Categorias
Cibersegurança Equipa

Boas práticas de cibersegurança para profissionais de TI

Na era digital em que vivemos, é impossível ignorar a cibersegurança e a sua importância tanto para empresas como indivíduos. Como profissionais de TI, manter boas práticas de cibersegurança não é apenas essencial para proteger de forma eficaz dados sensíveis, mas também para assegurar um fluido funcionamento de sistemas e rede. Estatisticamente, sabemos que com o início do ano letivo, aumentam as fraudes online, e por isso nunca é demais relembrar algumas das boas práticas de cibersegurança que podemos aplicar, todos os dias.

boas práticas cibersegurança - Password

Priorizar um bom sistema de gestão de palavras-passe

Um dos aspetos fundamentais ainda que por vezes subvalorizado da cibersegurança é a gestão de passwords. Como um profissional de IT, dar o exemplo é crucial. Implementa passwords fortes e complexas para todas as tuas contas, e sê a pessoa que encoraja toda a gente na equipa a fazer o mesmo. Utiliza gestores de palavras-passe para gerar, organizar e guardar as passwords de cada plataforma , reduzindo o risco de acessos não autorizados.

De acordo com um artigo recente do New York Times, os dois melhores sistemas de gestão de passwords são o 1Password e o Bitwarden.

boas práticas cibersegurança - Updates

Atualizar frequentemente software e apps

Software e aplicações desatualizadas podem traduzir-se em vulnerabilidades sérias de segurança. Faz por regularmente atualizar todas as tuas aplicações e software, incluindo sistemas operativos, antivírus, e aplicações third-party. Automatizar updates também poderá poupar-te algum tempo e assegurar que os teus sistemas estão sempre equipados com os patches de segurança mais recentes.

boas práticas cibersegurança - 2FA

Implementar autenticação de dois fatores (2FA)

A autenticação de dois fatores (two-factor authentication) acrescenta uma camada adicional de segurança para além da password. Ativa a 2FA sempre que possível, obrigando assim os utilizadores a inserir uma segunda forma de autenticação, por exemplo em forma de código único enviado para o telemóvel. Este passo extra adiciona uma resistente barreira contra acessos não autorizados, mesmo que a password seja comprometida.

De acordo com este artigo, os quatro melhores métodos de autenticação de dois fatores são:

4. Autenticação de dois fatores à base de SMS

3. Apps de autenticação

2. 2FA Push-based

1. 2FA Hardware-based

boas práticas cibersegurança - redes

Garantir ligações de Rede e Wi-Fi Seguras

Para os profissionais de TI, garantir ligações de rede seguras é, como sabemos, uma boa prática fundamental. Certifica-te de que a tua rede Wi-Fi está protegida com uma senha forte e utiliza a encriptação WPA3. Implementa firewalls e sistemas de detecção de intrusões para monitorizar o tráfego da rede e detectar atividade suspeita em tempo real.

boas práticas cibersegurança - Backups

Realizar regularmente cópias de segurança de dados:

A perda de dados devido a ciberataques ou avarias de hardware pode ser catastrófica. Estabelece uma rotina para efetuar cópias de segurança regulares dos dados, tanto em armazenamento em cloud como em cold storage. Soluções de cópias de segurança baseadas na nuvem podem garantir uma camada adicional de proteção contra a perda de dados, garantindo a continuidade do negócio perante eventos inesperados.

 educar sobre cibersegurança

Educar e sensibilizar:

A educação é muitas vezes o primeiro passo e uma poderosa ferramenta na luta contra ameaças cibernéticas. Organiza sessões regulares de sensibilização para a cibersegurança com os teus colegas para os manter informados sobre os riscos mais recentes e as melhores práticas. Incentiva constantemente comportamentos vigilantes, como a identificação de e-mails de phishing e a denúncia de atividades suspeitas.

Para além de sensibilizar os outros, uma formação contínua em cibersegurança e a obtenção de certificações relevantes, como CompTIA Security+, Certified Information Systems Security Professional (CISSP), CyberSafe – CyberSec First Responder, Certified Information Security Manager (CISM), é algo particularmente relevante para qualquer profissional de IT.

cibersegurança - dispositivos móveis

Assegurar dispositivos móveis:

Os dispositivos móveis são um ponto de entrada extremamente comum para ciberataques. Implementa medidas de segurança em smartphones e tablets, incluindo a possibilidade de eliminação remota e encriptação. Evita sempre que possível ligar-te a redes Wi-Fi públicas não seguras e utiliza redes privadas virtuais (VPNs) para uma proteção adicional.

No cenário em constante evolução das ameaças cibernéticas, os profissionais de TI desempenham um papel fundamental na proteção de ativos digitais e na manutenção da integridade dos sistemas. Ao seguir estas práticas simples, mas eficazes, de higiene de cibersegurança, os profissionais de TI podem dar um exemplo forte, promover uma cultura de consciencialização para a segurança e contribuir para um ecossistema digital mais seguro. Lembra-te de que a cibersegurança é uma responsabilidade partilhada que requer vigilância contínua e medidas proativas.

Categorias
Equipa RH

Oito tendências de benefícios para colaboradores em 2023

À medida que as organizações se continuam a adaptar a um mundo em constante evolução, os benefícios para colaboradores, comumente referidos como “employee benefits” ganharam uma visibilidade e importância enormíssimas no que toca à cultura do local de trabalho, atração de talento e fomentação do bem-estar de colaboradores. Em 2023, o panorama de employee benefits continua a ver alterações significativas, trazidas pela mudança de expectativas por parte dos colaboradores, avanços tecnológicos, e um crescente foco no bem-estar geral.

Será possível atrair e fidelizar talento ao mesmo tempo que se promove o bem-estar e a produtividade? Vejamos as maiores tendências de benefícios para colaboradores que têm vindo a revolucionar a experiência profissional, e a empoderar empresas para que criem ambientes prósperos e focados no colaborador.

1. Trabalho mais flexível

Se há algo que os eventos dos anos recentes nos trouxeram, foi uma visão diferente e redefinida de como funciona o work-life balance (ou equilíbrio entre vida profissional e pessoal). Em 2023, o trabalho flexível tornou-se um benefício normal e esperado para quem se encontra na área de IT (e não só). As empresas abraçaram o trabalho remoto e híbrido e horários mais flexíveis para acomodar diversas necessidades e para promover uma maior integração work-life. Esta tendência não só traz, com frequência, um comprovado boost à produtividade, como também aumenta a satisfação de colaboradores e diminui o stress relacionado com as deslocações frequentes ao local de trabalho, especialmente nas grandes cidades.

2. Carro da empresa e plafond de despesas associadas

Em Portugal, cerca de 80% das empresas atribuem automóvel aos seus colaboradores, diz o Car Benefit Policies 2020, um estudo da Mercer sobre este tema. Ainda assim, trata-se de um benefício muito valorizado pelos colaboradores e fortemente enraizado entre as práticas de compensação no tecido empresarial, representando ainda um papel muito importante na atração e na retenção de talento nas empresas.

3. Programas de saúde e bem-estar

A saúde e o bem-estar dos colaboradores sempre estiveram no plano de visão das empresas mas, agora, podemos esperar ver ainda mais ênfase nesses programas. As empresas escolhem oferecer uma variedade de programas de saúde e bem-estar, incluindo acesso ou descontos em ginásios e aulas de fitness, iniciativas de alimentação saudável, bem como atividades de wellness no local de trabalho. Também é comum incluir seguros de saúde abrangentes que ajudam a garantir o acesso dos colaboradores a cuidados médicos de qualidade e que estimulem um estilo de vida saudável.

4. Apoio à saúde mental

Felizmente, a saúde mental cada vez menos se vê como um assunto tabu, e como algo tão necessário de ser cuidado como a saúde física, saúde dentária, etc. As empresas começam agora a comprometer-se cada vez mais com providenciar aos seus colaboradores o acesso à terapia, ao acompanhamento psicológico, recursos de mindfulness, etc.

5. Plafond para Home Office

No segundo trimestre de 2023, cerca de 20% dos trabalhadores portugueses já trabalha, total ou parcialmente, de forma remota. Algumas empresas também já adicionaram às suas opções de employee benefits um plafond – mensal ou anual – para despesas relacionadas com home office, como por exemplo secretárias, cadeiras, iluminação, organização do espaço de trabalho, ou até mesmo despesas de eletricidade, aquecimento, internet, etc.

6. Programas de literacia financeira

Os colaboradores são, hoje em dia, cada vez mais preocupados com seu bem-estar financeiro e com aprender a melhor gerir as suas finanças; e as empresas começam também a responder mais a essas necessidades. Os apoios à literacia financeira podem incluir educação financeira, preparação da reforma, gestão de dívidas e recursos de orçamentação. Em 2023, esperam-se mais empresas a oferecerem estes tipos de programas para ajudar os colaboradores a melhorar a sua saúde e literacia financeira e reduzir o stress associado a esta dimensão da vida, numa altura em que testemunhamos altos níveis de inflação a nível mundial.

7. Upskilling e formação

Investir no crescimento e desenvolvimento dos colaboradores tem um direto impacto na retenção e motivação do talento. Cada vez mais vemos empresas a expandir os benefícios para colaboradores para incluir oportunidades robustas de upskilling e desenvolvimento profissional. Desde o acesso a formações online e presenciais, a certificações e programas de mentoria, estes benefícios permitem aos colaboradores manterem-se relevantes nos seus campos profissionais, e alimentarem o seu crescimento de carreira, mantendo-se com o mesmo empregador.

8. Planos de benefícios personalizados

No passado, os pacotes de benefícios para colaboradores costumavam ser mais ou menos iguais para todos, mas essa solução é cada vez menos procurada. As empresas reconhecem a importância de oferecer pacotes de benefícios feitos à medida e que correspondam às necessidades e preferências únicas de cada colaborador. Opções como vale-infância, ensino, seguros de saúde – upgrades e adesão de familiares, vida, acidentes pessoais, planos de poupança e reforma, entre outros, são alguns desses exemplos.

Fonte: enrich.org

Em 2023, abraçar estas tendências de benefícios para os colaboradores não é apenas uma jogada estratégica, mas também uma prova do compromisso das empresas para com o bem-estar dos seus colaboradores, confiando neles e ajudando-os a crescer e atingir os seus potenciais, em conjunto.

O trabalho flexível, benefícios personalizados e adaptados aos colaboradores, o foco na saúde mental e na literacia financeira, sem esquecer a constante aposta na formação do talento traz um destaque à importância de empoderar os colaboradores, tanto pessoal como profissionalmente.

Categorias
Cursos Formação Inovação

Programação Reativa: Capacidade de resposta e escalabilidade no desenvolvimento de Software

No dia-a-dia dinâmico do desenvolvimento de software, onde a capacidade de resposta, escalabilidade e processamento de dados em tempo real são importantíssimos, a programação reativa emergiu como um verdadeiro paradigma transformativo. Enraizado na necessidade de lidar com as complexidade das aplicações de hoje, este modelo oferece um novo approach que se foca numa programação orientada a eventos, sem bloqueio e assíncrona. Ao utilizar o poder de fluxos de dados (streams) e ao propagar mudanças de dados de forma reativa, este paradigma de programação tem vindo a revolucionar a forma como os developers constroem aplicações responsivas e resilientes.

Exploremos então os vários princípios-chave, particularidades e aplicações no mundo real deste tipo de programação.

diferenças entre programação reativa e imperatva
Fonte: infoq.com

Compreender a Programação Reativa

Na sua essência, a programação reativa é um paradigma de programação declarativa que permite aos developers lidar com fluxos de dados assíncronos e reagir a mudanças de uma forma mais eficiente e organizada. Contrariamente à tradicional programação imperativa e que se define explicitamente às operações passo-a-passo, aqui expressam-se as relações entre dados e eventos. Existe um approach mais funcional e focado em eventos, onde os dados fluem através de pipelines e transformações, reagindo a mudanças sem bloquear o fluxo de execução.

os princípios chave da programação reativa
Fonte: medium.com

Princípios-chave e principais características

A programação reativa adere a vários princípios-chave que regulamentam o seu comportamento:

1. Assincronia

Os sistemas reativos são dos melhores a gerir tarefas assíncronas, permitindo às aplicações manter-se responsivas e ter uma performance eficiente, mesmo sob pesadas cargas de trabalho.

2. Foco em eventos (event-driven)

Ao enfatizar a importância de eventos e fluxos de dados, permite-se às aplicações reagir de forma instantânea a mudanças nos dados, garantindo capacidade de resposta em tempo real.

3. Escalabilidade

Os sistemas reativos estão desenhados para escalar horizontalmente, distribuindo tarefas em múltiplos nós (nodes) e gerindo uma maior procura de forma rápida e sem problemas.

4. Resiliência

A programação reativa promove a tolerância à falha (fault tolerance) e degradação graciosa (graceful degradation), fazendo com que as aplicações recuperem de falhas e se adaptem às condições em mudança.

Aplicar a programação reativa a cenários no “mundo real”

A programação reativa tem diversas aplicações em variados domínios:

1. Web Development:

Nas aplicações Web modernas, bibliotecas de programação reativa como React.js e Angular permitem aos developers construir interfaces de utilizador interativas e responsivas, melhorando assim a experiência do utilizador.

2. Fluxo de dados

As abordagens reativas são ideais para gerir fluxos de dados contínuos, tornando-os valiosos para aplicações que lidam com dados em tempo-real como feeds de social media, dados de sensores em IoT, e dados de mercados financeiros.

3. Sistemas distribuídos

Em arquiteturas distribuídas, a programação reativa ajuda a construir microserviços resilientes e a gerir a comunicação entre componentes de forma eficiente.

comic sobre a vida e um software engineer
Fonte: Manu Cornet

Desafios à programação reativa

1. Curva de aprendizagem

Os developers mais acostumados à programação imperativa poderão encontrar uma curva de aprendizagem aquando da transição para a programação reativa e o seu paradigma funcional e focado em eventos.

2. Complexidade

Os complexos fluxos de dados e cadeias de eventos podem requerer um design e gestão cuidadosos para que se evitem armadilhas como controlo de contrapressão (ou backpressure) e afunilamento (ou bottleneck) de desempenho.

Exemplos reais

O que preciso de fazer para passar a programar de forma reativa?

Se pensas dar os primeiros passos no mundo da programação reativa, há que considerar o seguinte:

1. Uma base forte de programação assíncrona

É essencial ter uma sólida compreensão dos conceitos de programação assíncrona. Familiariza-te com callbacks, promessas e async/await em linguagens como JavaScript ou Kotlin. Estas bases irão permitir-te compreender os conceitos reativos que virão a seguir.

2. Compreender os conceitos centrais

Perceber os conceitos centrais da programação reativa é absolutamente crucial. Foca-te em ser um mestre de conceitos como Observables, Observers, e Subscribers. Um Observable representa um stream de dados ou eventos, enquanto que os Observers e Subscribers reagem às mudanças nos Observables. Podemos dizer que estes são o cimento e os tijolos da programação reativa.

3. Tecnologias mais utilizadas

Várias tecnologias e bibliotecas populares permitem aos developers implementar programação reativa de forma eficiente. Para JavaScript, RxJS (Reactive Extensions for JavaScript) é a biblioteca principal que oferece uma vasta coleção de operadores e ferramentas reativas. Para Java, Spring WebFlux oferece um robusto suporte reativo . Outras linguagens como Kotlin e Swift também têm as suas respetivas bibliotecas reativas que são largamente utilizadas dentro dos seus próprios ecosistemas.

4. Explorar Frameworks reativas

Para poder verdadeiramente experienciar o poder da programação reativa, explorar frameworks reativas pode ser sem dúvida benéfico. Por exemplo, React.js em frontend e Spring Boot com WebFlux em backend pode ser uma poderosa combinação para construir aplicações web reativas.

5. Melhores cursos e recursos de aprendizagem

Conforme a programação reativa vai ganhando popularidade, mais e mais recursos de aprendizagem e cursos vão surgindo para te ajudar a ficar 100% confortável com todos estes conceitos. Websites como Udemy, Coursera e Pluralsight oferecem cursos em programação reativa para diferentes níveis de experiência. Procura cursos com exercícios práticos e aplicações no mundo real para poder solidificar os teus conhecimentos.

Na Olisipo, oferecemos-te algumas formações que incluem a programação reativa tais como Construção de aplicações web com React, ou Javascript – Desenvolvimento web moderno .

6. Projetos hands-on

Nada substitui a experiência prática, e a programação reativa não é excepção. Faz por trabalhar em projetos hands-on que envolvam streams em tempo real, arquiteturas com foco em eventos, e UIs responsivos. Construir aplicações web reativas ou integrar recursos reativos em projetos existentes vai aprofundar os teus conhecimentos e capacidades.

7. Colabora e aprende

Junta-te a comunidades online, foruns e grupos nas redes sociais dedicados à progração reativa. Comunicar com developers que estão a passar ou já passaram pelo mesmo processo e têm conhecimentos para partilhar traz-te insights valiosos e oportunidades de aprendizagem. Participar em hackathons ou desafios de coding que incorporam elementos reativos pode também ser uma ótima maneira de te desafiar e aprender.

A programação reativa emerge assim como um poderoso paradigma que se foca nos principais requisitos no desenvolvimento de software moderno. Ao priorizar a assincronia, as arquiteturas centradas nos eventos e a escalabilidade, este modelo empodera os developers a construir aplicações altamente responsivas e eficientes.

À medida que o desenvolvimento de software continua a evoluir, integrar os princípios da programação reativa irá provar-se crucial para se manter na vanguarda da inovação e entregar experiências de utilizador superiores. Com a sua habilidade única de gerir em tempo real dados e tarefas assíncronas, a programação reativa coloca-se no caminho de se tornar uma ferramenta indispensável para developers que queiram vingar neste panorama em constante mudança que é a tecnologia.

Categorias
Cursos Formação

‘Alquimia’ Agile: Como transformar o dia-a-dia dos profissionais de TI com flexibilidade e sucesso

No reino sempre em evolução das tecnologias da informação, onde a rápida inovação é a norma, as formas tradicionais de gestão de projetos têm cada vez mais dificuldades em se manter a par. E é aí que entram em cena as metodologias Agile – um transformativo conjunto de frameworks flexíveis e interativos que têm revolucionado a forma como os profissionais de TI vêm e abordam as suas tarefas diárias. Tal como na alquimia, que se dizia transformar chumbo em ouro, também as metodologias Agile geram resultados extraordinários, lançando um approach dinâmico à gestão de projetos, fomentando a colaboração e adaptabilidade.

Fonte: Krasamo

Exploremos então as várias formas como o Agile eleva as vidas diárias dos profissionais de TI, desbloqueando uma maior produtividade e alcançando o sucesso.

Enfatiza a colaboração e comunicação

Um dos princípios-chave do Agile é o seu foco em que equipas transfuncionais trabalhem em conjunto, de forma colaborativa. As práticas Agile, tais como as reuniões diárias “stand-up”, encorajam a comunicação aberta, permitindo aos membros das equipas partilhar progresso, desafios e atualizações. Isto fomenta uma cultura de transparência, mandando abaixo silos organizacionais (estes silos são uma metáfora que remete a equipas, indivíduos ou até plataformas que trabalham de forma isolada dentro da empresa e que têm dificuldades em comunicar com o exterior) e certificando que toda a gente está alinhada com os objetivos de um projeto. O resultado é uma maior eficiência, reduzidos problemas de comunicação e uma mais rápida tomada de decisão.

Entrega valor incremental por meio do desenvolvimento iterativo

As metodologias Agile promovem a entrega de pequenas e incrementais melhorias ao longo do tempo, em vez de esperar por um produto final monolítico. Os profissionais de TI podem experienciar a satisfação de ver o seu trabalho ir ganhando vida através de iterações regulares, dando-lhes também a oportunidade de receber feedback de stakeholders mais cedo no processo de desenvolvimento. Este approach iterativo permite melhorias contínuas e rápidos ajustes baseados nos requisitos atualizados, o que resulta num produto final que melhor se adequa às necessidades do utilizador.

Adapta-se aos requisitos e prioridades que vão mudando

No panorama dinâmico de TI, é normal que os requisitos e prioridades mudem. As metodologias Agile abraçam esta realidade, ao permitir que os profissionais de TI se adaptem e ajustem rapidamente. O uso de histórias de utilizadores e sessões de refinamento de backlog permite que as equipas voltem a priorizar tarefas com base nas necessidades do negócio, mudanças do mercado ou feedback dos stakeholders. Ao evitar um planeamento demasiado rígido e a incluir a flexibilidade, as metodologias Agile ajudam os profissionais de TI a permanecer responsivos e entregar valor mesmo em circunstâncias incertas.

Encoraja a aprendizagem e melhoria contínuas

As metodologias Agile encorajam uma cultura de aprendizagem e melhoria contínuas. Reuniões retrospectivas no final de cada iteração dão espaço às equipas para refletir nos seus processos, identificar áreas de melhoria, e celebrar sucessos. Este compromisso para com a aprendizagem reforça um sentimento de propriedade e responsabilidade, motivando os profissionais de IT a tornarem-se mais proativos e organizados no seu trabalho.

Melhora a comunicação com stakeholders e satisfação de clientes

Ao envolver os stakeholders durante o processo de desenvolvimento, as metodologias Agile garantem que os projetos estão alinhados com os objetivos de negócio, bem como as necessidades do cliente. Demonstrações regulares de características funcionais permitem aos stakeholders dar feedback atempado, minimizando o risco de atrasos e garantindo que o produto final vai de encontro às expectativas.

“Intelligence is the ability to adapt to change.”

Stephen Hawking

As metodologias Agile já há muito que vêm transformando a forma como os profissionais de IT trabalham, proporcionando uma abordagem flexível, colaborativa e iterativa à gestão de projetos. Ao enfatizar a colaboração, adaptar à mudança de requisitos, e possibilitar melhorias contínuas, o Agile permite aos profissionais de IT melhorar as suas experiências no dia-a-dia, o que eventualmente leva a um aumento da produtividade e de resultados positivos em projeto. Ao abraçar os princípios Agile, estes profissionais estão mais bem preparados para enfrentar os desafios do mundo do IT e entregar valor aos stakeholders com eficiência e confiança.

PS: Pront@ para dar os primeiros (ou segundos) passos no mundo do Agile? Consulta já as nossas certificações e cursos de preparação para as mesmas, para que possas ser a melhor versão de ti!

Categorias
Formação

5 ferramentas valiosas para Data Scientists

No panorama de eterna evolução da Data Science, os profissionais apoiam-se em ferramentas poderosas para extrair insights importantes e tomar decisões baseadas em dados. Existem mais, mas hoje vamos explorar 5 ferramentas valiosas que permitem aos data scientists agilizar os seus workflows, analizar datasets complexos, e desbloquear o potencial das soluções centradas em dados. Desde o data wrangling a machine learning, estas ferramentas oferecem capacidades essenciais para os data scientists na sua busca de conhecimento acionável.

Python e o seu ecossistema

Python, com o seu ecossistema extenso de bibliotecas e frameworks, já se tornou a linguagem “oficial” da data science. Os data scientists beneficiam imenso da sua versatilidade, rica funcionalidade e robusta comunidade de apoio. Bibliotecas como NumPy e Pandas oferecem manipulação e análise de dados eficientes, enquanto Scikit-learn e TensorFlow permitem tarefas avançadas de machine learning e deep learning. A flexibilidade de Python e o seu vasto ecossistema fazem desta uma ferramenta essencial no “cinto de ferramentas” de qualquer data scientist.

Jupyter Notebook

Jupyter Notebook oferece um ambiente colaborativo para que os data scientists possam explorar, analisar e documentar o seu trabalho. Com o seu suporte para múltiplas linguagens de programação, Jupyter permite uma integração perfeita de código, visualizações e texto explicativo num único documento. Os data scientists podem experimentar com dados, construir modelos e partilhar as suas descobertas, fazendo assim desta uma valiosa ferramenta para a reprodutibilidade e colaboração em projetos de data science.

Apache Spark

Apache Spark é um poderoso framework de código aberto (open-source) para processamento de big data e computação distribuída. Inclui um motor de análise unificado e suporta várias linguagens de programação, o que o torna ideal para o processamento de datasets de grande escala. As capacidades de processamento in-memory do Apache Spark permitem aos data scientists fazer transformações complexas de dados, recolher dados de análise avançados e construir modelos de machine learning em escala, acelerando assim os insights baseados em dados.

Tableau

Tableau é uma ferramenta de visualização bastante conhecida, que permite aos data scientists apresentar as suas descobertas de uma forma visualmente convincente e apelativa. Com o seu interface intuitivo e funcionalidade de drag-and-drop, o Tableau permite a criação de dashboards, gráficos e relatórios interativos. Os profissionais de data science podem assim comunicar insights particularmente complexos de forma eficiente, descobrir padrões e partilhar visualizações com stakeholders, facilitando a tomada de decisões baseada em dados em toda a organização.

Apache Kafka

Apache Kafka é uma plataforma de processamento de streaming que permite integração, ingestão e processamento em tempo real. Os data scientists podem tomar partido da sua arquitetura escalável e tolerante a falhas para poder trabalhar data streams de grande volume e em tempo real. Este framework facilita um data flow contínuo entre sistemas e aplicações diferentes, suportando casos como análise em tempo real, arquiteturas baseadas em eventos e pipelines de dados, capacitando os data scientists para trabalhar com dados oportunos e relevantes.

Fonte: https://www.simplilearn.com

À medida que a Data Science continua a impulsionar a inovação e transformação em várias indústrias, ter na sua posse as ferramentas certas é crucial para que os data scientists possam maximizar o seu potencial. Python e o seu ecossistema, Jupyter Notebook, Apache Spark, Tableau, and Apache Kafka oferecem uma fundação bastante sólida para que estes data scientists possam enfrentar e ultrapassar complexos desafios, extrair insights acionáveis e entregar resultados impactantes. Ao extrair o poder destas ferramentas valiosas, os data scientists poderão desbloquear todo o potencial dos dados, e tomar decisões informadas neste mundo orientado a dados em que vivemos.

PS: Na Olisipo, sabemos que é fundamental capacitar e especializar profissionais nesta tendência emergente para beneficiar das suas maiores potencialidades, assim como conquistar mais competitividade. Com foco nas ferramentas Microsoft Azure, os cursos Olisipo estendem-se desde os conceitos fundamentais de dados às soluções para a sua análise, integrando também a tecnologia Cloud no processo.

Outros artigos:

Categorias
Inteligência Artificial

O futuro do L&D: Como a IA está a revolucionar o desenvolvimento de talento

No panorama atual de constante e rápido desenvolvimento digital, a aprendizagem e desenvolvimento contínuos são vitais para que tanto indivíduos como empresas se mantenham na linha da frente. De acordo com o Workplace Learning Report de 2022 do LinkedIn, “as oportunidades de aprendizagem e crescimento” são dos impulsionadores culturais mais bem avaliados em todo o mundo. Quanto mais avançamos na era da Inteligência Artificial, mais o futuro do Learning & Development (L&D) se prepara para um salto transformativo. As tecnologias de IA têm vindo a revolucionar a forma como adquirimos conhecimentos, melhoramos skills e aumentamos o crescimento profissional.

Vemos em baixo as possibilidades que a IA traz ao L&D e como é que vai transformar o futuro do learning no local de trabalho.

Aprendizagem personalizada com Inteligência Artificial

A IA permite experiências personalizadas de aprendizagem ao analisar vastas quantidades de dados, incluindo preferências, pontos fortes e áreas de melhoria dos estudantes. Ao tirar partido dos algoritmos de machine learning, a IA consegue entregar conteúdo personalizado, avaliações adaptadas e recomendações, assegurando-se que estes utilizadores recebem intervenções específicas de aprendizagem que se adequem às suas necessidades individuais. Esta personalização aumenta o “engagement“, a motivação e uma maior retenção de conhecimento, produzindo melhores resultados de aprendizagem.

Curadoria de conteúdo inteligente

Com a quantidade abundante de informação disponível, a IA consegue ajudar os profissionais de L&D a identificar conteúdo de aprendizagem relevante e de alta qualidade. Os algoritmos de IA conseguem navegar um vasto mar de recursos, currículos e plataformas online, até identificar os materiais mais valiosos e atualizados. Ao utilizar processamento de linguagem natural (NLP) e análise de sentimentos (sentiment analysis), a IA consegue também avaliar a qualidade de conteúdos gerados por utilizadores e produzir feedback em tempo real, permitindo aos estudantes o acesso a recursos credíveis e de confiança.

Learning Paths Adaptáveis

Os sistemas de aprendizagem que utilizam IA adaptável fazem um tracking do progresso dos estudantes e ajustam de forma dinâmica os learning paths baseados na performance individual de cada um, para além dos níveis de domínio das temáticas. Através de avaliação contínua e análise de dados, os algoritmos da IA conseguem identificar falhas de conhecimento e providenciar intervenções específicas e direcionadas, garantindo que os estudantes recebem o conteúdo e apoio certos nos momentos certos. Este approach adaptável optimiza a eficiência e eficácia da aprendizagem, dando assim aos estudantes a capacidade de progredir ao seu próprio ritmo, enquanto se focam nas áreas que precisam de maior atenção.

Realidade Virtual e Simulações

As tecnologias baseadas em IA como a realidade virtual e simuladores vieram revolucionar o learning experiencial.

Ciclo de Aprendizagem Experiencial (Baseado em Kolb, D. 1984. Experiential learning. Englewood Cliffs, New Jersey: Prentice Hall.) Fonte: https://www.researchgate.net

As simulações baseadas em VR criam ambientes imersivos onde os estudantes podem praticar cenários “do mundo real”, melhorando as suas skills e capacidades de tomada de decisão, num local seguro e controlado. Os algoritmos de IA dentro destas simulações podem providenciar feedback personalizado, identificar padrões de performance, e oferecer recomendações de melhoria, permitindo assim aos estudantes melhorar as suas capacidades de uma forma realista e envolvente.

Analytics e Insights de Aprendizagem

As ferramentas de analytics de aprendizagem com base em IA oferecem insights valiosos relativamente à eficácia das iniciativas de L&D. Ao analisar os dados dos estudantes, os algoritmos de IA conseguem gerar relatórios, visualizações e modelos preditivos bastante completos. Estes insights ajudam os profissionais de L&D a avaliar o impacto dos programas de aprendizagem, a identificar áreas de melhoria, e a tomar decisões baseadas em dados para criar melhores estratégias de L&D no futuro. A Inteligência Artificial no L&D permite também uma monitorização em tempo real do engagement dos estudantes e da satisfação dos mesmos, permitindo às organizações responder de forma rápida e criar intervenções personalizadas, que se traduz em melhores resultados.

Maior ROI

O potencial de um maior ROI (Return On Investment ou retorno de investimento) não é apenas provável, mas já tem mesmo vindo a ser uma realidade em organizações que usam a IA de forma eficiente. Ao criar rapidamente conteúdos customizados, os colaboradores destas empresas podem usufruir dos programas de aprendizagem de que necessitam quando necessitam deles, em vez do approach mais tradicional de “one size fits all“.

Desafios e riscos da Inteligência Artificial no L&D

Como em todas as adaptações a novas ferramentas e metodologias, existem erros, desafios e riscos. Vejamos alguns destes, quando aplicando a IA ao L&D:

Segurança e privacidade de dados

As organizações ainda sentem, com razão, algumas preocupações relativamente a colaboradores partilharem informações potencialmente confidenciais a ferramentas públicas como o ChatGPT. Mas, conforme as ferramentas de IA começam a ser monetizadas, podemos esperar que as mesmas comecem a ter também Contratos de Licenciamento (Enterprise License Agreements) em que uma instância da ferramenta pode ser acedida de forma privada por todos os colaboradores dentro da infraestrutura de TI de uma organização, eliminando o risco de leaks de dados.

Violação de direitos de autor e responsabilidade

Recentemente, a Getty Images processou uma ferramenta de IA generativa de criação de imagens, a Stable Diffusion, por usar a sua biblioteca de imagens bastante expansiva e com direitos de autor, para treinar o seu software. Este e outros casos que irão certamente surgir, irão criar um precedente de como é que as empresas de IA irão poder operar neste mercado. Ainda não se sabe como é que este caso irá afetar as empresas quando, por exemplo, um colaborador usar uma ferramenta de IA para gerar imagens que se parecem bastante com uma imagem da Getty Images, e usar as mesmas numa campanha de marketing ou apresentação interna. Até que estas questões tenham respostas claras, é melhor ter-se algumas precauções.

Informação incorreta

Neste momento, ainda não podemos confiar na IA para nos dar informação correta e confiável 100% das vezes. O próprio ChatGPT contém um aviso de “limitações” que informa que o mesmo “poderá ocasionalmente gerar informações incorretas. Assim sendo, qualquer informação produzida por IA deve ser sempre revista e analisada por profissionais experientes e conhecedores que estejam equipados para julgar a fidelidade da informação.

Garantir um uso ético da IA

As organizações deverão considerar escrever regras e procedimentos relativos à Inteligência Artificial que mencionem explicitamente quais áreas de trabalho estão disponíveis para o uso de IA, e quais estão fora dos limites. Existem também assuntos éticos a ter em conta, tais como:

  1. Viés: Os algoritmos de IA podem perpetuar e amplificar vieses existentes, baseando-se nos dados com que aprenderam. As organizações deverão trabalhar ativamente para reduzir o viés nos algoritmos de IA ao conduzir reviews regulares, testando para a existência desse viés, e ao implementar um processo rigoroso de verificação de factos;
  2. Perda de trabalho: O L&D à base de Inteligência Artificial e outras ferramentas emergentes conseguem praticamente automatizar certas tarefas e processos, o que pode levar ao receio (ou mesmo à realidade) da extinção de alguns postos de trabalho. As organizações deverão investir em programas de upskilling e reskilling para apoiar os colaboradores cujas funções poderão ser afetadas pela IA.

Em conclusão, o futuro do L&D vai continuar a sofrer profundas transformações, lideradas pela integração das tecnologias IA. Desde experiências de learning personalizadas à curadoria inteligente de conteúdos, não esquecendo os learning paths adaptáveis e as simulações imersivas. A Inteligência Artificial no L&D está a revolucionar a maneira como adquirimos conhecimentos e desenvolvemos skills. Ao abraçar o potencial da IA, as organizações conseguem desbloquear novas oportunidades de crescimento profissional, potenciar a inovação e cultivar a aprendizagem contínua. Conforme a IA continua a avançar, o futuro do L&D demonstra imensa promessa ao empoderar os seus indivíduos e ao moldar a força profissional de amanhã.

Está a ler este artigo porque procura de soluções para si ou para a sua empresa? Consulte a nossa oferta de Learning:

Categorias
Inovação Inteligência Artificial

9 novas (e existentes) carreiras em IT com Inteligência Artificial


Não há dúvidas que a IA (Inteligência Artificial) tem revolucionado o mundo das TI, abrindo novos caminhos para a inovação e transformação do mercado de trabalho. Conforme a IA vai ficando cada vez mais avançada, oportunidades interessantes de carreira em IT foram emergindo, e funções existentes dentro das TI foram começando a incorporar as tecnologias de IA.

Taxa de adoção da IA durante a COVID19 – Fonte: KPMG

Vamos então explorar algumas das novas carreiras em IT que surgiram, bem como algumas das que têm mais a ganhar com a incorporação da IA no seu dia-a-dia:

Novas carreiras de IT criadas pela IA

Fonte: Getty Images

AI Prompt Engineer

Os famosos prompt engineers são experts em perguntar aos chatbots de IA – que funcionam com base em grandes modelos de linguagem – questões que produzam as respostas desejadas. Ao contrário dos engenheiros tradicionais que escrevem código, os prompt engineers escrevem prosa para testar os sistemas de IA em busca de peculiaridades; experts em IA generativa contaram ao Washington Post que esta nova função é particularmente importante para desenvolver e melhorar os modelos de interação entre humanos e máquinas.

À medida que as ferramentas IA evoluem, os prompt engineers vão estar cá para nos ajudar a assegurar-nos que os chatbots são rigorosamente testados, que as suas respostas são reprodutíveis e que os protocolos de segurança são devidamente seguidos. Para além disso, são eles a linha de defesa contra a desinformação e o viés que naturalmente surgiram e muitas vezes são difíceis de identificar pelos utilizadores.

Fonte: CNN via research.aimultiple.com/ai-consulting/

Consultores de IA

Como as IA se continuam a expandir para todo o tipo de indústrias para além das TI, os consultores de IA têm um papel importante em guiar as organizações no seu processo de implementação de IA. Estes profissionais possuem uma forte compreensão das tecnologias, tendências da indústria, bem como melhores práticas. Trabalham em conjunto com as empresas para identificar oportunidades de IA, desenvolver estratégias e partilhar conhecimentos expert sobre implementação de IA, garantindo que as organizações conseguem maximizar o potencial de IA para alcançar os seus objetivos.

Approach de IA fiável da IBM. Fonte: IBM

AI Ethics Officer

Com a crescente penetração das tecnologias IA no mercado, é cada vez mais difícil e consequentemente mais importante assegurar práticas éticas e responsáveis. Os Ethics Officers desempenham um papel vital em guiar as organizações em direção a sistemas de IA que sejam justos, transparentes e imparciais. Estes profissionais identificam potenciais riscos de ética, desenvolvem guidelines e procedimentos de ética, e asseguram-se que estas normas são seguidas, através de regulamentações dentro das organizações. Os Ethics Officers ajudam assim as organizações a navegar o panorama complexo da ética, e a ganhar uma maior confiança nas tecnologias IA.

Arquitetos de infraestruturas de IA

Os arquitetos de infraestruturas de IA focam-se no design e implementação de infraestruturas tecnológicas necessárias para os sistemas de IA. São responsáveis por instalar plataformas IA escaláveis e eficientes, selecionando o hardware e software apropriados, e assegurando suficiente armazenamento de dados e capacidade de de processamento. Estes profissionais colaboram com os engenheiros de IA e Data Scientists para criar ambientes optimizados para o desenvolvimento e implementação de IA.

Carreiras de IT que vão beneficiar ao integrar a IA no seu dia-a-dia

Fonte: Unsplash

Software Engineer

Um@ software engineer pode integrar a IA e melhorar a sua performance e vida profissional de várias formas: Podem tirar partido da IA para automatizar tarefas repetitivas e demoradas. Ao desenvolver scripts baseados em IA ou ao utilizar ferramentas IA, estes profissionais conseguem automatizar processos de geração de código, testing e debugging, libertando assim tempo para aplicar a outros aspetos mais estratégicos e criativos do seu trabalho.

A IA pode auxiliar também na melhoria da qualidade do código: com técnicas de machine learning, os modelos de IA conseguem analisar padrões de código, identificar potenciais bugs e otimizar a performance do código. Ao incorporar ferramentas IA de análise de código no seu workflow, os software engineers passam a receber sugestões inteligentes, detecção de erros em tempo real, e recomendações de otimização de performance, resultando em soluções de software melhores e mais eficientes.

Fonte: tycoonsuccess.com

Data Scientist

Os Data Scientists há muito que são players essenciais no campo das TI, mas com a emergência da IA, o seu papel evoluiu, bem como a necessidade de incorporar técnicas de IA no seu dia-a-dia. Os Data Scientists podem tirar partido dos algoritmos de Inteligência Artificial e dos modelos de machine learning para extrair insights de grandes quantidades de dados, possibilitando às organizações a tomada de decisões informadas. Estes profissionais analizam dados, desenvolvem modelos de previsão, e identificam padrões e tendências, tudo isto de forma mais eficiente graças à IA, o que leva a uma maior inovação e optimização das estratégias de negócio.

Product Manager

Fonte: emerj.com

Com uma enormíssima procura de produtos e serviços baseados em IA, os Product Managers de IA têm ganho uma incrível proeminência. Estes profissionais são a ponte entre a tecnologia e o negócio, compreendendo as necessidades do mercado e do cliente, e traduzindo as mesmas em requisitos de produtos de IA. Colaboram com equipas multifuncionais, incluindo engenheiros de IA e Data Scientists, para definir a visão do produto, priorizar características e assegurar lançamentos de produto com sucesso.

Fonte: ismguide.com

Big Data Engineer / Architect

Um@ Big Data Engineer ou Big Data Architect pode integrar a IA no seu dia-a-dia profissional de variadas formas: Pode tirar partido das técnicas de IA de processamento e limpeza de dados, reduzindo o esforço manual normalmente requerido para transformar e preparar grandes datasets para análise. Os algoritmos de IA podem ajudar a automatizar tarefas como a normalização de dados, detecção de outliers, e imputação de valores ausentes (missing value imputation), assegurando assim uma maior qualidade de dados para análise.

Para além disso, a IA pode ser usada para melhorar a eficiência e precisão da análise de dados. Os Big Data Engineers/Architects podem desenvolver e lançar modelos de IA que lidem com tarefas complexas de análise de dados, tais como modelos de previsão, detecção de anomalias, e reconhecimento de padrões. Estes modelos de IA podem revelar insights valiosos de quantidades vastas de dados, permitindo tomada de decisões baseadas em dados, e melhorando o processo geral de análise de dados.

Por último, a IA pode ajudar estes profissionais de Big Data a otimizar a armazenagem e recuperação de dados. Ao tirar partido dos algoritmos de IA, podem-se desenhar e implementar mecanismos inteligentes de armazenamento e recuperação de dados que priorizem dados mais frequentemente acedidos, otimizem a execução de queries, e melhorem a performance geral do sistema. Esta integração com IA ajuda a que se cheguem rapidamente a soluções de processamento e análise de dados mais eficientes e eficazes.

Fonte: linkedin.com

UX/UI & Graphic Designers

Apesar de crescentes preocupações por parte de artistas e Designers, é possível tirar-se partido das ferramentas de IA a seu favor, e não apenas recear que as mesmas venham roubar o emprego a profissionais humanos. As novas ferramentas de IA generativa da Adobe incluem, por exemplo, a capacidade de criação e recorte de imagens através de prompts (por exemplo, passar uma imagem de um alce na floresta, para uma paisagem citadina), ou preencher espaços vazios para expandir imagens, entre muitas outras. No entanto, tanto as opiniões das grandes empresas como da própria Adobe nos levam a crer que estas ferramentas foram feitas para melhorar a vida dos designers e profissionais da área, e não para os substituir. As ferramentas de IA vêm permitir aos designers automatizar certas tarefas repetitivas e principalmente tarefas demoradas, gerar opções alternativas de design, receber recomendações criativas inteligentes, fazer streamline do seu workflow, e potenciar a produtividade. Para além disso, certos dados analíticos permitem a estes designers ganhar certos insights sobre o comportamento dos utilizadores, as suas preferências e necessidades, dando-lhes a oportunidade de criar experiências ainda mais personalizadas e centradas no utilizador. Utilizando a IA, os designers podem melhorar a sua eficiência, criatividade e resultados no geral.

O rápido desenvolvimento da IA tem transformado o campo das TI, criando uma quantidade inacreditável de oportunidades de carreira. Desde Engenheiros de IA e Data Scientists a Consultores de IA e Product Managers de IA, os profissionais da indústria de IT têm vindo a abraçar cada vez mais as tecnologias de IA para para impulsionar a inovação e resolver desafios complexos. Com a IA a continuar a evoluir, novos papéis vão surgir, e papéis existentes vão continuar a ser obrigados a uma constante evolução e adaptação, tornando este campo de IT num domínio dinâmico e promissor para todos aqueles interessados em moldar o futuro através da IA.

Categorias
Inovação Inteligência Artificial

Programar em IA: Escolher as melhores linguagens & ferramentas

A Inteligência Artificial (IA) tem vindo a revolucionar várias indústrias, da saúde à banca, e programar tem um papel importantíssimo na implementação de aplicações IA. Quer sejas um novato ou um developer experenciado, à procura de explorar o mundo da IA, escolher as linguagens de programação e ferramentas corretas é essencial. Em baixo, vamos identificar as linguagens de programação mais populares para o desenvolvimento de IA, as suas características principais, e outras considerações importantes.

 Python

Python

Python é geralmente considerada uma das linguagens mais populares para programação IA. A sua simplicidade, facilidade de leitura e bibliotecas extensas fazem dela uma ótima escolha. Python oferece frameworks poderosos como TensorFlow e PyTorch, que simplificam o desenvolvimento e a implementação do modelo IA. Para além disso, bibliotecas como NumPy e Pandas providenciam dados de manipulação e capacidades de análise extremamente eficientes, que são essenciais para tarefas IA.

Melhores linguagens IA - R

R

R é outra linguagem normalmente usada em IA, particularmente em modelos estatísticos e análise de dados. Oferece uma vasta coleção de pacotes desenhados especificamente para tarefas de machine learning e data science. A sintaxe da linguagem R é intuitiva e permite uma fácil exploração e visualização dos dados, tornando-se assim bastante adequada para modelos estatísticos e análise preditiva.

Java

Java

Java é uma linguagem versátil usada num variado leque de aplicações, incluindo o desenvolvimento IA. Embora não seja uma das primeiras escolhas para IA devido à sua verbosidade, a linguagem Java oferece robustez, independência de plataforma e escalabilidade, sendo uma boa opção para sistemas IA de grande escala. As bibliotecas de Java como Deeplearning4j e DL4J incluem ferramentas para deep learning e redes neurais artificiais.

Melhores linguagens IA - C++

C++

C++ é uma linguagem poderosa e eficiente, bastante usada em IA, especialmente para aplicações pesadas a nível de desempenho. O seu controlo e a sua rapidez de baixo nível tornam-na ideal para a implementação de algoritmos e optimização de código. As bibliotecas mais populares como OpenCV e CUDA aproveitam o melhor da linguagem C++ aplicada à visão computacional e programação GPU, respetivamente.

Matlab

MATLAB

MATLAB é uma linguagem de programação comumente usada nos campos científico e de engenharia, incluindo IA. Oferece um rico conjunto de funções e toolboxes embutidas para análise de dados, visualização de dados e machine learning. As capacidades matemáticas avançadas da linguagem MATLAB tornam-na particularmente útil para o desenvolvimento de algoritmos e protótipos.

Outras considerações

Para além das linguagens de programação, existem outros fatores a ter em consideração no desenvolvimento IA:

Frameworks:

Considera utilizar frameworks AI populares como TensorFlow, PyTorch, ou scikit-learn, que oferecem funções pré-feitas e APIs para um eficiente desenvolvimento de modelos IA.

Preparação de dados

A limpeza e o pré-processamento são passos cruciais em IA. As bibliotecas como Pandas e scikit-learn dispõem de ferramentas para a manipulação de dados, feature engineering e normalização de dados.

Seleção de algoritmos

É importante compreender os diferentes algoritmos de IA, tal como as redes neurais artificiais, árvores de decisão e máquina de vetores de suporte, para conseguir escolher o approach mais sustentável para o teu problema específico.

Desenvolvimento colaborativo

Tira partido de sistemas de controlo de versão como o git e de plataformas colaborativas como o GitHub para facilitar a colaboração em equipa e a gestão de código.

Melhores linguagens de IA - Ferramentas: git & GitGub
git & GitGub

Em conclusão, a programação está no núcleo do desenvolvimento em IA e escolher a linguagem e ferramenta certas é essencial para o sucesso. Python, R, Java, C++ e MATLAB são linguagens populares, utilizadas para diferentes domínios em IA.

Paralelamente, frameworks, técnicas de preparação de dados, seleção de algoritmos e ferramentas de colaboração têm um papel fulcral na construção de sistemas de IA eficientes. Ao tirar partido das linguagens e ferramentas mais apropriadas, os developers conseguem desbloquear o imenso potencial da IA e criar soluções inovadoras em virtualmente qualquer indústria.

Categorias
Cibersegurança Inovação

Edge Computing: Vantagens e desafios

Até há relativamente pouco tempo não sentíamos a necessidade de nos questionar: de quanta potência informática precisamos no edge computing? Quando as redes não precisavam de ser inteligentes, esta questão nem era particularmente relevante. Tudo isto mudou, uma vez que agora é possível mover quantidades consideráveis de poder informático diretamente para a borda da rede.

Fonte: https://innovationatwork.ieee.org/

As vantagens

Tal como acontece no mundo físico, quando os dados percorrem distâncias mais curtas, o tempo de resposta diminui. Quando as funções de computação, armazenamento e rede são fornecidas na extremidade da rede, isto resulta em latências mais baixas para aplicações e utilizadores.

Latência reduzida

O edge computing inclui o processamento e análise de dados mais perto da fonte onde estes foram gerados, tal como dispositivos IoT, em vez de enviar esses mesmos dados para uma nuvem centralizada para análise. Este approach reduz a latência e aumenta a velocidade de processamento de informação, essencial para aplicações que requerem respostas em tempo real, como veículos autónomos, automação industrial, e cidades inteligentes (smart cities).

Maior segurança na cloud

A segurança do armazenamento de dados baseada em cloud tem avançado dramaticamente em anos recentes, e continuará a melhorar. Para além disso, o edge computing significa que menos dados estão centralizados no armazenamento da cloud. Ao processar e armazenar alguns dos dados numa rede edge, a situação de ter “todos os ovos no mesmo cesto” é minimizada — a edge filtra dados que sejam redundantes, estranhos ou desnecessários. Apenas a informação mais crítica e importante é enviada para a cloud.

Redução de largura de banda

Tal como o edge computing ajuda a reduzir a latência, também consegue reduzir a largura de banda. Como estamos a processar, analisar e armazenar localmente mais informação, é menor a informação que estamos a enviar para a cloud. Esta redução em flow de dados (data flow) minimiza custos para o utilizador, visto que uma menor largura de banda significa upgrades menos frequentes ao armazenamento da cloud.

Envolvimento de machine learning & AI

O edge computing está a despoletar também o desenvolvimento de novas tecnologias como a edge AI (de Inteligência Artificial) e edge analytics. A edge AI envolve lançar modelos de machine learning em dispositivos edge, permitindo processamento de dados e tomada de decisão em tempo real, imprescindíveis para aplicações como veículos autónomos e drones, onde o processamento de informação tem de ser feito rápida e corretamente.

A edge analytics inclui o processamento de dados na borda da rede para gerar insights em tempo real, que podem ser usados para melhorar a eficiência operacional, e reduzir o tempo de paragem. Este approach é essencial para aplicações de manutenção preventiva, onde uma rápida detecção de potenciais falhas pode prevenir custos elevados de paragem e danos em equipamentos

Os desafios

No entanto, apesar de ser altamente promissor, este modelo apresenta ao mesmo tempo alguns problemas que não podem ser ignorados quando se trata de computação de ponta. Em certos cenários, continua ainda a fazer sentido optar por uma arquitetura de rede convencional:

Poder de processamento e capacidade de armazenamento limitados

Os dispositivos edge têm normalmente um poder de processamento e capacidade de armazenamento algo limitados, em comparação com centro de dados centralizados. Isto pode resultar em performance reduzida e tempos de resposta mais lentos para certas aplicações.

Questões de segurança

Assim como existem benefícios de segurança a nível da cloud, existem desafios de segurança a nível local. Os dispositivos edge encontram-se normalmente em espaços públicos ou localizações remotas, fazendo com que se tornem vulneráveis a ataques físicos ou cibernéticos. Assegurar a segurança destes dispositivos e os dados por eles recolhidos pode ser desafiante, especialmente se não estão bem protegidos.

Falta de estandardização

Neste momento, nao existe um approach estandardizado ao edge computing, o que significa que diferentes dispositivos e sistemas podem não conseguir comunicar uns com os outros. Isto pode levar a problema de compatibilidade e limitar a capacidade das organizações de aproveitar os benefícios do edge computing.

Criação de redundância

Num modelo de edge computing, um grande cluster central é trocado por muitas máquinas locais. Uma máquina de arestas substitui uma instância do aglomerado central. Porém, o modelo vai criando com frequência novas redundâncias que aumentam os custos – por exemplo, quando toca ao armazenamento, em vez de criar uma cópia central de cada ficheiro, uma rede edge pode manter uma cópia independente em cada nó de edge. No caso de pequenas redes edge, todas estas cópias adicionais podem criar redundância. Assim, com mais 100 nós de edge, é provável que o armazenamento seja cerca de 100 vezes mais caro. Isto pode ser limitado pelo armazenamento de dados apenas nos nós que são ativamente utilizados pelos utilizadores individuais – mas o problema da duplicação ainda não desaparece completamente. A certa altura, o custo disto começa a ter impacto no custo total.

Questões legais e de compliance

Em alguns países, o imposto sobre as vendas é cobrado sobre as compras online, noutros não. Além disso, nos EUA, por exemplo, existem regulamentos fiscais estatais individuais. Em muitos casos, os impostos aplicáveis dependem da localização física do hardware sobre o qual o processamento de dados é efetuado. A informática de ponta pode aumentar a confusão sobre quais as leis aplicáveis. Os impostos são uma questão complexa que as partes interessadas devem abordar antes de decidir utilizar a computação de ponta.

Proteção de dados

Tanto a localização dos utilizadores como a localização dos dados estão sujeitas às leis de proteção de dados. Alguns países são abrangidos pelo âmbito do GDPR, outros por outras estruturas. Existem também regulamentos como a HIPAA, que lidam especificamente com gestão de dados de dispositivos médicos. Para as empresas, isto significa que terão de analisar quais as leis e regulamentos que se aplicam aos respetivos nós de edge – e descobrir como assegurar o cumprimento dos mesmos. Isto é especialmente verdade quando os utilizadores e servidores estão localizados em diferentes países. Uma solução mais simples seria operar todos os nós de edge numa só jurisdição.

Em conclusão, a crescente relevância do edge computing está a revolucionar a maneira como pensamos sobre computação e processamento de dados. Resta analisar as vantagens e desvantagens, e perceber se esta é uma tecnologia relevante e benéfica para o nosso caso em particular.

Categorias
Inovação

Afinal, os NFT estão “mortos”?

Apesar da grande vaga de compra e venda de NFT ter abrandado significativamente, e de muitos terem dito que seria mesmo o seu fim, a tecnologia não desapareceu, e milhões de dólares em coleções são negociados diariamente. Mas afinal, o que são de facto NFT e como funcionam? E estão “mortos”?

O que é um NFT?

Os NFT, ou non-fungible tokens, são bens digitais únicos e indivisíveis, verificáveis através de uma blockchain, e que não podem ser duplicados ou falsificados.

Apesar de terem subido à ribalta principalmente devido às peças de arte digital, os NFT são muito mais que isso. Devido à sua natureza transparente e descentralizada, os NFT podem servir uma panóplia de funções: real estate em mundos virtuais, colecionáveis, substituição de bilhetes físicos para eventos e espetáculos, autenticação de bens de luxo, identidade pessoal soberana (SSID, self-sovereign identity em inglês), entre outros.

Então e uma colecção de NFT?

Focando-nos especialmente na arte digital, as coleções de NFT são geradas e vendidas em formato digital como imagens, vídeos, músicas, entre outras. Estes tokens são armazenados individualmente numa blockchain e cada peça de arte digital única tem metadados que contêm o nome do artista, data de criação, título, e outras informações relevantes e que identificam a mesma como única.

Desde gorilas hipster a zombies punk, de artistas famosos a campanhas solidárias, o valor de uma coleção de NFT depende essencialmente da raridade da arte e da popularidade e criatividade do artista, à semelhança da arte tradicional, cujo valor também está intrinsecamente ligado ao valor e notoriedade do próprio artista. Para além disso, o preço de um token sobe ou desce à medida que mais ou menos pessoas mostram interesse em comprar outros dentro da mesma coleção.

Os NFT são normalmente comprados usando criptomoedas e vendidos no mercado aberto. Existem vários mercados que permitem a sua compra e venda, e tal como os ativos normais, o seu valor segue a regra da oferta e da procura. Os principais exemplos de mercados onde se podem comprar estas coleções são o OpenSeaRarible, e Nifty Gateway, sendo este primeiro o maior e mais popular mercado de NFT.

The Merge, comprado por $91 800 000 em 2021

Os preços dos NFT, como mencionado, podem variar consoante o mercado e os seus utilizadores. O token vendido pelo valor mais elevado até hoje foi a ilustração digital The Merge, comprado por $91.800.000 (curiosamente não por apenas um comprador mas sim por um grupo de 29.983 pessoas).

O jogado brasileiro Neymar comprou dois Bored Apes por um valor combinado de mais de 1 milhão de dólares.

No último ano, o setor dos NFT viu um enorme declínio em volume de vendas e no preço de itens; ainda assim, a atividade do espaço NFT está longe de estar parada, especialmente considerando a emergência do Blur como um dos marketplaces de NFT mais ativos, com um aumento de +100% no volume de trading no início deste ano, e outros indicadores que mostram que os NFT vieram para ficar.

Têm havido crescentes debates sobre a sustentabilidade do mercado de NFT e se é apenas mais uma moda, ou um investimento viável (embora especulativo) a longo-prazo. De um lado, argumenta-se que são uma bolha à espera de rebentar, por outro acredita-se que os NFT não vão a lado nenhum tão cedo e que vão até revolucionar a maneira como vemos a propriedade e autenticidade no mundo digital.

Como é que chegámos aqui?

Em Janeiro de 2022, o Opensea registou uns espetaculares 4,87 mil milhões de dólares em trading de NFT. Ao mesmo tempo, o “hype” à volta dos NFT estavam no seu nível mais alto desde sempre, enquanto algumas das maiores celebridades do mundo como Eminem e Jimmy Fallon apoiavam colecções como Bored Ape Yacht Club (BAYC), entre outros.

O que são NFT? Histórico de trading de NFT no OpenSea
O volume de NFT no OpenSea viu um forte declínio depois do pico do primeiro trimestre de 2022. Fonte

O frenesim deste mercado causou alguns NFT a terem avaliações completamente absurdas, como a colagem fotográfica digital de Beeple, vendida por 69 milhões, o “clock” de Pak, vendido por 52 milhões de dólares ou o The Merge, mencionado em cima. Agora, basicamente um ano depois, a situação já mudou muito, com nenhum NFT vendido a chegar ao patamar dos milhões.

A razão principal para este definhamento foi o declínio do mercado das criptomoedas, que viu a Bitcoin, Ethereum e a maioria das outras principais moedas perder valor desde o pico de 2021. Os NFT sofreram fortemente com esta queda, e muitas pessoas perderam a fé no mercado, deixando de perceber porque é que certas coleções deveriam valer tanto, causando assim essa mesma desvalorização de preço.

Evolução da Bitcoin, desde Abril 2020

Para além disso, muitos projetos mais pequenos foram abandonados (o termo usado na gíria é rug pull, ou “puxar o tapete”) pelos seus criadores, levando assim a acusações infundadas que todos os NFT de arte digital eram scams e não valiam o investimento. No final de contas, foi a combinação de um crypto bear market (Bear Market, que em tradução livre significa “Mercado do Urso”, é a expressão usada para definir períodos em que a bolsa de valores enfrenta desvalorizações acompanhadas de pessimismo por parte dos investidores.) e a queda a pique das vendas de NFT causou um ambiente pouco vantajoso no geral.

Porém, com os assets digitais a mostrarem claros sinais de recuperação em tempos recentes e a bitcoin a atingir o seu valor mais alto nos últimos nove meses depois de notícias encorajadoras face à inflação, os NFT voltaram a evoluir de forma positiva.

Os NFT estão “mortos”?

A forma mais objetiva de perceber a evolução do setor dos NFT é observar e analisar a informação ao longo do tempo e perceber quanto é que se tem vindo a comprar e vender em cada um dos marketplaces. Isto permite-nos examinar o estado atual do mercado e comparar com o histórico de performance.

O volume de trading de NFT mais que duplicou para 2.2 mil milhões em Fevereiro

O que são afinal NFT? O volume de trading de NFT mais que duplicou para 2 mil milhões em fevereiro de 2023
O volume de trading de NFT alcançou os 2 mil milhões de dólares, depois de dificuldades em alcançar os mil milhões nos 7 meses anteriores. Fonte: Dapp Radar

Porque é que os NFT se podem tornar ainda mais populares no futuro

Apesar de serem conhecidos principalmente pelas imagens digitais dispendiosas, os NFT têm um potencial enorme, pois podem ser utilizados para variados propósitos em diferentes setores para além da arte digital: no comércio, na autenticação de bens, verificação de identidade, no registo e proteção de dados confidenciais e importantes como dados médicos, etc. Algumas das razões por que os NFT podem e mostram que provavelmente irão recuperar e tornar-se ainda mais populares no futuro são:

Já deram provas de funcionar: Conforme a tecnologia por trás dos NFT continua a melhorar e tornar-se mais acessível, pode atrair mais investidores e compradores ao mercado;

O futuro do gaming: Conforme os grandes players no campo do hardware continuam a fazer fortes apostas no desenvolvimento de Realidade Virtual, vão criar-se as condições para oferecer uma maior interatividade entre o jogador e a arte digital;

Autenticidade num mundo cada vez mais falso: É cada vez mais difícil discernir produtos falsificados, e os NFT têm o potencial de permitir aos produtores uma resolução simples. O exemplo da Coda Coffee e os seus “traceable beans” é bastante simples: através do scan de um código QR único, permitem aos seus consumidores validar a data e localização de cada transação pela qual os grãos do seu café passaram, desde a colheita, à lavagem e secagem, moagem, torrefação, exportação e venda.

Maior aceitação: Cada vez mais artistas e marcas mainstream começam a criar e vender NFT. Esta maior aceitação poderá levar a que mais pessoas comprem e troquem NFT, e sucessivamente façam aumentar o seu valor.

Embora não existam quaisquer garantias que os NFT irão recuperar totalmente no futuro, os fatores mencionados sugerem que existe um enorme potencial de crescimento no mercado. Como com qualquer investimento, é importante estar-se ciente dos riscos inerentes, que são ainda mais pronunciados em assets emergentes como os NFT. Neste momento, resta-nos apenas esperar para ver o desenrolar da história.

The bottom line: Não, os NFT não estão mortos – pelo menos por enquanto.

Apesar de ter caído abruptamente depois de Maio de 2022, devido especialmente ao que chamamos o Inverno de cripto, o volume de transações de NFT mostra um nível de atividade de quem está bem vivo: em Fevereiro deste ano registou-se cerca de 2 mil milhões de dólares em transações, bem acima dos 946 milhões no mês anterior.

Seja de que maneira for que olhemos para a questão, e mesmo que consideremos que está longe de atingir os níveis de popularidade de 2021, uma indústria que, para além de todos os seus potenciais para além da arte, ainda mostra mais de 2 mil milhões de volume de trading num único mês não está, de longe, morta e enterrada.