web 3.0 - fei, 2014

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