo é estruturação de raciocínio mas aí eu acho que entra também um pouco na distinção do algoritmo que a gente entende em Data Science e o algoritmo do cara da ciência da computação , programador de sistemas , que geralmente é aquelas árvores binárias . Esses algoritmos aí que são usados muito pensando na lógica , numa outra estrutura , numa arquitetura , e a gente em Machine Learning a gente pensa muito em algoritmo , né Como a máquina , aprendendo que é essencialmente uma fórmula matemática . Assim Uma fórmula matemática pode ficar bastante complexa , mas é matemática , ali Parte de . Normalmente eu sempre costumo falar pros meus alunos que ó , não precisa se assustar , machine learning é matriz , matriz você já viu no colégio , você vai só avançar um pouquinho e é isso . Então , assim a gente acaba entrando um pouco nesse mundo desses algoritmos , aqui na parte de dados . E quando eu tinha começado assim essa parte matemática de machine learning e tudo mais , pouca gente falava , porque os caras que falavam eles estavam no mestrado , no doutorado , eles estavam .

Speaker 3 8:41

Eu não tinha tempo . Quem faz mestrado gente ?

Speaker 4 8:42

toma tempo pra caralho , é estuga demais não é fácil produzir conteúdo é toma tempo pra caralho é seu sábado , seu domingo , seu final de semana e assim por diante e é pra você e quando é um conteúdo muito técnico que você vai checar lá várias vezes , será que eu não tô falando nenhuma besteira mais avançada .

Speaker 3 9:00

Eu falei assim , uma frase básica , uma das frases . Mais se o João , meu filho , estivesse aqui , né Ele é mais lendário do que o Anderson . Uma vez ele estava num acal com o Anderson , ele estava em vovó no carro e eu simplesmente cheguei pro Anderson e falei assim puta que pariu Mr Anderson matemática básica e fala a mesma coisa pra gente , a gente já percebe que o Anderson não é bom em matemática .

Speaker 1 9:23

Não , mas não é isso .

Speaker 3 9:24

Era uma temática básica , eu falando pra ele fazer porque eu tava dirigindo . ele falou pô , faz isso assim na calculadora e o cara tipo assim travando O que acontece é o seguinte até a forma como o meu cérebro funciona .

Speaker 1 9:40

Isso eu percebi bem por causa da Laura inclusive . Eu e a Laura fizemos teste de QI os dois juntos E nós dois alcançamos o mesmo nível de resultado . E quando a gente começou a discutir sobre o teste , a forma como eu desenvolvo os cálculos e tudo mais é completamente visual . Pra mim um cálculo é um pedacinho de negócio que junta com outro pedacinho que forma um objeto . Então assim eu calculo área visualmente é tudo desse jeito E ela é tudo números . E assim a minha cabeça não funciona em números , funciona em imagens , nitidamente a gente percebe isso no dia a dia E aí assim começa a falar número , número .

Speaker 1 10:17

Eu preciso transformar isso pra minha linguagem de imagem e às vezes eu chego nos resultados que ninguém entende onde é que eu tô querendo chegar , mas opa beleza , encontro a terceira explicação disso .

Speaker 4 10:28

Então mas isso também era uma parada que eu achava foda de fazer conteúdo na internet , que meio que na internet vão ter vários tipos de professores e você se adapta a algum deles , então isso é uma coisa que eu acho muito , muito da hora .

Speaker 3 10:40

Hoje em dia , Cada um tem a sua maneira de aprender Exato exato .

Speaker 4 10:44

Tem livro que o pessoal na matemática ama , que é o de cálculo lá do Guido Orizzi , que eu não me adaptei de jeito nenhum . Eu achava esquisito o jeito que ele abordava . Eu fui pra outro livro na época . Então na internet eu acho que tem essa possibilidade também . E como eu gostava muito de dar aula , eu vou tentar explicar jeito didático . E eu não tenho muito essa amarra do cara do mestrado doutorado , que é aquela coisa de seguir certinho o livro e tem que ter tudo .

Speaker 4 11:07

Putz , eu , pra simplificar , eu simplificava mesmo . Ó , é basicamente isso que nem quando eu falei aqui ah , machine learning é uma atriz e vai desenvolver um pouco melhor isso , então eu curtia muito dar aula , então eu curti produzir conteúdo . E aí foi crescendo lá pra 2020 , 2021 , já tinha uma galera seguindo pedindo pra ah , você dá mentoria , você dá consultoria , você tem curso , e eu , putz , não tenho , eu não via muito motivo pra fazer algo assim , porque eu não , eu não tinha ainda nada de muito incrível na cabeça de novo . E aí que quando eu pensei no clube de assinaturas , que foi quando a universidade do Zado começou a virar mais empresa mesmo , mais escola e não só produção de conteúdo , foi porque eu falei tá , eu vou fazer um negócio diferente aqui . Então vou criar aqui uma comunidade um pouco mais informal . Vou também adicionar conteúdos que são mais avançados , porque hoje o mais fácil é eu entregar ali só o básico rapidinho pro alunouno , pra ele se sentir pronto , encher ele de certificado e falar tá aí , ó , você tá pronto nosso curso é aceitado , mas aí a hora que for pra vida real não é bem assim né exato .

Speaker 4 12:13

E aí eu queria putz criar algo novo , mesmo , tanto que a nossa comunidade no Discord ela é muito ativa . Eu tô lá sempre , sério , cara correria , assim eu passo lá pelo menos 20 minutinhos todo dia , que seja pra falar de anime com a galera de musculação qualquer coisa que o pessoal consuma lá , porque eu quero trocar ideia e eu quero ter essa proximidade com os alunos , e aí então meio que nasceu assim a Universidade dos Dados , de certa forma .

Speaker 3 12:37

O que que é ? Vamos lá a galera . Você falou Clube Usinatum , a galera tá curiosa O que é . Explica pra gente o que é a Universidade dos Dados .

Speaker 4 12:44

Cara A galera tá curiosíssima aqui agora A Universidade dos Dados . ela é basicamente uma escola de dados mesmo .

Speaker 3 12:50

Desruptível completamente A gente começou ali .

Speaker 4 12:52

Eu comecei como produção de conteúdo sozinho E aí eu falei não , eu vou criar um curso aqui que é o Clube de Assinaturas , que é uma plataforma de ensino como todas que existem aí Alura , cursera e tudo mais , só que é um preço bem acessível . Quando eu lancei , dois anos atrás , era R$23,90 , tipo ninguém cobrava isso . Era sempre muito mais , tanto que o pessoal que tem outras escolas e troca ideia comigo fala cara , isso é um absurdo , você tem que cobrar pelo menos R$997,00 , que é um .

Speaker 1 13:19

Não sei de onde saiu esse número , mas todo infoprodutor gosta , yukio , yukio , tu tá killing o mercado , entendeu , tu tá quebrando os caras . 1997 é um número . A concorrência vai se parar , irmão .

Speaker 3 13:33

Ontem eu tava definindo um negócio . Eu falei 1999 , aí alguém de março falou 1997 .

Speaker 1 13:38

Eu falei é 1997 . Você lembra ontem né ? Ah , não É verdade .

Speaker 2 13:40

Você falou não sei porque eu também não , o pessoal coloca esse valor onde a gente definiu algo em 1997 tem um porquê , então a gente tem que mudar . Em 1996 tem um porquê .

Speaker 1 13:49

Mas não vamos discutir isso agora . Não , eu quero discutir uma outra parada que você falou que assim machine learning é matriz . E aí eu tô , minha cabeça , eu falei caraca , peraí , machine learning é matriz e . E até uma parte da lógica eu consigo ir . O resto eu vou pedir você completar o raciocínio , porque eu não sei o que vem depois disso . Vamos lá , eu pego lá uma matriz mil por dez . Eu vou ter mil amostras , mil linhas e dez variáveis dez colunas , que são as variáveis .

Speaker 2 14:23

Certo , tá , mas e aí como é que eu conecto isso com o machine ?

Speaker 1 14:24

learning e 10 variáveis , 10 colunas , que são as variáveis ? Certo , tá , mas e aí , como é que eu conecto isso com o Machine Learning ? Até aqui eu fui A matriz .

Speaker 3 14:30

Você entendeu . A matriz é legal . Você sabe que você falou isso . Ele teve que processar essa informação . Faz uns 4 minutos que você falou isso Ele tava processando , desenhando , vamos responder essa e voltamos pra Universidade de Dados . É porque você tava processando essa . Eu buguei pelo seguinte . Claro que você bugou , é matemática . Sabe qual foi a minha pergunta na ?

Speaker 1 14:52

verdade O que eu quero saber , vou te contar o que eu quero saber .

Speaker 3 14:55

Não , não deixa eu responder .

Speaker 1 14:58

Eu comecei a me questionar se nessas linhas não dá pra colocar outras matrizes , pra amostra ser uma matriz . E aí você

Entendendo Machine Learning e Matrizes

Speaker 1 15:05

começa a botar uma coisa dentro da outra , e aí você cabe . Vamos deixar ele explicar .

Speaker 2 15:08

Vamos lá o que eu tava aqui , eu já não tava entendendo muito . Agora você já matou o resto , mas entendeu .

Speaker 4 15:14

A minha dúvida .

Speaker 3 15:14

Eu não entrei por ali , mas é onde minha cabeça tá agora .

Speaker 4 15:26

Preocupa , não as dúvidas . A gente vaie É porque lembra que quando você vê matriz você tá . Não , quando você vê matriz é que quando a gente vê no colégio é meio jogado , mas matriz serve pra resolver sistemas lineares . Então , pensando no modelo mais simples que nem você falou , as colunas são as features , as linhas são a amostra , então são os seus clientes e ali vai ter uma última coluna com o resultado esperado , ali né , porque o que que é machine learning É você olhar pros dados e tentar entender o comportamento daquilo . Por exemplo , pega um banco , imagina que o banco não tem nada de machine learning E ele dá empréstimo a rodo , ali pro pessoal . Alguns pagam , outros não pagam . O que que o modelo , o que que a máquina vai fazer , ela vai olhar pra esse histórico e falar tá , deixa eu tentar entender aqui qual que é o perfil de quem paga e qual que é o perfil de quem não paga . Você pode pensar isso de um jeito bem simples , tipo ah , tem idade , aí A média de quem paga é de 40 anos , a média de quem não paga é de 25 . Opa , então parece que a idade quanto mais velho , maior a chance dele pagar . Ah , qual que é a profissão dele ? Ah , certa profissão aqui tem um percentual de 80% de pagadores e a profissão B tem um percentual de 30% Opa .

Speaker 4 16:29

Então parece que a profissão , a primeira profissão , aí é mais propensa a pagar . Só que aí , óbvio que a máquina vai tentar resolver esse sistema e aí vai conseguir a solução exata , ali de quanto cada variável vai pesar no resultado final , mas ali de quanto cada variável vai pesar no resultado final . Mas essencialmente machine learning é isso , é você olhar pro passado e falar olha , eu quero que você entenda como eu chego , eu quero que você entenda aqui a variável alvo que seria pagar ou não pagar , a partir dessas features , dessas variáveis , e aí você vai resolver esse sistema . Então essencialmente é isso , é assim que funciona machine learning e é por isso que é um negócio que quando surgiu criou tanto hype em cima , porque pô , se eu consigo prever algum evento , eu posso me antecipar e fazer alguma coisa .

Speaker 1 17:16

Aí é o seguinte machine learning , por exemplo na linguagem vai funcionar mais ou menos da mesma forma , porque assim eu começo a pegar uma palavra que começa com A e termina com R . Normalmente o que tem no meio é tal coisa , né Ele vê a possibilidade daquilo . Então , assim , quando você tem uma construção de uma frase , ele começa a ver estatisticamente essa frase aqui começou desse jeito e vai terminar daquele jeito . Né , é assim que ele vai fazendo predição das paradas .

Speaker 4 17:42

Assim que o GPT funciona , o chat GPT funciona , ele está , é assim que ele vai fazendo predição das paradas . Assim que o GPT funciona , o chat GPT funciona , ele tá também prevendo a próxima palavra . Por isso que também geralmente o pessoal da área mesmo já não A gente é até empolgado com as novidades porque as coisas avançam muito rápido , mas a gente não tem esse mesmo hype talvez da galera assim , de uma pessoa Do povão assim .

Speaker 3 18:01

Do padrão , né O cidadão médio ali .

Speaker 4 18:03

Porque a gente sabe que não é , que é uma máquina ali , que ela tá pensando que ela vai realmente entender algo . Ela tá É quase que uma máquina de formar frases que fazem sentido , tanto que eu postei esses dias eu A geração Z tem usado muito o chat GPT pra tomar decisões na vida , usado como psicólogo e tudo mais , e eu até postei zoando olha que interessante pegar uma máquina que aprendeu a criar frases e usar ela pra algo totalmente subjetivo e muito sensível que é ser um psicólogo , um tomador de decisões da vida . Então , mas assim o machine learning e aí os LLMs , os modelos aí que estão surgindo , essencialmente são isso , estão olhando pro passado , olhando padrões . Beleza , entendi esse padrão . A partir disso eu consigo antecipar . Então o banco ele enxergou que certos clientes são mais arriscados . Então ou ele vai cobrar juros mais alto , ou ele vai ter uma cobrança mais incisiva , ou ele vai te negar o crédito ou vai te negar o crédito .

Speaker 1 19:00

Acho , bacana isso pro profissional , profissional de tecnologia que tá lá . Ter esse entendimento de como a coisa é formada é como um cozinheiro saber pra que serve pimenta . Entendeu Exato . Você conhece os ingredientes e você começa a fazer a composição que faz sentido né Exato .

Speaker 4 19:17

E é por isso que eu abordava tanto a questão matemática porque , como a área foi inflando e virando uma área da moda , como o Dev já foi , e como várias outras .

Speaker 1 19:27

Desculpa matemática não é área da moda , não né .

Speaker 4 19:30

Não , não , mas dados explodiram em todo o mundo .

Speaker 3 19:33

Dados dados e ah machine learning é tal hype assim todo mundo quer . Agora não é algo tão simples , até porque envolve uma série de conhecimento que nem você tá aprovando aí E aí . pra simplificar a gente , voltar no Clube de Estatuto , que é algo completamente disruptivo que você explicou , que é mais ou menos como os outros mas eu li um pouco no website e achei um pouco diferente Conta pra mim aí . Como é que tem pô inventoria , tem algumas outras coisas nesse clube tem planos mensais anuais Então anuais .

Speaker 3 20:01

Então , assim me explica como é que você formou esse produto realmente cara ?

Speaker 4 20:08

Quando começou era quase que uma newsletter paga , só que eu ia fornecer ali uns conteúdos diferenciados pra galera que era ó , eu vou te ensinar aqui algumas coisas , porque o que acontece também a área explodiu muito e aí a gente aprende muito pela internet . Hoje , só que se alguém postar algo errado , uma meia dúzia de pessoas na internet . Hoje , só que se alguém postar algo errado , uma meia dúzia de pessoas , esse erro também se propaga .

Speaker 3 20:26

E propaga mais rápido , porque a galera gosta mais de criticar do que de . É simples , entendeu ? Você quer viralizar , quer ser posto na coisa errada .

Speaker 4 20:33

Exato . E aí começou muitos erros começaram a se tornar verdade na área e aí eu também comecei ó tá , esse clube aqui vou soltar newsletters aí pra galera , materiais que eu vou corrigir esses erros , vou dar conteúdos diferentes . Um conteúdo que eu sempre menciono pra galera é , por exemplo o pessoal fala muito a correlação , não é causalidade . Analistas de dados , cientistas de dados adoram essa frase , mas aí você pergunta pro cara tá , e o que é causalidade ? Como que você obtém isso ? Aí a galera não sabe . Aí eu falei ah , eu vou ensinar isso também porque eu aprendi no mestrado , foi uma área que eu me especializei . Então a ideia era ser algo diferenciado e também acessível , bem barato ali pra todo mundo conseguir pagar .

Speaker 3 21:17

E assim é muito acessível , cara , assim é impressionante pelo que tá incluso que tem pô encontros mensais , acesso à comunidade . Nós estamos falando aqui de plano mensal . Vou fazer um jabá aqui porque é foda R$39,90 o anual R$12,35,15,

Desafios e Realidades do Mercado de Dados

Speaker 3 21:31

. Cara O negócio , assim é realmente muito acessível pelo conteúdo que você tá oferecendo .

Speaker 4 21:36

É , foi uma coisa que ajudou até a impulsionar , porque a galera quando vê né pô cobra tão barato por tudo isso . daqui a galera mesmo divulga né Vira aquela empresa que é querida por quem consome e tudo mais . Isso é uma coisa que a gente sempre prezou . Eu tento manter uma estrutura ali o mais enxuta possível . Então começou comigo . só primeiro ano Você era o eu empresa ali , é exato Aí . depois eu tive uma sócia minoritária aí que tá ajudando na parte CRM , contato com os alunos e algumas burocracias E eventualmente também contrato professores , porque eu não sei todos os assuntos também .

Speaker 2 22:13

Entendi , você precisa de apoio pra deixar o conteúdo mais plural .

Speaker 3 22:17

Entendi Bacana , cara Sensacional , e assim esse hoje é o seu Passou lá e tal Esse hoje é o seu passou lá e tal esse hoje é o seu full job . É a Universidade dos Dados ou você ainda mantém paralelamente alguma coisa ?

Speaker 4 22:28

como é que é , eu mantenho algumas coisas . Assim eu meio que saí do mercado de certa forma pra ser autônomo , pra trabalhar por conta , porque eu queria me dedicar 100% à Universidade dos Dados . Só que aí da consultoria que eu ia sair , ele já pô , mas pelo menos faz X horas aqui por semana pra ajudar , não deixasse sair completamente .

Speaker 3 22:46

Não sai , não sai só um pouquinho , né cara , fica aqui um pouquinho , por favor .

Speaker 4 22:50

Aí a gente fez um contrato lá . Aí aparecem amigos às vezes com pô tem essa oportunidade nessa consultoria , eu putz . então tá , vamos fazer porque parece um projeto legal . Universidade dos Dados eu também dou algumas consultorias , também tô fazendo atuando agora criando agentes de ar , essas soluções com IAP , que também vi uma oportunidade , gostei , gosto da área . Então assim o que mais consome meu tempo é a Universidade dos Dados é de 50% , 70% do meu tempo , mas eu vou me empenhar em um monte de projeto que eu gosto E vamos lá .

Speaker 3 23:23

Você falou um pouco da relação de dados , da moda né Taga E tem muita glamorização realmente assim , do cientista de dados , né Do analista ali de dados . E o que realmente o mercado quando abre essas vagas , a vaga do momento dados machine learning está pra caramba Porque o pessoal entendeu que sem as informações corretas você tá realmente adivinhando ali as coisas e não tá indo pro caminho certo , né , e aí o profissional falta .

Speaker 3 23:52

Não tem esse profissional , ele tá aglomerizado , tá lá em cima . Mas o que é que o mercado espera ? Porque às vezes o cara realmente e aí é um diferencial que você pode explicar o cara chega lá e acha que fez lá , comprou um curso lá no YouTube , ouviu uma coisa , fala ah , eles querem especializar , tirar a certificação , e chega lá no mercado , não é isso que ele quer na prática , né Colocar na realidade . Como é que funciona o mercado Tá ?

Speaker 4 24:13

eu sempre resumo pros meus alunos mentorados assim essencialmente o cara quer que você pegue dados , use pra trazer retorno pra ele De algum jeito . Se vai ser com modelo , se vai ser com inferência , se vai ser com estatística , se vai ser com gráfico , você precisa fazer isso . Então eu sempre falo pro aluno primeira coisa que tudo que você vai aprender aqui de ferramenta de conhecimento técnico é pra gerar resultado . Então você tem que saber por que você tá fazendo aquilo , você tem que saber aonde que isso vai , o que vai impactar , o que vai trazer de resultado . Então , essa atenção ao negócio , eu acho que é algo que tem faltado um pouco . E é curioso porque a parte técnica também está um pouco mais carente do que anos atrás , porque o mercado de tecnologia é sempre assim , né , desde a primeira bolha lá de 2001, . É , ah , estoura uma bolha , todo mundo tira dinheiro . De repente todo mundo começa a jogar dinheiro pras empresas . As empresas contratam ao rodo , independente do critério , aí depois estoura outra bolha e volta , aí vai sempre indo assim .

Speaker 3 25:12

Eu acho que é É normal , é seasonal , é bem cíclico , né É cíclico .

Speaker 2 25:16

E é previsível inclusive .

Speaker 3 25:17

Exato , Inclusive a Machine Learning . Ia aí que a gente ia conseguir prever talvez quando acontece Exato .

Speaker 4 25:24

E aí eu acho que agora , como passou essa , veio essa onda de vamos contratar tudo que tiver aí , não importa , vamos baixar a régua . Agora tá fazendo muita falta o profissional mais técnico . Não que de novo o negócio vem em primeiro lugar . Mas esse discurso de o negócio vem em primeiro lugar às vezes ele não é acompanhado por você . Precisa entender a questão técnica também . Então um cara que sabe lidar com ferramentas também acaba sendo importante , porque hoje a gente aprende de forma muito superficial , o pessoal aprende de uma forma muito passiva , talvez pelo que a gente tem de tecnologia , não sei , mas acho que o perfil do estudante eu atuo aí com educação desde pelo menos 2008 eu acho que mudou muito e talvez até por a gente não ter que correr atrás , que nem antes que nossa consulta a Barça , consulta isso , aquilo vai fuçando até achar a informação .

Speaker 4 26:13

Então esse profissional também que é curioso , proativo e que vai aprender o que for preciso da questão técnica , ele também está muito em falta . Então eu acho que você precisa precisar juntar tanto aquele cara que tem um comportamental muito bom , que tem comunicativo e foca ali no resultado , quanto o cara que vai correr atrás e vai aprender E não dá para dizer que tipo você pode ser só um e não ser o outro . Acho que no mercado de dados é impossível assim , porque cara só o que você vai falar de gente . Para descobrir onde estão as informações você já tem que ser um pouco mais desenrolado .

Speaker 3 26:43

Sim , porque senão não adianta né cara , e às vezes , se você não conseguir ser desenrolado , você não vai atingir o objetivo do negócio né . E aí talvez em meio da próxima pergunta , por que muitas vezes muita empresa ainda vai lá , contrata um profissional de dados , tá cheio de gráfico , mas na hora de tomar decisão ainda não toma baseada em dados ou seja não é data-driven .

Speaker 4 27:03

Isso é uma questão que eu reflito bastante . Eu vivo viajando nisso de pô .

Speaker 3 27:10

Tem que ficar mais deitadinho aqui e tal Tá cheio de dashboard lindão . mas na hora que tomar decisão Exato . Não importa , você faz tudo que é planilha , mas na hora é a planilha do chefe que importa e a decisão é dele . e pronto , Exato . Você lá , meu caro , eu vou pra cá . Não dá pra entender .

Speaker 4 27:22

Eu acho que a galera subestima um pouco a força dos dados , o poder dos dados . Né , você vê , cara , sei lá , eu gosto muito de academia , treinar musculação , apesar de não parecer , eu gosto pra caramba . E uma coisa você vê , assim a galera não se convence com estudo científico . Ah , mas isso não importa , porque lá na hora é outra coisa . Ou então , ah , não , mas cada um , cada um Sendo que na verdade não O ser humano , tem um comportamento médio , ali pelo menos que dá pra você estimar , e aí a galera não confia . Pode ter um estudo que mostra que , ó , esse exercício vai hipertrofiar muito mais do que esse outro . E pro cara não . Então acho que a galera tem um pouco de dificuldade de entender que Mindset realmente , alice , eu acho .

Speaker 4 28:06

É , eu acho que a mentalidade da galera meio que não É muito difícil assim , tanto que eu fico maluco quando eu vejo alguém de dados falando tipo assim ah não , mas porque a experiência vale mais do que qualquer coisa . Ou você , às vezes você não precisa de dados , você fez aquilo várias vezes , só que não a experiência , ela . Você não consegue às vezes dar a atenção certa pra todas as variáveis , às vezes você tem um viés de olhar mais pra um lugar do que pro outro , sem controle nenhum .

Speaker 3 28:32

É muito difícil de você , realmente saber E pode ser emocional , a experiência sempre pode ser emocional , exato também .

Speaker 4 28:36

Tem muita coisa impactando . Tem vários livros de da área de dados , tem o andar do bêbado , o free economics , que eles mostram É excelente , é um dos meus favoritos E você vê que , como que a gente não consegue , a gente não tem um raciocínio muito analítico , mesmo assim estatístico , a gente foca muito .

Speaker 1 28:57

Ah , eu tiro aí o próprio exemplo que você deu lá , que as pessoas tendem a fazer correlação , e isso não quer dizer as pessoas tendem a fazer correlação e isso não quer dizer que a causalidade seja aquela , entendeu ?

Speaker 3 29:08

Exato . Eu tenho uma história ótima disso .

Speaker 1 29:09

Estava até num podcast que a gente gravou aqui . Tinha uma rede que todo dia , seis horas da tarde , ela parava E assim parava , um pouco , daqui a pouco voltava Os caras . Assim , caraca , Tentaram fazer um bilhão de correlações com um monte de coisa pra achar Qual era o motivo daquilo . E não achava , Até que chegou o ponto que a pessoa sentou lá e ficou olhando pro roteador . Agora eu vou descobrir o que tá acontecendo . Seis da tarde vai parar esse negócio .

Speaker 3 29:39

Essa merda vai tá aqui .

Speaker 1 29:40

Chegou a doninha da limpeza , puxou a tomada , ligou o aspirador de pó terminou . E assim nunca consegui fazer a correlação , porque ?

Speaker 3 29:53

não tinha dado suficiente para isso . Não era uma variável presente Exato .

Speaker 2 29:58

Ei , você aí já se inscreveu no nosso canal , já ativou o sininho das notificações E aquele comentário E as nossas redes sociais . Você já seguiu a dos apoiadores da CES Pro , da CES Cyber Bora lá . Tá tudo aqui na descrição .

Speaker 4 30:12

Eu vi um dia desses um post de um menino comparando as estatísticas do Ronaldinho Gaúcho , quando ganhou lá a bola de ouro , com algum outro jogador de mediano , pra bom lá da Europa eu esqueci quem que era E ele falava olha , olha aqui os dados , o Ronaldinho Gaúcho tem seis gols , só teve seis gols . Esse cara fez sei lá vinte e poucos . Ele teve o Ronaldinho Gaúcho teve cinco assistências , esse cara teve aqui quinze . E tá vendo como o futebol de antigamente era fácil e ele não era tudo isso . Então aí também entra no outro Você olhou pra duas variáveis ali . Você não olhou sei lá quantas vezes a bola passou pelo Ronaldinho Gaúcho , quantas vezes ele tirou o time de algum sufoco ali , porque ele era mais driblador , resolvia sozinho . Então tem uma série de coisas que acontecem também assim , do uso dos dados que a galera Ignorou uma coisa importante que futebol não é número , é entretenimento .

Speaker 1 31:07

Você vê o Ronaldinho jogando , o coração dispara , o cara emociona a plateia Também .

Speaker 4 31:13

Isso tem um outro impacto também no clube , na motivação dos jogadores . Então normalmente não é que assim certas coisas não são tão dos dados né Você vê muito jornalista esportivo falando ah , mas futebol não é número , não é número . O problema é quais números vocês vão olhar .

Speaker 1 31:30

Se eu olhar dois , assistência e gols , Dá pra converter tudo em número no fim do dia . Né Tá aí o machine learning pra provar isso .

Speaker 2 31:38

É . E assim , pra quais dados eu tô olhando ? Se eu olhar só pra dois dados , não necessariamente eu vou tá tendo . Eu vou tá fazendo uma comparação justa , porque existem N outras variáveis que impactam também na própria geração desses dois números e que nem ele comentou . Porra , quantas vezes ele tirou o time de um sufoco , quantas vezes ele puxou 3 ou 4 marcadores pra próximo dele e isso dificultou a quantidade de gols que ele marcou , mas no final das contas ele era um jogador melhor por causa disso .

Speaker 1 32:10

E nem sempre a gente vai estar com os dados ali pra executar a análise .

Speaker 2 32:14

No fim do dia nem tudo é fácil de quantificar também .

Speaker 1 32:16

Né Assim , por exemplo , quando você vai construir processos , por exemplo , às vezes tem coisas que a gente faz no dia a dia que você não consegue converter aquilo em número facilmente e depois pô , como é que eu transformo isso num processo pra que ele seja reproduzido ? né , e assim essa interpretação , essa atividade , toda a gente sabe que tudo fica melhor com matemática , tudo funciona melhor com matemática . Né você tem ali , sei lá , você pega um . Eu lembro que eu vi esse exemplo uma vez . Eu adorei que era um batom a pessoa vai e passa um batom e ele não tem uma aderência muito boa contra outra marca que passa e pô ele adere e tal Aí o cara falou assim sabe qual é a diferença de um para o outro ? Matemática ? Alguém fez os cálculos mais avançados , conseguiu sabe colocar uma aderência maior e aí entra para todo mundo . Então , assim está tudo ligado de alguma forma . Né , e esse profissional você tem ajudado ali . O que você tem de história dessa galera Onde é que eles estão se metendo , isso é uma boa pergunta Legal .

Speaker 4 33:21

Eu acho que uma parada que é legal de falar , porque sempre tem aquela ideia de que o cara vai trabalhar com dados , ele tem que vir das exatas E isso não é mais realidade .

Speaker 3 33:31

Isso é muito bom , muito bom mesmo que a galera tá lá . Porra

Transição de Carreira e Perfis Profissionais

Speaker 3 33:35

, eu odeio matemática . E aí Exato , vamos desmistificar isso , aí vamos tirar o coisa da o elefante da sala . Né .

Speaker 4 33:43

Sim , eu acho que dá pra primeiro , que dá pra você vir de qualquer área . Eu tive um mentorado uma vez , que ele era mecânico antes , e aí a gente trabalhou ali no perfil dele portfólio , todas essas coisas . Ele entrou no mercado , assim Tem gente que Pô eu tive um aluno Ele era mecânico de automóvel .

Speaker 1 33:59

Mesmo O cara era mecânico ou mecânico .

Speaker 4 34:00

Não mecânico ou mecânico mesmo Caramba , cara , tanto que eu falava pra físico . O cara tem que ver a sua resiliência também , sabe Porque isso conta pro profissional . Então , primeira coisa , acho que dá pra você vir de qualquer área Essa galera . Hoje quem tá entrando no mercado mais recentemente tá indo muito pra parte de análise de dados , porque análise de dados hoje é diferente de 10 anos atrás . Quando eu comecei , antes a gente em análise de dados a gente olhava muito pra estatística , mesmo pra modelos , às vezes via modelo também , mas era um cara que era muito bom programador e muito bom em matemática . Hoje o analista de dados tá até tendo uma confusão ali , uma mescla com o BI que o cara . Ele é muito mais voltado pra visualização dashboards , essas coisas , que o cara é muito mais voltado para visualização dashboards , essas coisas .

Speaker 4 34:50

Então , assim , se você souber entender os gráficos , entender ali como interpretar o que aquilo está te dizendo , você não precisa ser um mestre na estatística para entrar nessa área E você vira quase que um analista de negócios 2.0 , porque você está ali no front , você está mexendo com o produto , o negócio todo o tempo , só que você tem ali um apoio dos dados , do que você conseguiu extrair de informação . Então acho que a galera está começando muito por essa área E muitos começam como analista para tentar migrar depois para a data science . Porque de novo machine learning ?

Speaker 3 35:26

Já que você falou dessa migração , é legal você explicar para , Porque tem ouvinte aí que talvez não vai saber a diferença . né Você explicou um pouco aí pra pessoal entender .

Speaker 4 35:35

Legal Na área de dados a gente tem assim , tem vários cargos , mas os principais , assim que tem mais em abundância aí é engenheiro de dados , que é basicamente o cara que vai coletar os dados e tratar eles pra deixar eles minimamente preparados pro analista , pro cientista de dados . Aí depois esse cara que coleta e organiza e tudo mais , a gente vai pro analista de dados , que é o cara que vai gerar informações mais rápidas , gera um dashboard , algum indicador , faz alguma , tenta testar , faz um teste AB rapidinho ali alguma modificação do produto . Ele é esse cara e aí entra pro terceiro , ali que é o cientista de dados , que ele normalmente faz estudos mais robustos . Então ele vai fazer um modelo de machine learning que leva ali pelo menos umas duas semanas . Ele vai fazer um estudo de inferência causal pra entender se A causa B , mesmo que aí envolve um certo tipo de dado , um certo tipo de evento .

Speaker 4 36:32

Então esse cara , ele acaba sendo dos três , o que mais usa matemática , o que mais vai ter trabalhos assim de médio , longo prazo . Então assim as três profissões estão bem , estão em alta . O engenheiro , ele vai ser cada vez mais exigido porque agora a gente tem , além dele , integrar ali o pipeline dele com os modelos , com os testes , ab . Ele vai ter ali agentes , vai ter LLMs vai ficar uma bagunça e esse cara vai ter que dar um jeito ali de organizar isso . O analista de dados como eu disse , ele é praticamente um analista de negócios 2.0 , que ele vai estar em qualquer empresa . Qualquer empresa vai precisar desse cara .

Speaker 4 37:12

Então ele vai estar ali o tempo todo ajudando um product manager , ajudando um gestor qualquer ali a fazer , a extrair algumas informações rápidas . E aí o cientista de dados , ele é um cara mais para o médio e longo prazo . Por isso tem empresas menores que não tem . Mas eu sempre falo que a galera às vezes , porque toda tecnologia vem que nem a mesmo , ah , vira um hype absurdo . Machine learning foi assim , né veio , virou um hype absurdo . Aí agora começa a onda contrária que é não , você nem precisa tanto de machine learning . Aí começam a subestimar . A gente sempre fica nisso superestima , subestima .

Speaker 2 37:47

Ser humano , então tudo .

Speaker 4 37:49

É os hypes , né A gente vê as ondas Ciclos .

Speaker 4 37:53

E aí não tem esse equilíbrio . E aí hoje já tá num momento que o pessoal fica ah , mas acho que não precisaria tanto de machine learning , você não vai usar isso . Só que machine learning , os cientistas dados , por que ele ainda existe , por que que empresas grandes gastam tanto com esses caras E fortunas , né Fortunas é dos três , fica entre o engenheiro e o cientista . Quem ganha mais ? assim , normalmente Esse cara , ele é dele que sai .

Speaker 4 38:18

Aquelas aqueles cases absurdos de putz implementaram sei lá uma mudança X e trouxe 10 milhões de retorno , porque as mudanças que um modelo causa tem um impacto muito grande . Assim pega um modelo típico que toda empresa tem hoje em dia de churn quando o meu cliente vai cancelar a assinatura , se você sabe quando ele vai cancelar , que ele tá propenso a cancelar , você oferta um desconto , você retém o cara , você vai obter ali um valor ali pelos próximos meses que você reteve . Então geralmente tem impactos muito grandes . A Netflix fez isso né Com o modelo de recomendação , usou o modelo de recomendação Hoje . Eu lembro que uma época eles falavam que 90 e poucos por cento do que era visto era pela recomendação E eles conseguem prender a galera ali .

Speaker 3 39:04

Eu , por exemplo , é um exemplo clássico . Eu sou muito preguiçoso , acho clássico eu sou muito preguiçoso com as coisas que eu vou assistir . Cara , eu chego lá porque eu não gosto de perder muito tempo . Se eu vou assistir trem , eu aperto o botão e eu confio no algoritmo . Se ele aparecer ali recomendado pra mim deve ser . Deve ser pra mim . Eu não vou ficar lá Se eu não sei o que eu vou assistir . Eu aperto o que eles recomendam e funciona , cara .

Speaker 2 39:31

E às vezes você , fun Cara , sabe o que é o negócio . Se eu tiver que parar pra decidir o que eu vou assistir , eu vou gastar muito tempo Aí eu já tô puto comigo mesmo .

Speaker 3 39:37

Eu valorizo o meu tempo . Vou fazer uns testes .

Speaker 2 39:39

Eu vou tentar confiar no algoritmo Se eu gastei 20 minutos escolhendo o que eu ia assistir .

Speaker 3 39:45

Eu já não quero mais assistir . Eu já perdi o meu tempo . Cara , eu lá emmo . Se alguém falou que é recomendado pra mim , é ele que entende .

Speaker 1 39:51

A análise do algoritmo é a seguinte Não tem que ser bom nos primeiros cinco minutos , porque depois disso ele dorme .

Speaker 2 39:57

Eu não durmo .

Speaker 3 39:59

Inclusive ele sabe porque , tipo assim ele tem um dos algoritmos dele .

Speaker 1 40:04

Você ainda tá aí . Que é isso aqui . Se tu chegou no você e ainda tá aí , é porque você já passou .

Speaker 3 40:08

Exato mas aí ele já tá aprendendo . Como é que ?

Speaker 2 40:12

eu sou Não , mas eu faço isso com o banco . Por exemplo , Vou comprar alguma coisa Se o banco tá liberando dinheiro , se o banco quer o banco se escuta de dinheiro , os caras que têm de dinheiro te dão crédito pra que você vai usar , porque eu vou discutir com ele .

Speaker 3 40:27

Eu uso esse mesmo conceito para uma outra coisa , exato Isso é muito mais produtivo , mais arriscado , mais arriscado seu . O meu arrisco assistiu a porcaria do Netflix , vamos lá Você falou um negócio legal .

Speaker 1 40:38

Agora que é pô quanto ganha um cientista de dados ? que é bastante , Dá um chute aí de salário , Só de exemplo exemplo Ó , um iniciante vai tirar ali entre chutando por baixo .

Speaker 4 40:53

é que agora surge algumas empresas pequenas oferecendo mixaria , mas mixaria mesmo muito abaixo .

Speaker 1 40:57

Mas na média .

Speaker 4 40:58

Na média ali o cara vai tirar entre 4 e 5 mil . Se você começa numa empresa grande , eu não tenho certeza , mas eu acho que Itaú , bradesco , nubank pagam em torno de 6, . Já vi gente ganhando 6,500 de largada Iniciante ali .

Speaker 4 41:11

Iniciante você já tá melhor do que 90% do país , sim , e ali em média deve tá na faixa de uns 9 mil , assim , tipo eu acho difícil um cara que tem um , entrou na área e tem ali um esforço mínimo , assim não vou dizer que Um bom profissional É um profissional médio , assim o cara que não vai talvez não seja o mais estudioso , mais dedicado , mas ele não é um cara desleixado . Eu acho difícil ele não tirar pelo menos 9 mil na área , assim , porque é muito fácil . Assim . Eu tenho pô teve um aluno que mandou mensagem esses dias , o Guilherme , acho que era o nome dele . Bom , ele também não vai saber , que O pessoal não vai saber , então eu posso falar os valores , é Guilherme .

Speaker 3 41:49

Mas ele Arroba a data , tô brincando .

Speaker 4 41:52

Ele conseguiu o primeiro emprego na área de dados . ele tinha entrado no clube de assinaturas . O clube tem há dois anos E ele tá ganhando hoje 11 mil .

Speaker 3 42:00

Então assim Opa churrasco na casa do Guilherme .

Speaker 1 42:11

Isso é uma coisa sobre um aluno , seu mecânico que foi pra dados e tal Pô . os seus cursos são altamente acessíveis .

Speaker 2 42:15

A pessoa consegue um investimento baixo .

Speaker 1 42:18

E é assim . Às vezes o cara tem um desejo de uma transição de carreira , se identifica com dados . Pode parecer que não , mas por exemplo o mecânico tem tudo a ver com a área de dados . Porque assim o mecânico tem tudo a ver com a área de dados ? Porque assim o cara .

Speaker 2 42:32

Eu estou tentando entender .

Speaker 1 42:36

O mecânico , ele é um investigador , Ele é um Sherlock Holmes irmão . Chega lá o carro está dando A gente descobre quando tem aquele barulho , meu amigo .

Speaker 3 42:47

Ele tem que descobrir por que aquele barulho . Tem que catalogar ali no tanto de conhecimento que ele tem . Descobre quando tem aquele barulho , meu amigo . Ele tem que descobrir por que é aquele barulho . Tem que catalogar ali , no tanto de conhecimento que ele tem , tudo aquilo que ? é aquele barulho .

Speaker 1 42:54

Ele tem que pegar por cento de mil causas e pegar e fazer o caminho reverso . Ele faz engenharia reversa , ele pega o dado que ele recebe é uma mixaria .

Speaker 1 43:11

As vezes chega assim não tá ligando e essa informação normalmente é isso ou então tem barulho aonde não sei não tá ligando aí o cara te pergunta qual barulho vocês viram esse vídeo , também sensacional , e é um negócio que tem tudo a ver as vezes você tá pensando numa transição de carreira e você não percebe o quanto que a experiência que você tem numa coisa que aparentemente não tem nada a ver com o conhecimento da matemática e dos dados pode pô inconstruir o cara .

Speaker 3 43:45

Aí , eu tenho que mudar já e falar uma outra questão , cara , que eu acho que acontece muito ainda . Eu não sei se vocês vão concordar , mas tem muita gente que não entende os fundamentos baixos de estatística , lógica , etc . E vai direto para soluções , vai direto ali mexer ali informagráfico etc . Mas não tem a menor ideia da lógica , de estatística , etc . E tá lá fazendo gráficos , montando painel , etc . Cara , esse negócio pode dar certo , pode dar ruim Por que você pensa nisso , porque pra minha opinião aquele cara ali a tendência de não funcionar tá muito grande .

Speaker 4 44:18

É arriscado , embora eu já apliquei isso em alguns alunos . Mas por quê Muito ? porque o cara sei lá , às vezes largou o emprego ou tá ganhando muito mal e quer entrar na área . Aí eu tava .

Speaker 3 44:29

É uma gambi . Você aplicou pra ele fazer Cara . você vai fazer isso pra você aprender a gambi . É você trocou a ordem dos fatores . Vamos pra aqui , pra você já entrar no mercado , enquanto depois E a vaga tá ali , porque essa vaga sempre vai ter o construtor ali de imposto , etc .

Speaker 4 44:43

Falei cara , pelo amor de Deus . Depois você volta nos fundamentos .

Speaker 1 44:49

É o cara pô . Quero desesperadamente ser músico . Tá bom , aprende aqui faroeste caboclo , não pô ? Aprende a tocar pandeiro Segura a atenção da galera . Um pouquinho entendeu .

Speaker 2 44:59

Enquanto isso você vai estudando . É o cara do pandeiro .

Speaker 4 45:03

Pandeiro é só o básico .

Speaker 4 45:05

Porque a gente também não tem muitos profissionais júniors que vão chegar muito formados , assim Tem os caras que vêm de exato . Então tem uma base diferente . Mas é Se o cara consegue aprender a ferramenta ali pra pelo menos suprir o que o júnior vai fazer ali no dia a dia , e ele tiver forte vontade pra depois correr atrás . Eu sempre falo pra eles isso mano , depois você tem que correr atrás . Porque isso mano , depois você tem que correr atrás porque senão esse é justamente o profissional que o pessoal fica falando ah , a IA vai substituir a gente . Se substituir o primeiro vai ser esse cara que só tá fazendo mexendo ferramenta , apertando o botão . Então você tem que depois voltar pra base , estudar coisas , estudar lógica , estudar fundamentos matemáticos , álgebra e estatística essas coisas todas , mas eu às vezes faço esse caminho inverso muito pra colocar o aluno rápido e ó ele O cara ir lá e fazer auxiliar o cara Exato .

Speaker 3 45:53

O cara está ajudando o cara na vida dele , também Sensacional , e o que o cara Aí tem que falar tem que . Outro tema extremamente polêmico , principalmente porque a IA tá aí , tá evoluindo todos os dias na velocidade , e eu tô na tecnologia há muito tempo . Nunca vi algo evoluir tão rápido né , porque todos os dias é um lançamento atrás do outro . Não para né . O que você vê você como da área realmente ali em cinco anos hoje , com a evolução das IAs , das tecnologias generativas que estamos aí no mercado , a questão do profissional de dados , do cientista de dados qual vai ser o papel nele nessa bagunça toda ?

Speaker 4 46:30

Legal . Eu acho que vai mudar um pouco , porque o cientista de dados eu não sei se todo mundo está familiarizado , mas ele tem ali três áreas de atuação que se combinam , que é a matemática , matemática , barra estatística , programação e negócios Ele é o cara que junta essas três coisas . Hoje é comum ter alguém que é muito matemática e muito negócio e pouco programação ou muito programação

Cultura Data-Driven e Manipulação de Dados

Speaker 4 46:53

, , muito negócio mas pouco matemática . Isso é comum . Tem gente que vem da ciência da computação que às vezes tem uma propensão maior a entender mais de software , de certos fundamentos , e o cara da matemática que vai mais pros números .

Speaker 4 47:05

Eu sempre fui esse cara dos números , mas eu acho que o futuro vai mudar e a gente vai começar a ter Esses três pesos não vão ser mais iguais . O peso da programação acho que vai vir muito , porque é o que eu falei , a gente vai começar a integrar muitos modelos diferentes , muitas arquiteturas misturadas ali , diferentes dependências , ali de programa A e B . Então o cara para orquestrar isso , saber como botar um modelo , por exemplo , de machine learning em produção e esse modelo funcionar direito , isso vai importar muito mais do que importa hoje .

Speaker 2 47:38

O projeto vai ter que ter um resultado . Ele tem que conectar , fazer essas duas bases conversarem e tudo mais . Exato , vai acabar precisando também dessa parte mais robusta de tecnologia .

Speaker 4 47:47

E até fundamento de engenharia de software , que às vezes a gente dá ciência de dados , a gente às vezes , principalmente quem vem da matemática , economia , estatística , às vezes a gente não dá tanta atenção Versionamento , né teste , nossa teste . É muito raro alguém que sai da matemática , da economia , da estatística saber colocar ali um teste no meio de um programa , não importa o quão robusto seja o sistema do cara , o código não vai estar modular , não vai usar orientação a objetos , não vai usar teste . Então acaba que a gente perdeu algumas das boas práticas , porque antigamente era não preciso de alguém que conheça esse modelo e faça ele rodar de algum jeito . Ali O resultado final era o que importava . É só que aí a coisa agora , quando vai integrar com muitas ferramentas , agentes de ar , os prompts que a galera vai colocar em cada agente , vai misturar muita coisa . Então a tendência é essa parte da engenharia ter cada vez mais peso . E aí eu acho que os cientistas da computação , a galera da programação vai decolar mais ainda , porque eu já sinto eles muito bem .

Speaker 4 48:53

Hoje em dia Eu sempre falo com os meus colegas que são matemáticos , economistas também , que eu acho muito estranho como muita gente da engenharia e da ciência da computação se sai melhor do que um estatístico e um matemático E eu teria tudo para defender a minha classe . Falaram não , nós somos bons matemáticos , sei o quê . Mas eu vejo muito engenheiro e cientista da computação assim decolando porque eles se importam com algumas questões de software , se importam com algumas questões de arquitetura , e isso no dia a dia acaba fazendo muita diferença . Fora que é uma galera principalmente da engenharia que é muito assim , o cara é solucionador de problema , ele dá um jeito ali , ele vai caçar alguma coisa .

Speaker 4 49:34

Eu não sei tem uma , uma característica ali , algumas soft skills diferentes . Nessa galera , eu sinto pelo menos , e eu acho que pro futuro , se os matemáticos estatísticos não mexerem um pouco nisso , pode ficar pra trás . Eu acho que pro cara muito , muito bom , sei lá PhD em matemática que tá fazendo pesquisa lá na Amazon , tudo bem , não vai importar , ele vai sempre ter oportunidade . Mas pros outros eu acho que é fundamental a gente começar a olhar mais pra só Então , nesse aí no futuro .

Speaker 3 50:03

Cara , ainda a gente fala um pouco das empresas que tomam decisões ali por feeling , né . E na sua opinião hoje o que tem que fazer pra implementar culturas analíticas na empresa ? A empresa realmente tomar a decisão baseada em dados e não no feeling do chefe ?

Speaker 4 50:20

ou no ?

Speaker 3 50:21

feeling do cara do RH ou no feeling de fulano , sem realmente pô os dados estão aqui e eu tô indo pra lá por quê ? Eu vejo isso muito em qualquer lugar , cara , e assim não faz sentido pra mim . Eu sou um cara que gosto de ver os números e depois eu tomo a minha decisão . Não importa , sabe , me dá número . Nós discutimos sobre isso hoje .

Speaker 1 50:39

Eu não quero nem saber cara .

Speaker 3 50:40

Meu perfil é ideias , eu cara me dê , pra mim cara me dá número , Aí eu tomo uma decisão baseada nisso e qualquer coisa que tiver que fazer . E aí eu fico louco com alguém tomar . Ah , cara , eu acho que tipo assim , Acho que vai chover , Tipo assim acho que vai chover Você tem a porra da previsão do tempo .

Speaker 2 50:57

Vamos olhar . Entendeu , Cara , depende Se vai que ele contratou o cacique e cobra coral O cacique e cobra coral .

Speaker 3 51:04

Entendeu , vai fazer não , mas isso é um lance .

Speaker 2 51:08

Um abraço . O Cassio e o Cobo Coral É uma instituição muito séria , ganha muito dinheiro Rock in Rio contrata .

Speaker 3 51:16

ele sabe pra quê ? Pra não chover no Rock in Rio .

Speaker 4 51:19

É sério . Isso É muito sério . Eu juro por Deus . Curiosidade .

Speaker 1 51:23

Eu achava que era sacanagem .

Speaker 3 51:25

É sensacional E quer que eu te fale .

Speaker 4 51:31

Sabe quem foi um dos fundadores ? Paulo Coelho , que isso Juro por Deus . Eu tô falando isso , não é piada . A dança da não chuva .

Speaker 3 51:36

E quer que eu te fale uma parada ? Tipo assim Carnaval do Rio , rock in Rio .

Speaker 1 51:39

Essas galeras contratam Campeonato de futebol .

Speaker 2 51:42

Caralho velho , a hora Aí eu fui cara , eu fui no site velho E ele contou essa porra .

Speaker 3 51:51

nós estávamos numa praia , cara , e ia chover . a previsão falava cadê o cacique que comeu a caralho , entendeu ?

Speaker 2 51:57

Vamos fazer uma vaquinha aqui . Caralho , a gente queria tanto É o índio que faz não chover A gente queria tanto que não chovesse , vez que eu tava quase acreditando , entendeu .

Speaker 1 52:06

Vamos lá , vamos continuar .

Speaker 3 52:08

Existe . isso É muito . Essa era a piada do negócio mas é um fato .

Speaker 4 52:13

Eu vou procurar depois .

Speaker 3 52:14

É um absurdo de ciência qualquer .

Speaker 4 52:16

Não legal mas .

Speaker 1 52:17

Respeita o cacique .

Speaker 2 52:18

Eu não brinco não senão vai começar só a chover em cima da gente Dizendo o Google é uma organização esotérica que afirma controlar o clima . Que loucura Vamos deixar o link aqui na descrição .

Speaker 1 52:33

E desafios de matemáticos aprovaram o contrário .

Speaker 3 52:38

Como estatísticas , estatísticas Como é que é o nome da estatística , que a gente gosta de falar muito dentro do Jornal Nacional . Você recomenda muito dele .

Speaker 1 52:46

O que era chamado .

Speaker 3 52:47

É sempre .

Speaker 1 52:49

O matemático Oswaldo Souza , o Oswaldo , o que era chamado o matemático Oswald Souza . Oswald Souza , um ídolo ali do .

Speaker 3 52:52

Jornal Nacional . Sempre a opinião dele era importada . Né vamos lá de cultura , data-driven .

Speaker 4 52:57

Eu acho que assim uma das primeiras coisas é você mostrar a importância daquilo mesmo , realmente mostrar que faz a diferença . Eu tinha uma atividade que eu dava em palestras , workshops , que era assim eu passava pra , eu mostrava foto de três personagens e falava pra quem você recomendaria sei lá , esse livro , acho que , de meditação e esse livro de economia . Aí o pessoal chutava ah , pra ele , pra ela , sei lá aleatório . Aí eu colocava alguma informação tipo idade , aí depois eu colocava renda , e aí o pessoal ia mudando as respostas Até que eu ia , por exemplo , sei lá , o último , sensacional , isso .

Speaker 4 53:30

O último evento que ele fez né que ele participou . E aí putz o cara foi sei lá num congresso da Febraban , lá bancário , e outro foi sei lá num retiro . Aí o pessoal opa pera aí então pra esse do retiro . Então a ideia é ir mostrando quanto mais dados você tem quanto mais dados você tem , mais preciso fica a sua decisão .

Speaker 3 53:54

Porque a primeira decisão ? por quê ? Porque eu acho que a cara dele combina com esse livro . Basicamente é isso , é a decisão do machismo . É o meu feeling .

Speaker 4 54:00

E eu também colocava muitas das questões que a gente acreditava muito e que os dados vieram e mostraram que era o contrário . Sabe , tem um paper , é que hoje ele é mais polêmico .

Speaker 3 54:10

Assim , porque de metodologia e tal Gostão de polêmica , vamos lá .

Speaker 4 54:13

E o tema também é polêmico . Opa , gostamos das duas coisas , vamos lá E foi bom . acho que todo mundo sabe que Nova York era muito tinha alta criminalidade anos 70 , 80 , e lá pros anos 90 foi melhorando até esse momento comentavam nos jornais de por que que melhorou Aí o pessoal . ah , teve um policiamento ali um pouco mais rigoroso .

Speaker 3 54:39

Mais constensivo vamos chamar .

Speaker 4 54:41

Teve ali implementação de tecnologia e tudo mais , e assim . Matematicamente esse paper hoje é um pouco mais contestado , mas o que eles conseguiram provar é que a maior parte veio da legalização do aborto , porque aí famílias menos estruturadas acabam não tendo filho e aí acabava que diminuía .

Speaker 1 55:00

Reduziu ao longo do tempo o caralho .

Speaker 4 55:03

E deixando bem claro que não é sugerir usar a mão .

Speaker 3 55:08

Isso é correlação e não dá pra provar que seja causalidade .

Speaker 4 55:17

Na verdade dá Porque ? qual ? Porque eu não lembro muito desse paper ?

Speaker 3 55:21

porque ele faz muito tempo mas o que a gente faz , Eu já ia concordar com o paper , porque eu já Faz sentido mas Faz sentido , mas segura a sua concordância .

Speaker 1 55:29

Faz sentido , mas não vamos sair por aí opinando né .

Speaker 2 55:33

Vamos só ler o Conta mais sobre o paper Lembrando é o paper . Tá gente , não é a gente que tá falando isso não .

Speaker 4 55:40

É uma informação . informações do paper Steven Levitt pra quem quiser ler .

Speaker 3 55:42

depois Vamos deixar o link , deixa a produção link .

Speaker 4 55:44

Eu inclusive quero ler esse paper É legal O que a gente faz na economia , quando a gente quer saber se uma política pública teve impacto ou não , por exemplo , vamos dizer ali polícia , né Se polícia realmente diminui significativamente o crime ou não . Quanto que um policial consegue adicionar um policial ao corpo consegue diminuir de criminalidade . Eu não posso chegar e falar eu vou botar a polícia nesses bairros , nesses outros não , e vou ver qual que é a diferença . Como se fosse um laboratório . Não pode , não seria eticamente correto .

Speaker 4 56:15

Então o que a gente faz , a gente busca eventos que meio que simulam experimentos , assim , e aí óbvio que incluindo alguns controles . Mas o que aconteceu , por exemplo na Inglaterra acho que em Londres Teve um atentado terrorista lá E aí o que aconteceu , colocaram mais polícia , não tinha a ver com a criminalidade de roubo e qualquer outro tipo assalto , não , eles só colocaram porque teve um ataque terrorista . Isso é quase que um experimento controlado . É quase como se eu falasse olha , vou colocar polícia aqui , não vou colocar aqui , e vou ver qual que é o impacto . Então a gente aproveita de eventos que funcionam quase como um experimento ali , e aí , óbvio , adiciona alguns controles , uma certa rigidez estatística e a partir disso a gente consegue chegar à resposta de que A causa B ?

Speaker 2 57:03

Os eventos que já aconteceram ou que pra você conseguir .

Speaker 3 57:06

E se olhar o paper , cara , se encaixam no seu padrão de pesquisa E se você olhar o paper assim , infelizmente , ou não pode , famílias que às vezes não deram atenção suficiente ali pra aquele filho e aí , etc . E pode causar um filho que não foi criado da forma mais correta e a marginalização acaba indo pro clima E ficar sem recursos , exato uma série de coisas .

Speaker 1 57:29

Então assim entra a questão social . É um monte de coisas . Então faz sentido a estatística , O fim da história é assim se você fizer a matemática certinho , certinho , certinho , você vai concordar com o Thanos . Entendeu ?

Speaker 3 57:43

Não essa já complica , mas enfim É difícil . Sabe quando foi uma falha do Thanos , né Ele foi muito aleatório .

Speaker 2 57:54

A justificativa do aleatório é a tentativa de ser justo e não é equilíbrio .

Speaker 1 58:00

Mas sabe o que eu lembrei aqui , cara ? Eu lembrei do filme Tropa de Elite , que tem uma cena engraçadíssima dos policiais arrastando o corpo de um bairro pro outro , porque aí ia contar na estatística do outro batalhão .

Speaker 3 58:14

Ah , sim , mas isso é um fato . Né na estatística do outro batalhão . Ah sim , mas é isso , isso é um fato . Né É um morto , joga lá de lá . Joga lá de lá , e realmente é um fato . A polícia tem que contar . Todo mês tem que contar a estatística de crime de quem tem que reportar isso aí . Isso é um negócio louco , né ? E realmente eles .

Speaker 4 58:31

Ninguém quer até ficar com o número . Problema parecido . Quando eles começaram a remunerar professor com base na performance dos alunos ? Aí , tem professor mostrando respostas pra aluno .

Speaker 3 58:40

Não , isso é loucura . Isso é loucura loucura . Meu aluno é só 10 , vai ver se é 10 , meu salário é 10 .

Speaker 1 58:47

Vou dar um outro exemplo polêmico aqui . Imagina um governo passado desse mesmo presidente . Ele fez uma coisa muito engenhosa que é o seguinte quando vieram os programas de assistência , de assistencialismo , você tinha ali uma quantidade X de cidadão que tinha uma renda de um dólar por mês . Ele falou não peraí , deu a grana pros caras . Esses caras saíram da linha de pobreza e o gráfico ficou bonitão do dia pra noite . Ele resolveu o problema . Pronto , tá aí , saiu da linha da pobreza não sei quantos milhões .

Speaker 3 59:27

Caraca esse cara já que é pra polemizar , é o seguinte vamos lá se é pra polemizar essa questão de gráficos e estatísticas , cara , é por isso que tem que tomar muito cuidado pra analisar a fonte . Qualquer estatística que você vê , em qualquer noticiário , em qualquer coisa , se você não tá vendo a fonte e entender a metodologia como foi feita , ela pode ser manipulada . Ela pode se levar pra O número pode te levar a tomar uma decisão errada . Quantas ?

Speaker 2 59:52

vezes a gente já não viu que o gráfico que mostra que o número menor tá maior no gráfico que o número maior e tal Não e não é isso , é porque , tipo assim , se o senhor não tem a amostragem ? se não tem a fã , não sabe ali a origem . Aí é importância . Eu não sei a qualidade dos dados .

Speaker 3 1:00:04

Cara , você não pode levar em consideração aquela estatística , então assim tem que tomar muito cuidado com dados também , isso que é legal da parte da ciência , porque na ciência se alguém solta um artigo e tá manipulado , isso já aconteceu bastante , tipo o cara solta , só que a galera vai lançando deles . Vai lançando , e aí é o lance . Só que aí vamos lá

Considerações Finais e Contatos

Speaker 3 1:00:30

.

Speaker 1 1:00:30

O cidadão médio às vezes e o noticiário se vai manipular , vai ter viés .

Speaker 3 1:00:40

Aí já era em uma nova geração é complicado demais porque eu vi a estatística . Que estatística é essa baseada em que ? qual é a fonte de dados ? a pessoa que entende que os dados vêm de algum lugar e aquilo lá tem que ter uma qualidade , tipo de amostragem , uma série de coisas . Mostrar um gráfico pra mim sem eu ver , eles sabem tanto que eu sou crítico . Eu pego a planilha . Não apresenta tabela pra mim não .

Speaker 3 1:00:59

Porque tabela é ir lá . E Cara , eu não quero ver a tabela , eu quero ver a planilha , eu quero ver o dado ali , eu quero ver da onde tá vindo aquilo ali .

Speaker 1 1:01:05

Vou contar uma coisa interessante sobre isso , sobre a questão de manipulação de dados . Eu morei na Argentina por cinco anos E aí vez eu tava com um amigo lá , ele falou vou te ensinar uma coisa .

Speaker 3 1:01:19

Aqui vamos comer no McDonald's . Hoje vou te ensinar uma parada .

Speaker 1 1:01:20

Era brasileiro , esse amigo é , chegamos na fila do McDonald's . Ele falou assim acha o Big Mac aí no cardápio ? eu olhei , pô não tinha Big Mac no cardápio . O hambúrguer mais barato custava 50 pesos , um hambúrguerzinho simples 50 pesos , um hamburguerzinho simples 50 pesos . E eu pô tá , ele vamos pedir um Big Mac , aí quero um Big Mac , aí pô 20 pesos . Ele não só não estava no cardápio , como ele era ridiculamente mais barato que tudo ele falou . Eis a questão o Big Mac ele é usado pra índices de de inflação . Não mentira que eles faziam Mac , ele é usado pra índices de inflação .

Speaker 3 1:01:59

Não mentira que eles faziam isso lá Tô te falando . Ele é subsidiado porque o índice Big Mac é um índice global , Exatamente , E aí não tinha no cardápio e ele era muito mais barato .

Speaker 1 1:02:11

Peronismo raiz , e ele era muito mais barato .

Speaker 3 1:02:15

Caramba , velho Eu como era estudante lá na época passei o resto da vida direto Caramba , velho isso que eu chamo de manipulação Só pra me dar o índice Big .

Speaker 1 1:02:24

Mac Tradicional na economia . Eu vivi isso , eu vi , comprei o Big Mac desse formato .

Speaker 3 1:02:32

Então subsidiar o Big Mac é Nossa cara . Estamos chegando no nosso tempo aqui . Mr Anderson , eu acho que cara dá pra falar bastante tem muito papo .

Speaker 1 1:02:42

É um assunto vasto , mas acho que abriu a cabeça da galera pra muita coisa . Acho que criamos boas oportunidades aqui . André you kill foi massa mas vou deixar contigo agora o microfone pras suas considerações finais cara .

Speaker 3 1:03:01

Deixa a link abaixo um vida abraço pra mãe , pra pai , pro irmão . Isso o que você quiser , fica à vontade , amigo , vai lá , andrés .

Speaker 4 1:03:06

Vou agradecer aí primeiro pelo convite . Pô , eu gosto demais de falar de dados . Eu sou o nerdola dos dados , cara , eu gosto muito assim . Eu leio paper de assuntos que não tem nada a ver com a minha vida , com machine learning , porque eu fico pirado assim nessas coisas . E aí , quem quiser conhecer o projeto na Universidade dos Dados , acessa ali universidadedosdadoscom Toda a sede , aí é arroba , universidadedosdados , você vai encontrar . E lá , mesmo se você não quiser assinar o clube , a gente tem conteúdo técnico gratuito , conteúdo bom .

Speaker 3 1:03:38

Então acho que vocês vão gostar bastante Sensacional , galera , e olha só quiser conversar com ele . Os links , além do link da Universidade de Dallas , os links do LinkedIn do Equil , as redes sociais , vão estar todos aqui na descrição do episódio . Parabéns , equil , por essa iniciativa de realmente massificar um negócio que é tão complexo , né Entregar isso aí de uma forma . Eu vi aqui que tem mais de 1.400 alunos já pra você estar com certeza transformando a vida de muita gente também E alimentando um mercado que precisa cada vez mais analisar dados , tomar decisões analíticas e não no achismo . Obrigado demais , cara . O convite tá aberto aqui . Com certeza Vamos conversar outras vezes aí fazer um debate sobre informação da AdMastilani e , tendo alguma coisa pra contar pra gente , pode voltar . É isso aí , até mais .

Speaker 4 1:04:37

Valeu , quero café , quero café .