;)

Espero que depois que pronta eu consiga publicar (em conferências INTERNACIONAIS) e participar de concursos de dissertações de mestrado da SBC. Poderia ter feito isso já com o TCC da graduação aqui mas do ponto de vista de Recuperação de Informação o que eu fiz como estudo de caso foi muito pequeno (só prova de conceito, praticamente um toy example) e eu não dei prosseguimento ao sistema. Isso tudo feito às pressas pra conseguir o grau antes de ir pra Recife pro mestrado, apesar do 10 unânime de uma banca cabulosa lá da UFAL (modéstia à Marte).

Além disso, tive que aprender Recuperação de Informação (RI) e Aprendizagem de Máquina (AM) sozinho! Só por isso já mereço um prêmiozinho…

Nuvem de tags - ORGANIZE A WEB, MOTHAFUCKA

Bom, o assunto da dissertação: Folksonomias e Sugestão de tags. Construí (?) um sistema que extraiu dados do Delicious e depois usei técnicas de RI, AM e outras coisas. Usei como base da sugestão de tags pra páginas Web o conteúdo textual (implementado, preciso e lindo!), páginas vizinhas (inbound pages) (80% implementado) e informação do WordNet e ontologias (Aqui há dragões no código! Trabalhando nisso!). No final faço uma comparação entre as tags que sugeri e as tags do Delicious pra dar uma medida quantitativa do quanto o sistema é bom e uma análise do comportamento do usuário (p. ex. que tipo de tags o sistema NUNCA vai sugerir: “semweb” e “webdev” fica difícil).

Já passei do nível de loucura com esse sistema, o que pode ser melhor visto na quantidade de linhas de código da bagaça (inclui somente .java, código e testes). Mas vamo nessa, não desisto NUNCA!

Ia colocar o abstract aqui, mas como é um trabalho não-publicado (malditos revisores animais, alguns nem entenderam o sistema) vou deixar pra depois pra falar dos louros que consegui com o trabalho.

Boa noite, boa sorte (pra mim)!

O problema é que a maioria dos cursos só ensinam a usar o martelo, ou seja, ferramentas. Só mudar uma versão, uma sintaxe, um método… Ouvimos que é preciso “reciclagem”. As empresas gastam milhões pra “atualizar os funcionários” pra ensinar… FERRAMENTAS.

Muitas vezes o que falta é B-A-BÁ. É claro que ferramentas de produtividade, como diz o nome, nos fazem perder menos tempo em tarefas diárias quase automáticas. Mas, cuidado… Teoria e saber o que está fazendo é ESSENCIAL, condição necessária e suficiente. Notem aqui eu não nunca questionei o uso de ferramentas, apenas digo que é preciso responder duas perguntas para dominar BEM os programas e acessórios que usamos na nossa profissão. POR QUE e O QUE FEZ esse software ser assim?

Que não se iludam os que fazem curso e certificações pra atestar proficiência em ferramentas. Além do custo (a preço de diamante), o conhecimento (especialmente em Computação) é (muito) perecível. Você vai ter que aprender tudo de novo daqui a meses ou poucos anos, com a certeza que perdeu tempo/dinheiro. Pode valer a pena mas sempre há alguns poréns.

Ouço há anos a ladainha de que cursos em universidades federais são muito teóricos e “você não vai aprender nada do que se usa no mercado”. Ok. Nunca tive aula (oficial) de Java básico. Mas a única coisa que se deve esperar passivamente é a morte, o resto nós corremos atrás! Claro que nem todo mundo é auto-didata, mas um pouco de esforço nunca faz mal, até para os usuários cegos do martelo.

Quem aqui aprendeu programação funcional na faculdade e agora, como TODO ESSE KNOW-HOW, tá bombando novas linguagens multi-paradigma? Alguém? E o que faz quem não teve aula de programação funcional e quer usar tudo que Ruby e Scala oferecem? O jeito é voltar pra escolinha (eu incluso)…

Os usuários de martelo sempre reclamam: “Que aula chata, muito teórica”. Ah vai te catar meu filho! Você quer fazer aplicação em 5 minutos “abstraindo” as “complicações” e passar o resto do expediente lendo email?

Basicamente são usados em atributos (X)HTML como class e rel, sim, funciona com uma gambiarra do jeito que deu pra fazer. Por exemplo, pode-se dizer que (Exemplo Wikipédico):

O avião Air France 447 caiu nas coordenadas
<span class="geo">
 <span class="latitude">48.15</span>,
 <span class="longitude">-16.2342</span>
</span>

Essa informação é lida por browsers, ferramentas de busca e outros sistemas que conseguem “entender” que aqueles dados são referentes a coordenadas geográficas. Isso permite tarefas como:

– Indexar e recuperar consultas baseadas em coordenadas geográficas (num sistema de busca)
– Encontrar no mapa essas coordenadas oferecendo uma informação contextual que o site original pode não oferecer
– Exportar a informação para um dispositivo GPS

Uma grande aplicação recentemente (? Março) anunciada que usa Microformatos é o Google Rich Snippets. Primeiramente, snippets são aqueles resumos da página (geralmente contextualizados com a consulta) que aparecem nos resultados do Google abaixo dos links. Rich Snippets é uma tentativa do Google de mostrar algo a mais que apenas o conTEXTO da sua consulta, e se valer de dados estruturados da página para mostrar por exemplo reviews e notas para produtos e serviços pesquisados.

Exemplo do Google Rich Snippets

Páginas com snippets ricos tem maiores possibilidades de serem acesssadas, segundo experimentos deles. Mas, para que as páginas apareçam com esses resumos melhorados, os webmasters devem incluir anotações em microformatos (ou RDFa, tema do próximo post SÉRIO daqui) em suas páginas. Acho a iniciativa válida, mas ninguém tá com esse tempo de fazer isso na mão, ferramentas de edição que extraiam informação e detectem candidatos pra esses formatos são bem-vindas (quer ficar rico? fica a dica). Além disso a propaganda do tema ainda tá fraca, o culto é muito segregado e só tem uns bravos defensores, e não a W3C por trás.

Alguns exemplos de microformatos

hAtom – para marcação de feeds Atom
hCalendar – para eventos
hCard – para informação de contatos, incluindo endereço, localização geográfica, etc.
hProduct – para informações sobre produtos
hReview – para reviews de livros, filmes, restaurantes, etc.

Saiba mais: http://microformats.org/

// Post meio jogado, sem muita profundidade técnica e uma análise maior, mas tava encalhado aqui há muito tempo. Prometo melhorar quando falar do RDFa.

Tudo começou quando a PRIMEIRA caravana de Alagoas foi pro Encontro Nacional de Estudantes de Computação (ENECOMP 2006) e voltando do evento eu, Vicente e Marco (recém eleitos como PRIMEIROS representantes da Executiva Nacional pra Alagoas) conversávamos (enquanto bebíamos) sobre a falta de eventos em Maceió sobre Informática e TI no estado. Tinhamos que fazer algo! Com o aniversário do Debian próximo (16 de agosto), resolvemos criar o PRIMEIRO evento pra comemorar isso e falar sobre Software Livre no estado.

Debian Festival 2 e o bolo com confeitos (o mais original)

Apesar do pouco tempo de organização e da correria apareceram algumas figuras do Software Livre alagoano como o Cárlisson e o Luiz Antônio, que nos confirmaram o pioneirismo do evento. Depois apareceram eventos na FAL e mais recentemente eventos de OpenOffice, o FREESON, entre outros destinados a Linux e SL. Não escrevi isso dizendo que a mola propulsora desses eventos (embora tenhamos “culpa”) que apareceram foi o nosso, mas já dá pra ficar feliz em saber que ajudei a criar e batizei o evento, disseminando a cultura livre no estado, quando apenas existiam listas de emails esparsas e improdutivas.

O bolo bonitão e gostoso! do Debian Festival 3

O evento aconteceu anualmente, sempre no meio de agosto e comemorando o aniversário do Debian com os bolos legais que ilustram o post! Só queria agradecer aos que fizeram parte (como organização ou palestrantes) do evento como o Vicente, Marco, Bruno, Mário, Williamson, Natália, Hélio, Ellison, Wendell, Pretto, Felipe Wally, Cheops, Evellyn, Diogo Dutra e galera de Arapiraca (PRIDE!) e aos que esqueci de mencionar. Agradeço também aos que participaram e, apesar de nem sempre termos lotado auditórios e enchido mini-cursos deram valor ao evento, discutiram, aprenderam e praticaram Software Livre sob influência dos nossos eventos.

O bolo que eu não comi, mas tava com uma cara boa

O que fica dos eventos é realmente essa interação e as histórias da galera. E mesmo com o “bolo” do pessoal estudante e profissional de computação às vezes (por diversos motivos que incluem que nós organizamos as coisas por gostar e também temos vida profissional e pessoal cheias, é tudo na correria), valeu tudo a pena.

E o melhor de tudo, só nós temos camisa da Paris Hilton sendo modelo do evento, no que eu achei o melhor de todos, o Debian Festival 2.0, onde num dos maiores cases de marketing viral do estado (falso!), a Paris tava em todo lugar  (orkut, msn, listas de emails, andando pela cidade e pelas faculdades)! Teve gente fora da computação querendo minha camisa (hohoho). Nota de agradecimento ao Eliçu pela arte da Paris Hilton na camisa e cartaz.

Marco com a camisa da Paris (Debian Festival 2.0)

Nota de agradecimento aos que estavam nas cachaças pós-evento, que contribuíram pra nossa formação pessoal, social e alcoólatra (hic).

Mais umas fotos:

Cartaz fodão do Debian Festival 2.0

Auditório da biblioteca da UFAL topado vendo o Revolution OS - DF2

Organizadores e palestrantes - DF2

Cartaz do primeiro evento

Sites das edições:

Debian Festival — Debian Festival 2.0 — Debian Festival 3.0 — Debian Festival 4.0

Nunca criaram apelidos interessantes com o nome Ícaro. Minha irmã conseguiu a façanha de inventar um tal de “Cáqui” (nunca confundir com Caqui) quando tinha uns 2 anos, até hoje umas primas me chamam assim, e soa RIDÍCULO.

Meu primeiro nick (apelido) na Internet (lê-se IRC) foi Apocalypse_now. Coisa de pivete! Depois disso veio a Apocalypse HP (jogos, mp3, links, downloads)… Isso em 98 era O ÁPICE. EU TINHA UMA WEB PAGE. Meus amigos todos tinham também, O Mestre HP, Geografic Page, A Ossada… Até participamos de CONCURSO DE SITES no colégio!!

Depois usei os nicks Kripto, Shaman e Icaro. Esses dois últimos num acesso de nerdice profunda foram conseguidos esperando o nick “dropar” no BrasIRC, ou seja, o dono do nick na rede passava alguns meses sem entrar e o nick ficava disponível. E ter seu nome PURO ou de banda de roque como nick era sinônimo de eusoufodao.com.br!

Saia da fossa, caia no #esgoto.

No auge do nosso querido e eterno canal #esgoto, uma menina do colégio resolveu me chamar de kiru. Pela primeira vez na vida algum apelido baseado em Ícaro que deu certo!

Num outro canal cheio de “malandrinhos” do IRC, o povo tinha uma mania de nick terminado em UX (cinhUX, setUX, …), afinal o linUX é o sistema operacional dos hackers-rákis-h4x0rs (do mal!).

Eu era apenas um aprendiz quando recebi os ensinamentos dos cowboys. Lembro de um belíssimo exploit do IRC que derrubava qualquer cidadão que não trocasse o executável pra versão mais nova do IRC (85% da população da rede). Ou então eram uns ping of death “experimentais” ou DoS. Canais inimigos sofreram… Sim, eu tenho um passado script kiddie. Como era engraçado! :D

Interface do IRC. MSN suxxxx.

Pois é da união de Kiru com o poder do GNU/LinUX que surje kirUX.

PS: Eu devia ter escrito isso no começo do blog, pra que lembrassem mais do endereço do blog. Talvez depois eu mude pra icaromedeiros.wordpress.com (já registrado!), mas eu acho que soa muito “corporativo” e padrão, e eu sempre quero ser diferente… Talvez. Talvez fique melhor quando valer a pena o investimento num domínio .com ou .net.

PS2: Obviamente todos os nomes foram preservados, só falei dos nicks.

O RSS morreu (falso!). Viva o RSS.

O RSS foi uma grande (r)evolução, já que antes dele nós tinhamos que ir aos sites pra ver se haviam atualizações. Assim, temos uma maneira de organizar o conteúdo que lemos da Web e estamos sempre atualizados quando nossos sites/blogs preferidos tem novidades.

Uma das coisas que o artigo aponta como motivo para um enfraquecimento do RSS é que não há como acompanhar todas as discussões sobre um assunto via RSS e que em sites como Twitter e Facebook passamos do estágio de blogosfera (com RSS) para uma comentosfera. Peraí, mas se eu quero ver as tuitadas sobre gripe suína eu vou usar … RSS!

Really Simple Solution (Syndication)

Eu até concordo que os agregadores RSS tenham enfraquecido com o Twitter já que os blogs tem contas nele e compartilham os novos posts com tuitadas (embora quando isso é feito automaticamente, por debaixo dos panos, tá lá o RSS). Além disso (talvez por praticidade) donos de blogs cada vez mais compartilham links no Twitter, coisas que poderiam ter virado posts de seus sites. Finalmente, há aquelas páginas boas esporádicas de um site que nunca entraria nos seus feeds RSS, mas que dessa vez tinha algo interessante e um amigo recomendou via Twitter.

Os agregadores RSS devem continuar como ferramenta mais estáveis, onde vc sabe que vai ter coisas úteis, sem esperar que alguém poste no Twitter ou esperar que os donos dos sites entrem também nessas ferramentas stream-like. Além do que, se você postar num blog isso fica lá por muito tempo, pras pessoas verem, comentarem, e uma tuitada some do mapa se vc não a acompanhou em tempo real.

Eu vou dar uma TUITADA na barata dela!

Acho que o Twitter nesse caso de compartilhamento de URLs serve eventualmente pra recomendações de sites bons e alguma discussão sobre “hot trends”, mas não acabará com o RSS.

Finalmente, a tuitada do Nova Spivack que falei no começo dizia: “RSS is open and decentralized. Twitter is proprietary and centralized, and often broken.”. Agreed.

Ainda em tempo, sigam-me no Twiiter.

Segundo o autor, a ferramenta é uma “máquina de conhecimento computacional”. (…) . Hein?

Bom, diferente do Google, que retorna um bocado de links para possíveis respostas às perguntas dos usuários, o Wolfram Alpha tenta entender a pergunta e retornar uma resposta através de uma base de conhecimento criada para as mais diversas áreas, contendo terabytes de informação avaliada por especialistas e algoritmos para modelar e raciocinar sobre esse conhecimento.

O sistema computa as respostas! Calcula! Não é um amontado de pares pergunta-resposta nem busca respostas numa base de fatos. Ao invés disso o sistema é capaz de entender e retornar respostas para alguns tipos de pergunta. Além das respostas há maneiras de explorar conhecimento/dados relacionados e efetuar comparações já que a resposta pode incluir diagramas, gráficos e links para questões relacionadas.

Por exemplo, uma consulta sobre a temperatura em Tóquio no ano de 2008 mostrará médias de temperatura, umidade e velocidade do vento, além de um gráfico com as temperaturas médias, mínimos e máximos ao longo do ano. Diferente do Google, que ia mandar você ver o site da agência de meteorologia do Japão. No Wolfram Alpha é como perguntar a um expert na área como naquela frase: “pergunte a quem realmente entende do assunto”.

Consulta sobre temperatura em Tóquio no ano de 2008

Como funciona? Além da interface de processamente de linguagem natural para as perguntas, há um banco de dados com modelos formais de campos como a Física, onde leis, propriedades de elementos e relacionamento entre eles estão armazenados de maneira computável. O sistema é capaz de resolver problemas de cálculo, séries e do genoma humano! Além de ciência domínios como tecnologia, temperatura, negócios e música estão incluídos.

Integral da Secante de 3x. Lembranças de 2004 e do livro do James Stewart, clássico!

Outra diferença em relação ao Google: O Wolfram Alpha pode responder perguntas que ainda não foram feitas (e portanto não existem nos índices de páginas Web) desde que os cálculos necessários para respondê-las sejam conhecidos e estejam no seu modelo de mundo real.

Hoje em dia ferramentas como o Google funcionam semelhante a uma grande tabuada de multiplicação, com referências a vários resultados de produtos. Se o cálculo que vc quer saber está na tabuada, ele retorna. Já o Wolfram Alpha tem o algoritmo e pode calcular essa resposta.

Um exemplo interessante é a consulta “O sobrinho do neto da tia do meu tio”. No Google não dá em nada, mas no Wolfram Alpha resulta numa árvore genealógica e em informações como a relação de sangue (1/128).

O sobrinho do neto do tia do meu tio do papagaio da amiga da vizinha!

Outras características: por enquanto isso só será disponível em inglês, haverá uma referência às fontes consultadas para as respostas, quando houver controvérsia na resposta isso será declarado e o sistema também mostrará resultados de sistemas como Google, Wikipédia e Yahoo.

Algumas questões no ar: Quão extensível é isso? Será difícil adicionar e manter o conhecimento? Haverão erros? Quão frequentes serão esses erros? Que formas de conhecimento o sistema poderá manipular no futuro?

Consulta com uma sequência de DNA

Bom, eu tô pagando pra ver! Já me inscrevi pra receber notícias de lançamento e pra testar a ferramenta antes disso, ainda sem resposta. Vamos ver o que as próximas semanas aguardam e quando o sistema for lançado eu posto de novo com minhas impressões e o que sair de notícia a respeito.

Finalmente, destronar o Google é ilusão, até porque esse serviço será uma coisa adicional e paralela a ele que não acaba com a nossa necessidade de usá-lo. Você não vai usar o Wolfram Alpha para ver posts de blog sobre um assunto ou escolher onde passar férias.

Assim, acho que no máximo esse sistema poderá ganhar a mesma importância do atual oráculo da Web. Mas acho que para algumas áreas como a academia essa base deles será um grande revolução, desde que o sistema corresponda as expectativas.

Falando em expectativa: expectativa de vida de homens de 45 anos nos EUA

E se o fizer, como falaram nesse post, o sistema provavelmente será adquirido pelo próprio Google ou por alguma empresa (Microsoft?) querendo acabar com o Google. Só podiam mudar esse nome né? Muito extenso e feio, diferente de coisas pegajosas como Google e Yahoo!

Termino o post com uma declaração romântica de Stephen Wolfram sobre o sistema:

“What we’re trying to do is take all the things that can be computed about the world…and try and package it to the point where we can just walk up to a web site and have it deliver the knowledge we’d like to have. Like interacting with an expert it will understand what you are talking about, do the computation and present to you results.”

Mais informações:

Trecho de uma apresentação do sistema na Harvard:

Ótimo e completo artigo do Nova Spivack no Twine: Wolfram Alpha is Coming — and It Could be as Important as Google

Mais screenshots do Wolfram Alpha
Our First Impressions (ReadWriteWeb)
A new paradigm for using computers and the web (ZDNET)
Brilliant tool, Google killer, or lots of hype? (ZDNET)
Nova ferramenta que promete desbancar Google (Google Discovery)
Wolfram, Google killer?

Relatando fatos engraçados do nosso mundo como chefes absurdos, novas modas na Internet e piadas técnicas e sobre o estereótipo nerd, as tirinhas do Nerdson são destinadas principalmente aos Computeiros. Diferente do PhD Comics que eu só peguei algumas tiras, no Nerdson eu pesquisei o site inteiro!!

Aí vão alguns exemplos (não entendeu as piadas?  noob!):

E a melhor de todas (é grande mas vale a pena!):

Há aqui uma vasta gama de unidades de pesquisa, tratando de assuntos como Redes de Comunicação, Algoritmos para Otimização e Simulação, Processamento de Sinais, Automação, Bioinformática, Engenharia de Software e, no meu caso, Gerenciamento de Dados e Recuperação de Informação (Data Management and Information Retrieval – DMIR) .

A unidade que eu trabalho na rua Alves Redol, Alameda, Lisboa. Escritórios com varanda ;)

O DMIR está envolvido na pesquisa e no desenvolvimente de soluções no estado-da-arte para grandes volumes de dados. Foca-se nos problemas de gerenciamento de dados, por exemplo: Extração de dados, armazenamento, classificação e recuperação de documentos textuais, mineração de dados, engenharia de ontologias e Web semântica.