O que é o Mulheres em Dados?

Caso você tenha caído de paraquedas aqui nesse artigo, o Mulheres em Dados é uma comunidade brasileira (opa pera que temos manas de Portugal também) exclusiva para mulheres que atuam e/ou tem interesse na área dados.

E hoje, além disso, somos também uma associação sem fins lucrativos (chique). E com +10k mulheres (ainda não consigo acreditar) em nosso servidor do Discord, fazemos parcerias com empresas, muitos eventos, aulas, desafios, temos canal no Youtube, trilhas de estudo no Github, Instagram, podcast no Spotify, artigos no Medium. E tudo isso só é possível porque temos em torno de 40–50 voluntárias que doam parte de sua semana para a comunidade acontecer.

Se quiser saber mais, aqui no nosso Linktree você encontra todas as nossas redes.

Agora que estamos na mesma página, como foi que surgiu o Mulheres em Dados?

O ano era 2021. Eu tinha acabado de conquistar a minha primeira posição como Analista de Dados depois de ter passado meses sofrendo com a minha transição de carreira. Formada em Economia e com experiência em Marketing Cultural e atendimento ao cliente em Marketing Digital (um currículo um pouco atípico), fui picada pelo bichinho dos Dados e me vi tentando incessantemente conquistar meu lugar ao sol e sendo rejeitada processo atrás de processo por ainda não ter experiência e já estar buscando posições de analista, até conseguir em Janeiro de 2021.

PS: Como eu estourei a bolha da transição pra dados não vem ao caso nesse artigo, mas já dividi bastante na minha página do Linkedin e em alguns podcasts (recomendo esse aqui do Let’s Data).

Foi uma trajetória muito solitária. Ninguém da minha família sabia o que Dados fazia. Eu não tinha nenhum conhecido na área. Chorei sozinha. Aprendi a adaptar o currículo sozinha. Aprendi o que estudar sozinha. Como me vender sozinha. E parece que eu tô aqui me achando e dizendo que eu sou uma gênia. Mas não. Eu só sou muito teimosa mesmo.

E quando eu finalmente me vi na posição que eu tanto sonhava, eu vi que não tinha uma mulher ao meu redor. Eu não tinha referência. Eu não sentia que tinha com quem dividir meus medos. Quando eu falava sobre isso eu ouvia que mulher que em geral não tinha interesse em Dados e Tech. Eu nunca acreditei nisso. Quando comecei a focar em evoluir como Analista de Dados, comecei a me envolver em comunidades e sentir na pele o que era me sentir burra por receber respostas atravessadas ou um belo de um vácuo. Não era possível que não existia um lugar no qual uma mulher como eu poderia se sentir a vontade pra perguntar, dividir dores, crescer junto, trocar.

Ao longo dos meus primeiros meses em Dados, meu incômodo foi aumentando, mas eu não conseguia bolar um plano. Eu ainda não conhecia ninguém na área. Eu estava estudando que nem uma doida ainda. Eu não via saída. Mas eu sabia que não queria que nenhuma mulher tivesse que passar sozinha pelo que eu tinha passado.

E foi aí que, sem nenhum plano em mente, eu decidi me colocar a disposição pelo Linkedin para qualquer mulher que quisesse conversar, trocar, chorar, qualquer coisa.

#MulheresEmDados foi a hashtag que usei no post. E mesmo com uma rede pequena na época (eu não devia ter nem 1k conexões), o post começou a bombar. Foram 61 comentários, 7 reposts, 350 likes. Eu comecei a receber infinitas DMs de mulheres interessadas em conversar. O que eu pensei quando isso aconteceu foi: bom, agora eu não posso dizer que não conheço mulheres interessadas em dados.

O foco naquela momento era manter o momentum criado e guardar o contato de todas aquelas mulheres. Às pressas (e sem pensar muito) criei um grupo no Linkedin, um grupo no Telegram, uma página no Linkedin. Peguei uma ilustração que minha irmã Luiza Galeotti tinha feito pra mim uma vez e coloquei como logo do grupo.

Lembro que um dos primeiros posts que fiz no nosso grupo do Linkedin foi em relação aos nossos valores e diretrizes do grupo. Isso pra mim era inegociável. Lendo isso eu achei engraçado o “como ainda estamos formulando”, só se for eu e as vozes da minha cabeça mesmo, porque nisso eu estava sozinha em total choque sem saber o que fazer.

Julia Hornick foi a primeira mulher que me mandou DM perguntando se eu queria ajuda com o grupo, apenas alguns dias depois da sua criação. Eu definitivamente precisava de ajuda. Ela perguntou se eu queria marcar um call pra falar sobre, eu sugeri um papo aberto de construção conjunta da comunidade. A ideia era a gente decidir juntas o que seria, o que faria. Que tipo de ajuda a gente se daria. Quem a gente seria.

E no dia 10 de Agosto, realizamos nosso primeiro papo. Jessica Lamosa confirmou no evento e me mandou uma DM alguns dias antes perguntando se eu já tinha algum formulário para rodar com as meninas que tinham confirmado, pra que a gente já começasse a entender quem elas eram, o que queriam, etc. Nada disso eu tinha. “Mas não vai vir ninguém”, eu disse. “Olha, acho que vai”, disse Jessica. Criamos o forms, rodamos.

E durante o nosso primeiro papo, conversamos um pouco sobre os dados do forms, mas majoritariamente trocamos dores, vitórias, abrimos o coração, nos sentimos acolhidas. No dia seguinte do papo, lembro que mandei uma mensagem no hoje falecido “grupão” do Telegram falando: “quem quiser participar da admin do grupo, venha!”. Até então éramos eu, Julia e Jessica.

Depois desse convite, algumas mulheres me mandaram mensagem e fizemos nosso primeiro bonde de administradoras. Formado por Raquel Reis (nossa Quelzinha), Gyovanna Costa (nossa mami do Discord), Raquel Azevedo, Marina Mondadori, Amabile, Danielle Calazans e Mariana Queiroz, junto comigo, Ju e Jessica.

Nos reunimos semanalmente para discutir o que seria o grupo. As primeiras coisas que fizemos foi ler as respostas do formulário, bater papo atrás de papo no Telegram pra conhecer as meninas e construir qual seria nosso tom, nossa cultura, nosso tratamento uma com a outra.

Identificamos que uma das maiores dores que as meninas tinham era sobre entender o que elas precisavam estudar em cada uma das carreiras em dados. Para isso nos dividimos em grupos e criamos as primeiras trilhas de estudo que hoje você encontra no nosso Github (as quais já devem estar na décima versão hoje).

Nós também percebemos que o Telegram era muito caótico. Não tinha como dividir o papo em diferentes assuntos, organizar certinho. Gyovanna e Raquel então criaram a fundação maravilhosa que é o nosso Discord, e fomos organizando juntas quais outros canais teríamos.

Yasmin Teixeira, Mariana Rufino e Lauane Cardoso também chegaram para somar poucos meses depois ao nosso grupo de administradoras. Yasmin foi a nossa criadora do nosso Instagram e puxou os primeiros conteúdos, Mariana criou todo o nosso KV e deu o tom ao nosso conteúdo e mais pra frente tocado nossas parcerias (até hoje inclusive), Lauane deu todo o suporte necessário para que nossos eventos acontecessem.

Começamos o ano de 2022 com a carinha que temos hoje, mas de forma muito rudimentar. Já tínhamos Discord, Youtube, nossos primeiros eventos, Github com trilhas de estudo, Instagram, página no Linkedin. Em 2022 foi o ano que nos dividimos em frentes. Conteúdo, Eventos, Discord, Parcerias. Cada vez mais as demandas aumentavam. Nossos números não paravam de crescer. Começamos o ano já com 1k+ mulheres. Precisávamos de ajuda.

Abrimos nosso primeiro formulário da primeira turma de Staff. Em poucas horas já tínhamos um número assustador de meninas querendo ajudar.

Muitas das maravilhosas que foram extremamente importantes para a comunidade como Saionara Araujo, Mychelle Araujo e Brenda Garcia chegaram nessa época. Pouco tempo depois, Tássia Giovanelli que era extremamente ativa na comunidade também veio para somar (Leia-se: criar o nosso primeiro programa de Mentoria, garantir que tudo que a gente criou fosse devidamente estruturado, documentado, escalável. Não sei o que teria sido da comunidade sem Tássia).

Em 2022 também mudamos o visual pela primeira vez. Agora com algo mais clean e profissional.

Com o crescimento tão acelerado do grupo, tivemos alguns atritos ao longo do caminho. Demoramos para calibrar a estrutura da organização. Ficamos cansadas em muitos momentos. Tivemos mudanças no time da organização. Não foi fácil. Erramos, acertamos, erramos mais um pouco.

Em 2023 começamos a entrar um pouco mais no nosso eixo. O time já mais sólido, estruturado, feliz.

Tivemos mentorias surreais em 2023, eventos incríveis, parcerias incríveis, nosso podcast e diversas lives super bacanas. Fechamos o ano apresentando nossa comunidade ao vivo para +1k pessoas no Big Data, no qual esse ano teremos um auditório inteiro só para Mulheres em Dados.

Fechei o ano de 2023 me afastando da liderança da comunidade, e passando o bastão para duas deusas que são Tassia Giovanelli e Raquel Reis, e para Alessandra Araujo a liderança da antiga área de Eventos que hoje chamamos de Educação e Desenvolvimento. O impacto que Alê teve e tem na comunidade é imensurável. Eu não poderia sentir mais orgulho do que sinto hoje. O ano de 2024 tem sido lindo. Lindo. Parcerias voando, o eventos incríveis, time empolgado. E tem tanta coisa ainda para vir, que estamos só no começo.

Se você chegou até aqui, espero que tenha gostado de saber um pouquinho sobre a história do nosso amado MeD e consiga sentir todo o amor que tenho por esse grupo. É um amor de filho mesmo. Algo que faz parte de mim. É realmente inexplicável.

Mulheres em Dados, meu baby lindo, feliz 3 anos pra você. Que você continue espalhando luz e amor para tantas mulheres que tem a sorte de sentirem e fazerem parte dessa força toda.

Como surgiu o Mulheres em Dados? was originally published in Mulheres em Dados on Medium, where people are continuing the conversation by highlighting and responding to this story.

Ainda é uma área predominantemente masculina.

Há cinco anos era pior, mas não significa que hoje o cenário esteja próximo do que seria o ideal. Se você for uma mulher em tecnologia, será frequente participar de agendas comandadas por homens e com baixa participação de mulheres. Se olharmos em níveis hierárquicos mais altos, a situação se agrava ainda mais. É comum em eventos de tecnologia termos quase que exclusivamente palestrantes do gênero masculino.

Beleza, mas o que você pode fazer para mudar esse cenário?
Líderes, abram vagas afirmativas — aqui não somente pensando em gênero, buscando a interseccionalidade conseguimos contemplar outras minorias que passam pela mesma dor. Como assim? Busque contratar mulheres pretas e pardas, mulheres PcD's e mulheres LGBTQIAP+. Recrutadores, divulguem suas posições na comunidade Mulheres em Dados formada exclusivamente para mulheres que já estão ou querem ingressar no setor. Profissional da área de tecnologia: suporte e apoie mulheres da área, leve esse tema para lideranças, consuma conteúdo de mulheres no Linkedin, etc.

Um setor rodeado por estrangeirismos.

Em sua maior parte, isso poderia ser facilitado, mas muitos profissionais e empresas optam por não adaptar os termos em inglês. Para pessoas novas na área, isso com certeza impactará o seu aprendizado, além de se adaptar às ferramentas e processos ainda terá que pesquisar os novos termos aprendidos durante uma call. Coloquei a palavra call (que seria uma chamada de vídeo) na frase anterior somente para exemplificar um termo bem comum na rotina do profissional tech e que poderia facilmente ser substituído.

Os estrangeirismos começam nas próprias nomenclaturas dos cargos: Business Intelligence Analyst (Analista de Inteligência de Negócio), Analytics Engineer (Engenheiro Analítico), Data Scientist (Cientista de Dados) e vai até termos mais rotineiros como dashboard (painel), daily (reunião diária), feedback (retorno), etc. Como as próprias linguagens de programação possuem muitos termos em inglês, é normal gerar vícios de linguagem nos profissionais de tecnologia — o que explica, mas não endossa a prática.

Você nunca para de estudar.

Sabe quando você depois de muito esforço entrega o TCC (Trabalho de Conclusão de Curso) ou um projeto e pensa “agora vou dar um tempo dos estudos”? Na área de tecnologia esse sentimento não dura muito. Isso porque se você parar de estudar pode acabar ficando desatualizado e ter dificuldades no acompanhamento de novas iniciativas. Aqui não falo somente de ferramentas voltadas para o desenvolvimento, mas também de ferramentas de organização e gestão do tempo como Jira, Kanbanize, Monday, Miro, Notion, etc.

Por este motivo, ao fazer transição de carreira para tecnologia é necessário manter em mente que mesmo após alcançar a sua primeira oportunidade é fundamental continuar aprendendo. Por isso que comumente o perfil dos profissionais da área incluem dinamismo, adaptabilidade e curiosidade. Aqui o conhecimento será o seu maior aliado e diferencial estratégico para o mercado.

Um dos setores mais afetados por demissões em massa.

O setor de tecnologia é tão adepto aos estrangeirismos que chama de lay off esse fenômeno trágico para os trabalhadores, mas não importa como batizem — as demissões em massa ainda nos assombram. Assistimos à alta demanda de profissionais durante a pandemia e a um cenário pós-pandêmico de muitos cortes nas mesmas áreas que tanto cresceram.

Um dado alarmante é que apesar das mulheres serem minorias na área, no momento das demissões em massa foram mais afetadas do que os homens, conforme a plataforma Layoffs Brasil. Inclusive meu nome estará nas planilhas de demitidos e sou uma das traumatizadas com essa história toda. Hoje poucos profissionais se sentem tranquilos e estáveis em seus cargos. É necessário saber controlar esses sentimentos e também manter o planejamento financeiro em dia.

E aí, é verdade esse bilhete? Deixa nos comentários a sua opinião.
Ah, se ainda não me segue no Linkedin, clica aqui. 😉

Verdades que ninguém te conta sobre a área de tecnologia was originally published in Mulheres em Dados on Medium, where people are continuing the conversation by highlighting and responding to this story.

Hoje, no dia 14 de março (que em notação americana seria 3.14) o Pi, um número irracional cujo valor é 3,14159265358979323846…, é celebrado no mundo inteiro. Esse número é um dos mais famosos da história, é representado pela letra grega π.

O Pi resulta da divisão do perímetro pelo diâmetro de um círculo, e a fórmula para calculá-lo é:

Mas o valor de Pi também pode ser calculado experimentalmente. Uma maneira de fazer isso é processar amostras de pontos da área do retângulo e calcular a área do círculo x²+y²<1²dentro do retângulo. Isso pode então ser usado para aproximar o valor de pi. Mas calma, vamos por parte, o experimento é simples.

Vamos considerar um círculo de raio r que fica inscrito em um quadrado de lado a = 2r, como mostrado na figura:

Agora a gente divide a área circulo pela área do quadrado:

Mas a gente sabe que a = 2r, então vamos substituir:

Agora vamos isolar o Pi:

Segura esta equação. Agora a ideia é simular pontos aleatórios (x, y) neste plano 2-D (círculo dentro do quadrado). As amostras devem ser distribuídas proporcionalmente. Isso ficaria mais ou menos assim:

Podemos considerar que:

Ou seja, o número Pi pode ser aproximadamente calculado de acordo com o número de amostras. E quanto mais amostras, mais acurácia na determinação desse número.

E claro que não poderia faltar o script da simulação:

Feliz dia do Pi!

Como estimar o valor de π usando a simulaçao Monte Carlo was originally published in Mulheres em Dados on Medium, where people are continuing the conversation by highlighting and responding to this story.

O que é Mulheres em Dados?

A comunidade surgiu em agosto de 2021.

É uma rede de mulheres que atuam e/ou tem interesse no ecossistema de dados e tecnologia.
O grupo tem o objetivo de promover trocas, mentorias, conversas, ajudas, workshops, suporte e amparo a todas as mulheres maravilhosas e guerreiras da área para que, JUNTAS, consigamos reverter a desigualdade de gênero exacerbada em dados e tecnologia.

Produzimos conteúdo de carreira em forma de trilhas e vídeos. Também temos iniciativas que todo ano oferecem aulas gratuitas de Python, SQL, Power BI. Temos Clube do Livro. Temos Mentoria. Temos canais técnicos e non-data no Discord. Também organizamos eventos presenciais, como o Big Data Experience.

Em números, somos:

Como você pode contribuir?

Em primeiro lugar, o óbvio: nos siga em todas as redes sociais. Sim, estamos em todas elas:

LinkedIn, Instagram, GitHub, Youtube, Spotify e Medium. Seguir e divulgar o conteúdo é um ótimo começo.

Em segundo lugar, você pode nos ajudar com doação na nossa campanha no apoia.se. Somos uma organização sem fins lucrativos, o que significa que não podemos ter lucro. Todo o dinheiro que arrecadamos é revertido para a comunidade. Sabe as aulas gratuitas que damos? Então, existem custos de ferramentas para fazer isso acontecer.

Em terceiro lugar, você pode se engajar com a comunidade por meio de troca de conteúdo. Tem uma ideia de iniciativa? Manda para a gente! Tem uma ideia de parceria (em forma de evento, de bolsa de estudos, de financiamento etc)? Vem na DM do nosso Instagram. Quer produzir conteúdo? Só submeter no nosso Medium. A comunidade é construída em conjunto, o que significa zero burocracia. Nem sempre temos braço para fazer acontecer todas as ideias, mas ouvimos absolutamente todas elas.

Se você é mulher, engajar no nosso Discord é um diferencial! Lá é nossa casa, queremos que seja um ambiente de troca e acolhimento entre mulheres da área.

E, por fim, você pode se juntar à nossa equipe voluntária. Tudo que foi dito agora não exige compromisso, você pode fazer conforme tempo, ideia e desejo. Mas compor a organização de MeD (exclusivo para mulheres) exige um tempo mínimo de dedicação. Temos uma rede social com mais de 30 mil seguidores e +10 mil mulheres no Discord — para fazer o fluxo girar, precisamos de comprometimento.

E quais são os pré-requisitos para se juntar a equipe? Você precisa ser proativa, colocar a mão na massa e não fazer intriga — nossa prioridade é ter uma cultura de respeito entre as mulheres.

Além disso, dependemos de demanda. Seria incrível ter o máximo de colaboradoras possível, mas gerenciar a equipe também exige tempo — por isso precisamos ser cautelosas com a quantidade de mulheres que compõem a equipe.

Entenda como colocar a mão na massa com a gente :)

Você é mulher e quer ajudar imediatamente? Agora você pode!
Criarmos um fluxo para que todas interessadas possam contribuir sem burocracia. Funciona assim: você manda uma mensagem para a gente em alguma rede social e vamos enviar um link para preenchimento de alguns dados pessoais. Depois de preencher, você recebe acesso a nossa página no Notion com uma lista de cards com descritivos de demandas que precisamos de ajuda. Acha que consegue resolver? Marca seu nome na task e pronto! Estaremos suportando durante todo o período qualquer esclarecimento ou necessidade adicional. Além de ajudar a nossa comunidade, você ainda concorre a uma mentoria gratuita após a resolução da demanda. Tem uma outra ideia que não está no card? O processo é parecido! Fala com a gente e, se ir de encontro com o que acreditamos, a gente ajuda a fazer acontecer.

Como eu disse antes: a comunidade é construída em conjunto. Vamos juntas.

Como você pode contribuir com a comunidade Mulheres em Dados? was originally published in Mulheres em Dados on Medium, where people are continuing the conversation by highlighting and responding to this story.

E a luta continua. Historicamente, as mulheres são sub-representadas no mercado de trabalho, especialmente em cargos de liderança. E na indústria de tecnologia não é diferente. Embora esse nicho seja marcado pela vanguarda e quebra de paradigmas, quando tratamos de diversidade e equidade de gênero, ainda há muito a ser feito. No Brasil, por exemplo, menos de 20% dos cargos do mercado de tecnologia são ocupados por mulheres.

E a nós mulheres que ocupam cargos nessa indústria cabe um papel importantíssimo: o de ser vetor de mudança, de inspirar meninas a ocupar os lugares que desejarem. Também é importante que nós conheçamos e divulguemos as histórias de mulheres incríveis, que superaram adversidades e quebraram barreiras. E uma forma divertida de fazer isso é assistindo a filmes inspiradores. Por isso, nós listamos a seguir alguns filmes sensacionais para assistir no Dia Internacional da Mulher.

Estrelas Além do Tempo

Esse é um filme poderoso e baseado em fatos reais. Chorei muito acompanhando a história dessas três brilhantes mulheres negras que trabalharam na NASA: Katherine G. Johnson, Dorothy Vaughan e Mary Jackson.

Katherine G. Johnson foi física e matemática, e trabalhou no cálculo de trajetórias, janelas de lançamento e caminhos de retorno para muitos voos espaciais famosos, como, por exemplo, o Projeto Mercury (o primeiro homem a ir ao espaço), a Apollo 11 de 1969 (primeiro vôo à Lua) e o programa do Ônibus Espacial (planos para uma missão a Marte).

Dorothy Vaughan foi matemática e a primeira mulher negra a ser promovida como chefe de pessoal no Comitê Consultivo Nacional para Aeronáutica, mais tarde conhecido como NASA. Ela era a chefe da West Area Computers, liderando um grupo de matemáticos negros.

Mary Jackson foi matemática e a primeira engenheira negra da NASA em 1958. Ela influenciou a contratação e promoção de mulheres nas carreiras de ciências, engenharia e matemática dentro da instituição.

Numa época de desigualdade racial e de gênero, o filme conta a história não contada das conquistas dessas três mulheres, que desempenharam um papel crucial no sucesso do programa espacial, embora as suas contribuições não tenham sido amplamente reconhecidas.

Bombshell: The Hedy Lamarr Story

Esse documentário (disponível aqui) conta a fascinante história da linda e brilhante estrela do cinema Hedy Lamarr, incluindo como ela conseguiu escapar de um casamento sem amor às vésperas da conquista do seu país, a Áustria, pela Alemanha nazista até a sua carreira em Hollywood.

Hedy chegou a ser considerada a mulher mais bonita e glamorosa do mundo. No entanto, esse fato obscureceu sua genialidade, que só foi reconhecida postumamente. Ela criou conceitos de engenharia brilhantes que revolucionaram as telecomunicações, ajudou a melhorar a aerodinâmica de aeronaves e propôs o aperfeiçoamento do semáforo.

Aqui gostaria de fazer um parêntese, pois sempre que penso na Hedy lembro de um texto da Rupi Karl que diz o seguinte:

“Quero pedir desculpa a todas as mulheres que descrevi como bonitas antes de dizer inteligentes ou corajosas. Fico triste por ter falado como se algo tão simples, como aquilo que nasceu com você, fosse seu maior orgulho, quando seu espírito já despedaçou montanhas. De agora em diante, vou dizer coisas como: “você é forte” ou “você é incrível!”, não porque eu não te ache bonita, mas porque você é muito mais do que isso.”

Hedy Lamarr é a perfeita descrição desse texto: você é muito mais que isso!

Radioactive

Radioactive conta a história de Marie Curie, uma física pioneira nascida na Polônia, famosa por sua descoberta do polônio, do rádio e pela pesquisa sobre radioatividade. O filme é baseado na história em quadrinhos “Radioactive: Marie & Pierre Curie: A Tale of Love and Fallout de Lauren Redniss”, e foca bastante na vida pessoal de Marie, contando a história de como ela conheceu Pierre Curie, e de como eles se casaram, tiveram duas filhas e também de como eles mudaram o rumo da ciência ao ganharem juntos o Prémio Nobel pela descoberta do rádio em 1903

Marie foi a primeira mulher a ganhar o Prêmio Nobel de Física em 1903 e a única pessoa a ganhar o prêmio duas vezes. E um fato curioso é que embora Marie Curie tenha vivido boa parte da vida na França, onde também desenvolveu todo o seu trabalho científico, ela tinha um grande amor por seu país natal, a Polônia, e por isso nomeu o primeiro elemento químico descobrerto por ela de Polônio. E ela também faz parte de um seleto grupo, o daqueles que tem seu nome na tabela períodica. Apenas 8 pessoas no mundo tem elementos quimicos nomeados em sua homenagem. O de Marie (e Pierre também) é o Cúrio.

Conceiving Ada

Esse filme é, na verdade, uma ficção, mas também uma ótima oportunidade para conhecer um pouco mais sobre a Condessa Ada Lovelace, autora do primeiro algoritmo de computador, escrito para a “Máquina Analítica” de Charles Babbage. Por esse feito, Ada ficou conhecida como a primeira programadora do mundo. Além de programadora :), Ada era também matemática e escritora.

Mas vamos à sinopse do filme: Emmy Coer é uma cientista da computação obcecada pela Ada, e por isso ela tenta encontrar uma forma de se comunicar com Lovelace no passado por meio de “ondas de informação imortais”. Emmy eventualmente consegue se comunicar com Ada e se empenha em aprender sobre seus estudos e seu trabalho. O filme também aborda a questão da maternidade e seus desafios, e aborda bastante o papel das mulheres na sociedade.

Agora uma isenção de responsabilidade: o filme foi gravado em 1997, então tem muito clichês sobre redes de computadores, viagens no tempo e pseudociência. :)

É isso mulheres! Desejo que vocês gostem das dicas de filmes e que celebrem o dia da mulher sem esquecer a razão dele existir. Que nós sejamos fortes e corajosas para impulsionar a mudança na cultura de trabalho, mostrando os benefícios da equidade de gênero nesses espaços. Que nós possamos promover oportunidades de educação e desenvolvimento de competências para outras mulheres na indústria. E seguimos juntas!

4 filmes que celebram as mulheres na ciência e tecnologia was originally published in Mulheres em Dados on Medium, where people are continuing the conversation by highlighting and responding to this story.

Mesmo você não tendo o luxo de ser uma analista de dados contratado pela maior liga de basquete do mundo, você pode fazer suas próprias análises de dados utilizando uma api gratuita com os dados da NBA. É o combo diversão + aprendizado.

Vamos para um tutorial mão na massa de como calcular uma das métricas mais famosas do basquete, o triple double (triplo-duplo na tradução para o português).

Mas primeiramente, o que é o triple double?

Um atleta faz um triplo-duplo quando termina o jogo com ao menos dez execuções em três das cinco principais estatísticas (pontos, assistências, rebotes, tocos e roubos de bola), ou seja, três fundamentos com dígitos duplos.

Ou seja, precisamos verificar as 5 principais estatísticas e checar se em pelo menos 3 delas o jogador conseguiu dígitos duplos (maior ou igual a 10).

Agora que você já entendeu como calcular, vamos ver como fazemos isso usando a nba_api. Queremos como resultado final descobrir a quantidade de triple-doubles de algum jogador durante uma temporada.

Obs: você já precisa ter seu ambiente python configurado na sua máquina para rodar esse tutorial. Ok?

Primeiro passo: instalar os pacotes necessários

Vamos instalar a nba_api e o nosso queridinho pandas.

pip3 install pandas nba_api

Segundo passo: selecionar o jogador que queremos puxar a estatística de triple doubles

Por ser gratuita, a nba_api tem limitações de requests. Por isso, vamos puxar o relatório de triple-doubles em uma temporada e de um jogador por vez.

O endpoint players.get_players() retorna um dicionário com os nomes e IDs de todos os jogadores da NBA. Ter o ID do jogador é importante para acessarmos os demais endpoints.

import pandas as pd
from nba_api.stats.static import players
from nba_api.stats.endpoints import playergamelog

#endpoint
player_dict = players.get_players() 
#dataframe com IDs dos jogadores
players_df = pd.DataFrame(player_dict) 
#obter o ID do jogador a partir do nome completo
player_id = players_df.loc[players_df['full_name'] == player_name, 'id'].item()

No trecho acima, para facilitar a manipulação, o dicionário foi transformado em um DataFrame.

Vamos obter o ID do jogador a partir do nome completo do mesmo. Uma observação importante é na coluna 'full_name', os nomes estão com a primeira maíuscula e as restantes minúsculas. Por exemplo: Stephen Curry, Nikola Jokic, etc.
A variável player_name precisa estar correta para ter um retorno válido do ID. Se necessário, acrescente o capitalize() para forçar esse formato.

Terceiro passo: obter as estatísticas do jogador selecionado no passo anterior

O endpoint playergamelog.PlayerGameLog() retorna as estatísticas principais de um jogador por temporada.

# criação de instância para o objeto PlayerGameLog
player_game_log = playergamelog.PlayerGameLog(
# id obtido anteriormente         
            player_id=player_id,  
            season=season,
            season_type_all_star=season_type)
# dataframe com as estatísticas
games_data = player_game_log.get_data_frames()[0]

Verifique a documentação para preencher corretamente os parâmetros do endpoint.

Quarto passo: criar uma coluna booleana para assinalar cada vez que ocorreu um triple double

# lista com as 5 estatística principais
stats = ['REB', 'AST', 'STL', 'BLK', 'PTS']
# coluna booleana de triple double
games_data['TRIP_DOUB'] = (games_data[stats] >= 10).sum(1) == 3

No trecho de código acima, foi criada com uma lista com as 5 principais estatísticas. Pra quem ficou perdido, um lembrete abaixo destas estatísticas.

# REB = Rebounds (Rebotes)
# AST = Assistences (Assistências)
# STL = Steals (Roubos)
# BLK = Blocks (Bloqueios ou Tocos)
# PTS = Points (Pontos)

No dataframe games_data, temos todas as estatísticas do jogador na temporada em que cada linha é um jogo. A criação da coluna ['TRIP_DOUB'] é uma coluna booleana que vai calcular para cada jogo se teve ou não um triplo duplo (True se houve, False se não teve).

Quinto passo: criar um relatório simples das estatísticas do jogador na temporada

report = "-----------TRIPLE-DOUBLE REPORT " + player_name.upper() + "-----------\n\n"
report += "Total of Triple-Doubles: " + str(games_data['TRIP_DOUB'].sum()) + "\n"
report += "Total of games: " + str(len(games_data)) + "\n"
report += "Percentage of Triple-Doubles: " + str(round(games_data['TRIP_DOUB'].sum()*100 / len(games_data), 2)) + "%\n"
report += "Avg of Points: " + str(round(games_data['PTS'].mean(), 2)) + "\n"
report += "Avg of Rebounds: " + str(round(games_data['REB'].mean(), 2)) + "\n"
report += "Avg of Assists: " + str(round(games_data['AST'].mean(), 2)) + "\n"
report += "Avg of Steals: " + str(round(games_data['STL'].mean(), 2)) + "\n"
report += "Avg of Blocks: " + str(round(games_data['BLK'].mean(), 2)) + "\n"
print(report)

No trecho acima, tem uma sugestão de relatório para ser o output do seu código. Não limite sua criatividade e explore mais métricas.

Os números do Nikola Jokic são realmente impressionantes 👏

Gostou desse conteúdo? O código completo está nesse repositório: https://github.com/raquelcreis/triple-double-nba-api

Agora é sua vez de fazer uma jogada incrível! Te vejo em um próximo tutorial 👋

Tutorial NBA_api: aprenda a calcular triple doubles was originally published in Mulheres em Dados on Medium, where people are continuing the conversation by highlighting and responding to this story.

A gigante do mercado de streaming, Netflix, é uma das Big Techs que investem pesado na inteligência artificial (IA). O seu algoritmo de recomendação de títulos é notoriamente conhecido por aplicar ferramentas de IA para indicar aos usuários o que eles deveriam assistir. Construir esse algoritmo não foi tarefa fácil, e contou inclusive com uma competição milionária, que virou enredo do folclore da IA.

O ano era 2006 e a Netflix, então um serviço on-line de venda filmes e programas de TV, criou o “The Netflix Prize”, uma competição que visava premiar em 1 milhão de dólares a quem conseguisse melhorar o CineMatch, o seu primeiro algoritmo de recomendação de títulos, com base em avaliações anteriores de usuários.

A Netflix forneceu um conjunto de dados de treinamento contendo mais de 100 milhões de avaliações que os então 480 mil usuários deram aos filmes disponíveis na plataforma. Os dados, do tipo numérico, consistiam em tuplas contendo o ID do usuário, ID do filme, data da avaliação e nota. O objetivo do algoritmo seria prever as notas dadas a filmes de um conjunto de dados de validação, e o método utilizado para medir a acurácia do algoritmo foi o erro quadrático médio (RMSE).

Em 21 de setembro de 2009, o grande prêmio de 1 milhão de dólares foi concedido à equipe Pragmatic Chaos da BellKor, que superou o algoritmo de previsão de avaliação da Netflix em 10,06%. Ou seja, o algoritmo vencedor reduziu o erro quadrático médio em 10%.

Aqui começa a controvérsia. Seria o RSME a melhor métrica para esse tipo de situação? O que uma redução de 10% do erro quadrático médio significava para os usuários?

Apesar de todo o esforço, a Netflix percebeu que seu algoritmo de recomendação ainda não era bom o suficiente, isso porque o uso exclusivo de dados numéricos ou categóricos, e pior, de dados pouco representativos, não fornecem uma visão ampla sobre conceitos subjetivos, por exemplo, o que faz o consumidor feliz.

Então a Netflix percebeu precisar de um tipo diferente de dado, aquele que chamamos de Thick Data. Thick Data é uma informação qualitativa que oferece alguns entendimentos sobre a vida emocional dos consumidores. Em geral, esses dados são colhidos utilizando metodologias etnográficas, como pesquisas diretas com o consumidor, por exemplo.

O que a Netflix queria entender eram alguns comportamentos que o algoritmo de recomendação de títulos não podia prever, por exemplo, o que o usuário faz enquanto assiste a uma série? Será que o usuário dorme no meio de um filme? Quais as atividades secundárias que o usuário desempenha enquanto assiste a um documentário?

Por isso, a Big Tech contatou o antropólogo Grant McCracken para construir um banco de dados de conhecimentos etnográficos, contendo informações sobre traços culturais, padrões de espectadores, padrões de relacionamento off-line. McCracken conviveu com usuários da Netflix ao redor do mundo, adquirindo uma grande quantidade de dados contextuais. Um dos resultados mais interessantes que Grant e sua equipe descobriram durante as pesquisas foi que os usuários gostam de assistir um episódio após o outro da mesma série. Depois disso, a Netflix começou a produzir séries e liberar todos os episódios de uma temporada de uma vez, ao invés de disponibilizar um episódio por semana, como geralmente fazem as emissoras de TV.

Assim, o algoritmo de recomendação foi ajustado de acordo com o banco de dados etnográfico, e, como consequência, a Netflix revolucionou o mercado de streaming. Essa nova forma de consumir o audiovisual, o chamado binging, ou seja, assistir a vários episódios de um programa de televisão em um curto período de tempo, criou novos padrões de comportamento e socialização. E isso mostra como o Thick Data melhorou o algoritmo de recomendação da Netflix, focando naquilo que os usuários realmente querem.

Como o Thick Data mudou o algoritmo de recomendação de títulos da Netflix was originally published in Mulheres em Dados on Medium, where people are continuing the conversation by highlighting and responding to this story.

Jaron Lanier é considerado um dos fundadores do campo de pesquisa da realidade virtual e trabalha com internet e as tecnologias agregadas à ela há mais de 20 anos. Ele presenciou todo o processo de como a internet atingiu o mainstream, tornou as pessoas submissas e assumiu as rédeas da economia. Além deste livro, Lanier tem diversos textos, livros e manifestos discutindo o futuro da internet, mídias sociais e suas relações com a economia, educação e problemas sociais.

Dez Argumentos para Você Deletar Agora suas Redes Sociais foi escrito em 2017 e se tornou extremamente relevante em 2018 devido ao escândalo da Cambridge Analyticals, em que dados de milhões de usuários do Facebook foram utilizados sem autorização para, principalmente, direcionar propagandas políticas.

Se por um lado o livro tem um tom distópico, por outro apresenta fatos bem concretos. E quando se fala em distopia é comum lembrar de 1984 de George Orwell, que narra a história de uma sociedade oprimida, sob vigilância e controle total do estado, cuja figura de poder é representada pelo o Grande Irmão.

Apesar de os dois livros terem ideias que convergem, também podemos apontar algumas diferenças entre a sociedade descrita em 1984 e a nossa, que está sob o domínio das redes:

1. Por mais que em 1984 o controle fosse total e qualquer ato, respiração, palavra, expressão facial fossem alvo de análise, o regime não era capaz de entrar na mente dos personagens e ler seus os pensamentos. Com as redes sociais, nem os nossos pensamentos e desejos mais íntimos estão no campo privado. O Facebook, por exemplo, sabe melhor sobre nossas preferências que nossos pais e cônjuge.
2. Em 1984 quem faz o controle da população é o estado, representado pela figura máxima do grande irmão. No mundo das mídias sociais o controle está na mão de poucas empresas super tech, como Facebook (Meta) e Google.
3. Em 1984 as pessoas são submetidas ao sistema, forçadas a obedecer ao estado, sob pena de tortura caso decidam desafiar o sistema. No nosso mundo, nós nos pomos em vigilância constante por vontade própria, nós decidimos compartilhar a vida e se pôr sob o julgo das outras pessoas. Dessa forma, as redes sociais estão se tornando o modelo de vigilância e controle mais sofisticado já inventado.

Tendo em vista os fatos supracitados, o livro escrito por Lanier apresenta dez argumentos que explicam o porquê de as redes sociais serem nocivas:

Argumento 1: Você está perdendo seu livre arbítrio

Lanier utiliza o conceito do behaviorismo para explicar como os algoritmos manipulam as pessoas. O behaviorismo se concentra na ideia de que todos os comportamentos são aprendidos através da interação com o ambiente. Um exemplo clássico deste método é o reforço positivo, no qual a pessoa sob treinamento recebe uma recompensa por um dado comportamento.

As redes sociais, neste caso, treinam as pessoas para ficarem hipnotizadas por horas a fio em troca de pequenas doses de dopamina. O que as redes ganham com isso são nossos dados, tempo e livre arbítrio. É como se fossemos ratos de laboratórios. Informações sobre clicks, likes, tempo olhando determinada imagem, expressões faciais são utilizadas para nos manipular e nos manter cada vez mais conectados. Lembre-se: se o serviço é de graça, o produto é você

Argumento 2: Abandonar as mídias sociais é a maneira mais objetiva de resistir à insanidade de nossos tempos

Neste argumento o autor introduz o conceito da máquina “BUMMER”, que é um acrônimo de “Behaviour of Others, Modified, and Made into an Empire for Rent”. Essa máquina utiliza estatística e modelos matemáticos para calcular as chances das pessoas agirem de um determinado modo. Lanier argumenta que nem as redes sociais, ou a internet, ou smartphones são o grande problema; mas sim o modelo de mercado ditado pela máquina BUMMER, que tem o objetivo de encontrar clientes que paguem para modificar o comportamento de indivíduos. Por isso, segundo o autor, a melhor maneira de lutar contra esse modelo de mercado manipulador é saindo dele.

Argumento 3: As mídias sociais estão transformando você em um idiota

O primeiro motivo para virar um idota usando as redes é o vício. A máquina BUMMER tem o objetivo de fazer com que as pessoas passem a maior quantidade de horas utilizando as redes sociais. O vício de redes sociais pode causar ansiedade, irritabilidade, agressividade. Além disso, o autor defende que todos temos um troll dentro de nós que pode se tornar agressivo se for propriamente alimentado. E quanto mais agressivo o discurso, mais atenção e interação ele recebe e mais forte se torna. Somado a isso há aquele véu de impunidade, onde as pessoas falam o que querem, ofendem os outros sem muitas consequências.

Argumento 4: As mídias sociais estão minando a verdade

O hábito de contar mentiras, espalhar boatos não é novidade na história da humanidade, o que é novidade é o alcance desses boatos, que agora recebem a alcunha de fake news. A indústria de fakes teve um boom nos últimos anos com venda de seguidores, likes e comentários. Não é incomum que se use exércitos de bots para fazer milhões de retweets, por exemplo, deixando um assunto em alta na rede, e assim manipular a audiência.

Argumento 5: As mídias sociais estão fazendo o que você diz perder o sentido

O objetivo das redes sociais é aumentar o engajamento, tempo de tela. Não importa se o conteúdo tem profundidade ou se é apenas uma dancinha. Aliás, a palavra conteúdo perdeu um pouco do seu peso. Hoje “conteúdo” pode ser simplesmente um stories dando bom dia. Por isso, o autor se pergunta: é melhor atingir um número pequeno de pessoas levando informações importantes ou muitas com nada?

Argumento 6: As mídias sociais estão destruindo a sua capacidade de empatia

Esse argumento é a outra face da moeda do argumento 5. Ou seja, o que as outras pessoas dizem também se tornou sem sentido, sem importância. Além disso, os algoritmos manipulam o que chega até nós, de modo que vivemos em bolhas digitais e não vemos o que está acontecendo com o resto do mundo.

Argumento 7: As mídias sociais estão deixando você infeliz;

Esse argumento já é motivo de pesquisas, por exemplo, pesquisadores do Facebook já afirmaram que a rede pode deixar as pessoas infelizes sem que elas se deem conta que a razão da infelicidade é esta mídia. Um fenômeno interessante é que as pessoas tendem a mascarar as suas vidas e mostrar apenas porções muito bem escolhidas, isso gera uma ansiedade coletiva. As redes fazem com que as pessoas não se sintam atrativas, inteligentes ou bem sucedidas o suficiente. Na realidade, as redes estão cheias de opiniões sobre você neste exato momento: quantos seguidores, quantos likes, opiniões sobre a sua aparência, sua orientação política, e por aí vai. Assim, como é possível não sucumbir a essa pressão em algum momento?

Argumento 8: As mídias sociais não querem que você tenha dignidade econômica

Com o surgimento das redes, e principalmente da máquina BUMMER, mais e mais pessoas trabalham como freelancers (motorista de aplicativo, entregador de aplicativo, nômades digitais…). Essas pessoas estão fora do mercado formal e raramente conseguem estabilidade financeira. O modelo de mercado BUMMER é uma armadilha, ele surgiu a partir de um movimento que defendia a liberdade e os softwares de código aberto. O fato de as redes serem gratuitas é um fator que explica porque esse mercado cresceu tão rápido e massivamente. Mas o fato é que, mais uma vez, se algo é de graça, então o produto é você. Há manipulação nos feeds para apresentar propaganda direcionada e fazer com que as pessoas gastem mais dinheiro e tempo.

Também há a venda de uma ilusão de sucesso. Youtubers, Instagramers ricos, famosos. Traders ganhando dinheiro e ensinando a fazer o primeiro milhão. No entanto, essas pessoas, infelizmente, são a exceção. A grande maioria das pessoas nunca atingirá esses objetivos.

O plano do mercado BUMMER é, sorrateiramente, coletar os nossos dados e fazer dinheiro a partir dele. A nossa geração é aquela que está alimentando a inteligência artificial das redes… Os dados das próximas gerações talvez não sejam mais tão necessários assim.

Argumento 9: As mídias sociais estão tornando a política impossível

Quem é brasileiro e não vive numa bolha sem acesso à internet sabe o quanto esse argumento é verdadeiro. Intolerância, fake news, polaridade, flertes com autoritarismo.. Precisa dizer mais?

Argumento 10: As mídias sociais odeiam a sua alma;

Os nove argumentos anteriores servem para expor que o modelo econômico das mídias sociais não se preocupa com as pessoas, nem com a saúde psicológica ou financeira delas. Também não quer saber se o algoritmo as torna pessoas piores, e que as alimente de falácias, incitando o ódio coletivo.

Além do motivo econômico, outro motivo para as mídias sociais nos odiarem é que muitos cientistas e engenheiros que constroem as redes acreditam que não as estão construindo para os seres humanos de hoje, mas sim para uma inteligência artificial que irá herdar o planeta. Então há a venda do discurso de que profissões executadas por humanos estão se tornando obsoletas, quando a verdade é que a máquina precisa ser alimentada por dados e expertise humana… resta saber até quando.

Breve resenha de Dez Argumentos para Você Deletar Agora suas Redes Sociais was originally published in Mulheres em Dados on Medium, where people are continuing the conversation by highlighting and responding to this story.