web 3.0 - fei, 2014
Post on 13-Jan-2015
110 Views
Preview:
DESCRIPTION
TRANSCRIPT
Alberto de Freitas F. FilhoFelipe Passarelli Andreoni Gustavo YogiWilliam Endo Freire
Sistemas de Informação – NPA810Prof. Mateus Tavares da Silva Cozer
Social Network Sites (SNS) Serviço da internet que permite pessoas
criarem perfis públicos ou semi-públicos dentro de um sistema limitado, escolhendo as pessoas em que irão interagir, vendo e compartilhando esta lista de conexão dentro do sistema.
Nicole B. Ellison
Networking associa-se ao início de um NOVO relacionamento, enquanto Network tem ênfase na parte de interação/comunicação, mesmo que seja com uma pessoa conhecida.
Dana M. Boyd
Network x Networking
High School Networks To
Corporate Networks
Mudança de Pensamento
MySpaceFenômeno Global
FOCO NOS PARCEIROS, NÃO NOS CONCORRENTES.FACEBOOK: 1.23 Bilhão de Usuários
Social Commerce
http://likestore.com.br/
Social Commerce
Facebook Open Graphs
Open Data
Open Data
The Future of the Internet
• Battle of the Boxes• Battle of the Networks• Cybersecurity and the Generative Dilemma• The Generative Pattern
Professor na Universidade de Harvard e co-fundador do Berkman Center for Internet & Society.
Jonathan Zittrain
Battle of the Boxes
Herman Hollerith
Criação do Home PC
Fonte: http://www.boredpanda.com/
Battle of the Networks
Fonte: http://www.boredpanda.com/
The Generative Pattern
architecture of the Internet
architecture of the PCFonte: The Future of the Internet and How to Stop It – J. Zittrain
Web 3.0
John MarkoffJornalista americano conhecido por terpopularizado termo web 3.0 ou websemântica e por ter escrito sobre a busca eprisão do hacker Kevin Mitnick, ambosatravés de seu trabalho no New York Times
“Entrepreneurs See a Web Guided by Common Sense.”
Informações organizadas para entendimento do homem e da máquina; uso inteligente do conhecimento e conteúdo já disponível online; acesso 24h por dia em meios de comunicação.
Evolução da Web
Web Semantica
Making Information AvailableStatic HTML, Email, Forums, Chat, Low Bandwidth, Limited Hardware. Ex.: Google, Cadê, Yahoo, Hotmail, etc.
Data Gathering More Robust Dynamic HTML, Really Simple Syndication, Podcasting, Blogging, Video, High Bandwidht, Cheap Computing. Ex.: Youtube, Skype, Facebook, etc.
Web 3.0 Predict Our Behaviors.Semantic Web, Data has become more open, Creates transparency between organizations, Internet of Things (IoT), Communal, Micro-Networks, Cloud Computing.
Evolução da Web
Fonte: http://www.qualedigital.com/index.php/web-3-0/
Quanto Vale a Informação?“A informação é o principal recurso natural deste século a ser coletado por países e empresas. Ela será o que o vapor foi para o século 18, a eletricidade para o século 19 e os hidrocarbonetos para o século 20. Entretanto, há uma diferença: ela é ilimitada, mas precisa ser refinada.”
Ginni Rometty CEO da IBM (HSM Expo Management 2013, SP).
1. Cada vez mais as decisões tomadas dentro das empresas serão baseadas na informação e em ferramentas de análise preditiva.
2. Infusão de inteligência em tudo que a empresa faz e na maneira como ela faz, baseada na tendência da chamada Internet das Coisas (Internet of Things), o que forçará as empresas a integrarem todos esses dados a suas redes para ofertar produtos e serviços melhores a seus clientes.
3. Mudança do foco na entrega de ativos e produtos não mais para setores de mercado, mas diretamente para o consumidor, em uma estratégia de marketing que cada vez mais deve se focar no one-to-one.
Fonte: http://corporate.canaltech.com.br/noticia/ibm/Para-CEO-da-IBM-informacao-e-o-maior-recurso-natural-deste-seculo/
Internet of Things (IoT)
RFID (Radio-Frequency Identification): método de identificação automática através de sinal de rádio, que permite o armazenamento e a recuperção de dados remotamente, através de dispositivos chamados de etiquetas RFID.
Aplicações:• Identificação e rastreamento
de objetos (controles de patrimônio e estoques);
• Monitoramento de deslocamento de ferramentas, peças e produtos acabados em linhas de montagens indutriais;
• Identificação de veículos;• Identificação e rastreamento
de rebanhos.
“More objects are becoming embedded with sensor and gaining the ability to communicate. The resulting information networks promise to create new business models, improve business processes, and reduce costs and risks.”
Michael Chui, Markus Löffler, Roger Roberts
Fonte: http://www.dis.anl.gov/projects/rfid_tech.html
IoT (Internet of Things): redes de comunicação entre objetos e entre estes e a Internet.• É a extensão da Internet para o mundo físico, isto é, para o mundo real onde
estão os objetos, propiciando uma interface para interação com e entre objetos (coisas);
• Esta comunicação não depende, necessariamente, de interferência humana; • Permite que aplicações e serviços se comuniquem, obtenham dados sobre o meio
onde está o objeto e atuem sobre os objetos;• Podem trazem imensos benefícios para a sociedade em diversos setores, tais
como: segurança alimentar, saúde humana, vida assistida e eficiência energética;
• Vantagem competitiva entre países;• A internet revolucionou a vida dos indivíduos e a IoT vai revolucionar a vida da
coletividade.
Internet of Things (IoT)
Tecnologias Necessárias à IoT são aquelas que permitem:I. Identificar objetos através de códigos de barras, etiquetas RFID e
matrizes bidimensionais, entre outros;II. Agregar dados à identificação do objeto;III. Monitorar variáveis ambientais por meio de sensores eletrônicos;IV. Processar dados;V. Formatar redes de comunicação entre objetos;VI. Comunicar com a Internet.
Internet of Things (IoT)
Internet of Things (IoT)BRASIL DEVE SER UM IMPORTANTE PARTICIPANTE GLOBAL• Investir no domínio das tecnologias habilitadoras relacionadas, como RFID, Zig-Bee,
redes de sensores e tantas outras;• Plano Maior Brasil: Metas de ampliação do acesso a bens e serviços para qualidade
de vida, incluindo a ampliação do número de domicílios urbanos com acesso à banda larga (PNBL), alcançando 40 milhões de domicílios.
AGENDA ESTRATÉGICA DE PESQUISA• Criação de 2-3 projetos nacionais
integrados • que envolvam grupos de várias
regiões do Brasil;• Promover a formação de Recursos
Humanos para a área de IoT por meio de programa específico com grande componente cooperação internacional;
• Criação da rede de Pesquisa Internet das Coisas: envolvendo grupos de pesquisa, empresas e desenvolvedores de aplicações em todo país.
Internet of Things (IoT)
Fonte: Michael Chui, Markus Löffler, Roger Roberts – McKinsey Quarterly
Information and Analysis
Fonte: Michael Chui, Markus Löffler, Roger Roberts – McKinsey Quarterly
Fonte: Michael Chui, Markus Löffler, Roger Roberts – McKinsey Quarterly
Internet of Things (IoT)Automation and Control
Fonte: Michael Chui, Markus Löffler, Roger Roberts – McKinsey Quarterly
Fonte: Michael Chui, Markus Löffler, Roger Roberts – McKinsey Quarterly
Fonte: Michael Chui, Markus Löffler, Roger Roberts – McKinsey Quarterly
Fonte: http://www.monity.com.br/solucao.html
Fundada em 2004 Solução para o mercado de segurança eletrônica no Brasil
Propicia o monitoramento das operações dos seus veículos em qualquer lugar. Um equipamento com três câmeras, sensores e atuadores é instalado no veículo. Ele transmite os vídeos, em tempo real, por meio de uma comunicação sem fio 3G. Além da transmissão em tempo real, os vídeos e outras informações são armazenados num servidor e posteriormente podem ser consultados.
Mobile Resource Management – M2M
Machine-to-Machine (M2M) refere-se a tecnologias que permitem tanto sistemas com fio quanto sem fio a se comunicarem
com outros dispositivos que possuam a mesma habilidade.
Machine Learning ProcessÉ um sub-campo da inteligência artificial dedicado ao
desenvolvimento de algoritmos e técnicas que permitam ao computador aprender, isto é, que permitam ao computador
aperfeiçoar seu desempenho em alguma tarefa
Machine Learning
Social Machines (SM)
- Social Machine is a tuple of Relationships, Wrapper Interface, request, response, state,
constrains, Input, processing unit and output “
Fonte: [ Meira, Silvio R. L.] “The Emerging Web of Social
Machines”
Social Machines
Relationships: Uma máquina social pode se conectar com outra máquina social seguindo qualquer protocolo bem definido. Exemplo: Caso alguma SM tem a intenção de ter uma relação com o Twitter.com(SM) ela tem que saber as restrições do Twitter, o que faz com que diversas SMs possam se relacionar.
Wrapper interface: É uma camada de comunicação, a qual uma SM exterioriza seus serviços e permite interação com outras SM na web. Exemplo: Vivo manda SMS para falar que seu pacote de internet está se esgotando, este SMS é uma wrapper interface.
Request: Uma chamada de procedimento remoto para os serviços prestados pela wrapper interface de uma máquina social.
Response: Uma resposta remota para os serviços prestados pela wrapper interface de uma máquina social.
Constraints: Qualquer restrição que uma máquina social pode ter são comparados com os requisitos não funcionais no ciclo de vida do software. Exemplo : Servidor da web, dependendo do número de acessos temos um erro de serviço.
Fonte: Roush, W. (2005) “Social Machines - Computing means connecting”
Social Machines
Principais Características:
- Sociabilidade;- Composicionalidade;- Capacidade de descobrir e conectar a outra SM dinamicamente.
Fonte: [ Meira, Silvio R. L.] “The Emerging Web of Social Machines”
Aprisionamento no Sistema – Lock In
Ipad x Kindle
Ios x Android
iOs x Ubuntu Ubuntu é um sistema operacional baseado em Linux desenvolvido pela comunidade e é perfeito para notebooks, desktops e servidores. Ele contém todos os aplicativos que você precisa - um navegador web, programas de apresentação, edição de texto, planilha eletrônica, comunicador instantâneo e muito mais.
Segundo a Free Software Foundation (Fundação para o Software Livre): “Software Livre é qualquer programa de computador que pode ser usado, copiado, estudado, modificado e redistribuído sem restrições”. Importante salientar que Software Livre não significa software grátis e sim liberdade de uso.
Fonte : http://ubuntu-br.org
Big Data O conjunto de soluções tecnológicas capaz de lidar com dados digitais em volume, variedade e velocidade inéditos até hoje. Na prática, a tecnologia permite analisar qualquer tipo de informação digital em tempo real, sendo fundamental para a tomada de decisões.Fonte :
http://oglobo.globo.com/infograficos/bigdata
Data Mining • Processo de explorar grande quantidade de dados à procura de padrões
consistentes, como regras de associação ou sequencias temporais, para detectar relacionamento sistemáticos entre variáveis, detectando assim novos subconjuntos de dados.
Ferramentas:
• Árvore de Decisão• Regressão• Aglomeração• Segmentação• Análises de Associação
Apas 2014 Highlights Marcelo Coutinho Director of Market Intelligence for Terra Networks and professor of Strategy and Communication at Fundação Getúlio Vargas (FGV)
Fonte: http://pt.slideshare.net/mcoutinholima?utm_campaign=profiletracking&utm_medium=sssite&utm_source=ssslideview
Predicting the Future with Social Media
Fonte: http://pt.slideshare.net/mcoutinholima?utm_campaign=profiletracking&utm_medium=sssite&utm_source=ssslideview
Fonte: http://pt.slideshare.net/mcoutinholima?utm_campaign=profiletracking&utm_medium=sssite&utm_source=ssslideview
Arvore da DecisãoAs árvores de decisão são representações simples do conhecimento e têm sido aplicadas em sistemas de aprendizado. Elas são amplamente utilizadas em algoritmos de classificação, como um meio eficiente para construir classificadores que predizem classes baseadas nos valores de atributos. Assim, podem ser utilizadas em várias aplicações como diagnósticos médicos, análise de risco em créditos, entre outros exemplosAlgoritmos CART, ID3 e C4.5
Crowdsourcing, API, Apps contests
O crowdsourcing é um modelo de produção que utiliza a inteligência e os conhecimentos coletivos e voluntários, geralmente espalhados pela Internet para resolver problemas. – FÓRUNS, Yahoo Perguntas, Etc
Application programming interface – API - é a “matrix” dos aplicativos, ou seja, uma interface que roda por trás de tudo: enquanto você usufrui de um aplicativo ou site, a sua API pode estar conectada a diversos outros sistemas e aplicativos. E tudo isso acontece sem que você perceba
Sistema Único de Saúde
http://aplicacao.saude.gov.br/portaltransparencia/visao/dadosTransparencia.jsf?uf
Cobertura Populacional
Sistema Único de Saúde
• No conjunto do país, são 46.634.678
usuários de planos de saúde, segundo
dados de 2011 da Agência Nacional de
Saúde Suplementar (ANS).
• População que depende exclusivamente do
SUS, soma 144.098.016 pessoas.
• Temos 1,95 de postos médicos nos
estabelecimentos públicos por 1000
HABITANTES;• A Bahia conta com apenas 1,25 posto
ocupado por 1.000 habitantes;
• O quadro de penúria e desigualdade é
ainda maior em estados como Maranhão e
Pará, que contam com menos de um posto
de trabalho médico ocupado por 1.000
habitantes/SUS.
Sistema Único de Saúde
http://www.cremesp.org.br/?siteAcao=CentroDados&acao=detalhes_capitulos&cod_capitulo=4
Melhorias• Tecnologia:
Cadastro de Clientes em Tablets, trazendo enormes benefícios: rapidez, monitoramento do paciente eficaz, etc.
- The Future of the Internet and How to Stop it: Published March 30,2008. Cap 1,2,3 e 4, Authored by Jonathan Zittrain; J. Zittrain: http://www.law.harvard.edu/faculty/directory/10992/Zittrain- Machine Learning: "M2M: The Internet of 50 Billion Devices", WinWin Magazine, January 2010."Machine-to-Machine (M2M) Communications", MobileIN.- Valor da Informação: http://corporate.canaltech.com.br/noticia/ibm/Para-CEO-da-IBM-informacao-e-o-maior-recurso-natural-deste-seculo/
- The emerging Webof Social Machine http//arxiv.org/ftp/arxiv/papers/1010/1010.3045.pdf
- The big switch.Rewiring the World,from Edison to Google.Carr(2008)
- FLETCHER,Dan. How Facebook is redefining privacy.2010.
- CARDOSO,Jorge. The semantic web vision:Where are we? Intelligent Systems, IEEE,v.22,n.5,p.84-88,2007.
- HENDLER, Jim;BERNERS-LEE,Tim. From the Semantic Web to social machines:A research challengefor Al on the World Wide Web. Artificial Intelligence,v.174,n.2,p.156-161,2010.- WITTEN,lan H;FRANK,Eibe.Data Mining:Practical Machine Learning tools and techniques.Morgan Kaufmann,2005. www.data.gov.uk
- Machine learning: an algorithmic perspective / Stephen Marsland. p. cm. (Chapman & Hall/CRC machine learning
& pattern recognition series), 2009
http://www.technologyreview.com/communications/1/4664
http://cyber.law.harvard.edu/iif/Syllabus
http://portal.saude.gov.br/portal/arquivos/pdf/painel_%20indicadores
_do_SUS.pdf
http://www2.datasus.gov.br/DATASUS/index.php
http://www2.datasus.gov.br/DATASUS/index.php?area
=0701&item=1&acao=22
http://portalsaude.saude.gov.br/portalsaude/index.cfm?
portal=pagina.visualizarArea&codArea=369
IoT video: http://www.youtube.com/watch?v=nEVatZruJ7kOpen Graph Video: http://www.youtube.com/watch?v=4Q207Z-HkUo
Bibliografia
top related