A tecnologia permeia a educação há algum tempo, mas nos últimos meses esta parceria deu um salto evolutivo. Recentemente, por exemplo, a Apple anunciou, depois de muitos anos longe do tema, um hardware específico para o setor educacional. O novo iPad, que compete com laptops Google Chromebooks - já bastante populares em escolas -, também ganhou uma ferramenta de peso, a hoolwork, que ajuda professores a distribuírem trabalhos e monitorarem o progresso dos alunos.
Educação digital
Foto: DepositPhotos/bloomua / Canaltech
A Apple ainda criou o Classkit, uma API que permite que desenvolvedores criem aplicativos que se integrem ao serviço Schoolwork. A ideia é que estas ferramentas sirvam como base para impulsionar trabalhos que visem colocar a tecnologia como aliada no processo de ensino e aprendizagem. E se grandes empresas estão apostando no segmento é porque a demanda vem aumentado bastante.
Aqui no Brasil alguns projetos neste sentido também ganham força, o Educash é um deles. O game, desenvolvido pela startup Educar 3.0, ensina educação financeira para crianças de 9 a 12 anos e já foi testado em cerca de 60 escolas. "Os alunos jogam e os professores acompanham os processos de educação. O game traz experiência de resolução de problemas e dinâmicas que ensinam finanças e economia", conta Flavio Ramos, diretor de operações e mercado da empresa.
Segundo o diretor, a startup está firmando parceria com a Secretaria da Educação do Estado de São Paulo, além de empresas privadas que podem distribuir os jogos em diversas escolas. Com isso, a ideia é atingir cerca de 1 mil instituições nos próximos três anos. Além disso, um parceiro na Finlândia deve colaborar para que a startup atenda mais de 15 mil escolas fora do Brasil.
"Pesquisas realizadas em diversas áreas como psicologia, neurociência e economia mostram que o desempenho cognitivo do aluno é beneficiado quando há ampliação da aprendizagem", explica Flávio.
Já o Colégio Prudente de Moraes, de Salto, município do Estado de São Paulo, adotou em 2015 uma metodologia, chamada de Sala de Aula Invertida, criada pelos professores norte-americanos, Jonathan Bergmann e Aron Sams, em que os alunos têm autonomia para estudar os conteúdos das aulas antecipadamente em casa por meio de material digital fornecido pela escola, como vídeo aulas e até games.
Em 2016, o colégio implementou ferramentas do Google for Education capacitou sua equipe de professores e coordenadoras e adquiriu chromebooks para serem utilizados em sala de aula. E em 2018, o investimento aconteceu na reformulação da Sala de Informática para transforma-la em sala de Ensino Híbrido.
"Se os educadores souberem combinar as atividades lúdicas com os recursos tecnológicos, as aulas não se tornarão rotineiras e maçantes, mas despertarão nos alunos o interesse pelo conteúdo das matérias, mesmo daquelas consideradas mais "antipáticas", facilitando enormemente o aprendizado da garotada e desenvolvendo nela o gosto pelos estudos", explicou Ana Paula Barros de Paiva, orientadora educacional na área de Informática Educacional na empresa Planeta Educação, em artigo para o Canaltech.
Com informações do Estadão.
Muitos profissionais confundem meta e tarefa, quando na realidade são coisas distintas; Separamos sete princípios que ajudarão você em sua carreira
A maioria das empresa tem metas a serem atingidas. Porém, não adianta colocá-las no papel e esperar que elas sejam atingidas. Um dos primeiros passos é organizá-las.
Muitos profissionais confundem meta e tarefa, quando na realidade são coisas distintas. A meta é o que você quer. A tarefa é o que você tem de fazer para consegui-la.
Conheça sete princípios que o ajudarão a trabalhar suas metas.
1. Diga o que você quer, não o que quer evitar – a meta é o seu destino e dá a direção para onde se mover. Metas positivas são energizantes e motivadoras.
Perguntas-chave: “O que eu quero em vez disso?” ou “O que isso me dará? ou “O que eu ganho com isso?”
2. Faça suas metas desafiadoras e realistas – elas têm de ser atingíveis, mas não muito fáceis. As metas mais difíceis vão ensiná-lo mais. Mude as metas sempre que necessário. O objetivo é ter sucesso com uma meta que valha a pena e não falhar majestosamente. Quando atingir uma meta, congratule-se e estabeleça a próxima mais alta.
Perguntas-chave: “Essa meta é atingível?” ou “Essa meta é desafiadora?”.
3. Influencie os resultados diretamente – a meta deve estar sob seu controle direto. Você deve praticar a ação e não outra pessoa. Os outros, certamente, irão ajudá-lo, mas você terá que pedir isso a eles.
Perguntas-chave: “Esta meta está sob meu controle?” ou “O que farei para atingir essa meta?”.
4. Meça seu progresso – em primeiro lugar, as metas devem ter um prazo; você deve dar a si mesmo uma data limite. Em segundo lugar, decida como medir o progresso e como monitorá-lo continuamente.
Perguntas-chave: “Quando vou atingir essa meta?” ou “Como vou medir essa meta?” ou “Como vou saber que estou atingindo/que eu atingi essa meta?”.
5. Cheque seus recursos – recursos são qualquer coisa ou qualquer pessoa que possa ajudá-lo. É sempre motivador saber que você os tem.
Perguntas-chave: “Que recursos eu tenho?” ou “Como eu posso conseguir mais ajuda?”.
6 – Avalie o custo – qual é o custo das suas metas? Você quer e é capaz de pagar por ele? O custo não é simplesmente financeiro, mas, também, em termos de tempo e outras coisas que você poderia estar fazendo se não buscasse a meta.
Pergunta-chave: “Vale a pena ir atrás deste objetivo?”
7. Faça um plano de ação – o aprender está no fazer. Este é o momento em que você divide as metas em metas menores, para conseguir chegar às maiores. Comece com maiores e pergunte o que o impede de atingi-las, então estabeleça metas menores e específicas para vencer esses obstáculos.
Inteligência artificial não raro é utilizada para captar e interpretar uma gama muito grande de dados que a capacidade humana não consegue processar. E nada é mais grandioso do que o universo. Por conta disso, astrônomos estão usando ferramentas de inteligência artificial para detectar mais de 6 mil crateras na Lua.
O anúncio foi feito neste mês pela da Universidade de Toronto. De acordo com o comunicado oficial, a tecnologia usada para fazer o mapeamento lunar é a mesma que se tem em carros autônomos para medir o espaço em volta do veículos.
"Basicamente, precisamos olhar manualmente para uma imagem, localizar e contar as crateras, e calcular o tamanho delas com base no tamanho da imagem. Aqui, desenvolvemos uma técnica de inteligência artificial que pode automatizar todo esse processo, economizando tempo e esforço significativos", explica Mohamad
Ali-Dib, pós-doutorando no Centre for Planetary Sciences (CPS) da Universidade.
Mohamad Ali-Di, um dos pesquisadores que desenvolveu o sistema (Foto:Ken Jones/UTSC)
Foto: Canaltech
Esta não é a primeira vez que cientistas tentam criar uma técnica para agilizar a contagem de crateras lunares, mas a primeira que efetivamente funciona com a precisão científica necessária. "É a primeira vez que temos um algoritmo que pode detectar muito bem crateras não apenas para partes da Lua, mas também usar em áreas de Mercúrio", diz Ali-Dib.
Ele desenvolveu a técnica junto com os cientistas Ari Silburt, Chenchong Charles Zhu e um grupo de pesquisadores da CPS e do Instituto Canadense de Astrofísica Teórica (CITA). Para chegar ao nível desejado de precisão, os pesquisadores treinaram uma rede neural com dados que tinham de dois terços da Lua.
Com isso, conseguiram levantar o restante do mapeamento.
A pesquisa é importante, uma vez que saber a localização e tamanho de crateras lunares ajuda a compreender também a história do Sistema Solar. Cada cratera do satélite significa um impacto com tamanho, forma e data específicos, que podem ajudar a fazer um levantamento histórico da região no universo. "Como a lua não tem atmosfera, placas tectônicas e água, há pouca erosão e, como resultado, algumas crateras de impacto com a idade de 4 bilhões de anos são visíveis. As idades das grandes crateras também podem ser determinadas contando quantas pequenas crateras são encontradas dentro dela", explica a Universidade.
A pesquisa completa intitulada Lunar Crater Identification via Deep Learning ("Identificação de crateras lunares via deep learning", em tradução livre) pode ser baixada no site oficial da Universidade de Toronto.
Treinamentos para formação em ciência de dados e inteligência artificial estão com preços promocionais e podem ser feitos no horário mais conveniente
Praticamente todas as empresas estão com cargos abertos ligados a Inteligência Artificial, Data Science e Aprendizado de Máquina. Muitos têm nomes óbvios como Cientista de Dados ou Engenheiro de Dados, mas já há quem liste nos rankings cargos com nomes exóticos como Detetive de Dados ou Analista de Machine Learning Quântico.
O salário base mediano para um cientista de dados, segundo o LinkedIn, é US$ 113 mil ao ano. No Brasil, segundo o portal Love Mondays a média salarial é R$ 10 mil mensais. A boa notícia é dá para treinar a equipe nessas novas rapidamente, pois há bons cursos e o terreno da I.A se beneficia de profissionais que possuem uma grande variedade de soft skills e competências técnicas.
Separamos cinco cursos do nosso canal de cursos online em parceria com a Udemy para fazer em casa. Eles ajudam a ter uma visão abrangente das oportunidades e também a começar a produzir.
A vantagem é que os cursos estão com desconto promocional de 95%, custando menos 30 reais e podem ser realizados no horário que for mais conveniente. Todos oferecem certificação no final.
Confira!
1. Machine Learning A-Z™: Hands-On Python & R In Data Science
Coordenado por dois cientistas de dados, o curso ensina a criar algoritmos de Machine Learning em Python e R. São 40 horas de curso, divididas em 10 módulos.
No final, os alunos recebem templates de código em R e Python para aproveitar em seus projetos. Não é preciso ter experiência anterior em programação, mas é importante ter conhecimento básico de matemática do Ensino Médio. Em inglês, com legendas em português.
Preço promocional de R$ 27,99
vale até dia 28/03 (preço original R$ 579,99).
2. Python para Data Science e Machine Learning – COMPLETO
Com foco total em Python, o curso é recomendado para pessoas que tenham alguma experiência de programação e que tenham conhecimentos básicos de inglês. São 18 horas de curso em vídeo, acompanhadas de material para download, e divididas em 119 aulas. Tópicos abordados: Python para Ciência de Dados e Machine Learning; NumPy; Matplotlib; Seaborn; Plotly; SciKit-Learn; K-Means Clustering; Support Vector Machines (SVMs); Regressão Logística; Regressão linear; Floresta aleatória e árvores de decisão; Processamento de linguagem natural e filtros de spam; Spark para Análise de Dados Grandes
target="_blank">Preço promocional de R$ 27,99 vale até dia 28/03 (preço original R$ 579,99).
3. Data Science de A a Z - O curso completo
O curso foi elaborado para iniciantes na área de Data Science, profissionais de TI, e profissionais com alguma noção de programação e está estruturado com aulas teóricas sobre ciência de dados e aulas práticas. A proposta é dar ao aluno a oportunidade de entender a abrangência da carreira e experimentar uma parte prática para usar como ponto de partida para cursos mais complexos. São 24 horas de aulas. Tópicos abordados: Estatística, Machine Learning, Python, R, ETL, SQL e NoSQL.
Preço promocional de R$ 27,99 vale até dia 28/03 (preço original R$ 579,99).
4. Formação Cientista de Dados
O curso apresenta os principais conceitos e técnicas para se qualificar e atuar como um Cientista de Dados. Inclui vídeos explicativos e detalhados para leigos, exemplos práticos de codificação em R com dados reais, explicações de resolução de fórmulas passo a passo. Requisito básico: familiaridade com Informática, escrita de código, e linguagem R. São 18 horas divididas em 130 aulas em 10 módulos. O curso inclui 80 testes de fixação, divididos nos 10 módulos, uma prova final com 100 questões e uma atividade prática final, simulando um problema real.
Preço promocional de R$ 27,99 vale até dia 28/03 (preço original R$ 579,99).
5. Artificial Intelligence A-Z™: Learn How To Build An AI
Uma excelente chance para iniciantes aprenderem sobre Data Science, Machine Learning and Deep Learning com tutoriais, aulas teóricas, templates de código em Python, exercícios e projetos práticos. O curso foi desenvolvido em inglês e é composto de 18 horas de vídeo on-demand acompanhadas de 15 artigos e 7 recursos complementares. Oferece suporte da equipe de apoio com feedback em 48 horas. Requisito único: conhecimento de matemática do Ensino Médio. Em inglês, com legendas em português.
Preço promocional de R$ 27,99 vale até dia 28/03 (preço original R$ 579,99).
A Câmara e o Senado norte-americanos aprovaram uma verba de US$ 20,7 bilhões para o ano de 2018 para a NASA. Isso mostra o interesse das Casas no projeto espacial do país, uma vez que o governo havia requisitado 19,1 bilhões de dólares.
Nasa
Foto: Canaltech
Com isso, a agência espacial passar a ter a maior verba desde 2009, mesmo contando infrações. Em dezembro, o presidente Donald Trump aprovou o Space Policy Directive-1, política que redireciona a NASA para o projeto de levar o homem novamente à Lua, com a intenção futura de chegar a Marte. Tal projeto será feito em duas etapas: em 2019, a agência deve fazer o lançamento da cápsula Orion, em uma missão não tripulada para preparar o envio de seres humanos em 2022. Para a missão tripulada, a NASA está desenvolvendo o seu próprio foguete chamado Space Launch System (SLS). Ele será mais potente que o Falcon Heavy, da SpaceX, e já custou aos Estados Unidos 19 bilhões de dólares na última década, sendo que cada voo tem estimativa de pelo menos 1 bilhão de dólares. O montante contempla este projeto.
Mesmo com o projeto em andamento, o governo Trump era avesso a outros planos da NASA. A Casa Branca não queria aprovar verba destinada a programas de observação da Terra e investigação da mudanças climáticas, tema este considerado como fake news pelo presidente norte-americano. Outros projetos educacionais e o desenvolvimento do satélite WFIRST também estavam na lista de cortes do governo.
Contudo, Câmara e Senado aprovaram verbas para todos estes projetos, além de um orçamento de 23 milhões de dólares para o desenvolvimento de um mini-helicóptero que viajaria a Marte acompanhando o jipe Mars 2020.
Polêmica sobre a SLS
Embora tenha orçamento para produção do foguete, o SLS é alvo de críticas por conta de seu custo. A proposta é de que a NASA trabalhe em parceria com a SpaceX para utilizar o Falcon Heavy, foguete testado em fevereiro deste ano. O foguete da empresa de Elon Musk é mais barato, com o custo de 90 milhões de dólares por voo. Segundo estimativa da NextGen Space, ao utilizar a tecnologia da SpaceX, a NASA poderia completar o projeto de voltar à Lua com 10 bilhões de dólares nos próximos 7 anos, em contrapartida a outros 19 bilhões da SLS. A economia poderia redirecionar o orçamento para outros projetos como módulos,
robôs e estações ainda mais desenvolvidos.
