Conheça o Machine Learning e saiba mais sobre a aplicação da técnica

A era digital é o cenário para o desenvolvimento de conceitos que mudam a história e nos levam adiante. Esse é o caso dos modelos de Machine Learning.

Você já ouviu falar dessa técnica tão importante para profissionais e empresas? Sabe quais seus impactos no cotidiano de todos e sua importância para o desenvolvimento da sociedade?

O Blog Next entrevistou Rafael de Freitas Souza, professor do MBA em Data Science & Analytics USP/Esalq, que nos explicou tudo sobre o tema. Confira a entrevista completa!

O que é Machine Learning?

“O que se chama de Machine Learning compreende um conjunto de técnicas, geralmente advindas da Engenharia, da Estatística e da Ciência da Computação, que buscam capturar padrões comportamentais de uma base de dados e ensiná-los a uma máquina.

A ideia mais generalista seria a de que, ensinados esses padrões comportamentais à máquina, ela possa evidenciar informações não facilmente vislumbradas por um humano, compreendendo desde diagnósticos situacionais, até predições de eventos futuros.”

Como essa técnica está presente no nosso dia a dia?

“É difícil citar eventos cotidianos que não dependam de algum grau de aprendizagem de uma máquina. O aplicativo Waze, por exemplo, não é uma simples plataforma de GPS. Além das coordenadas de geolocalização, o programa trabalha continuamente tentando prever as melhores rotas, com base na escolha de caminhos de outros motoristas, no horário do dia, no comportamento dos semáforos, nas previsões climáticas e assim por diante.”

A seleção de anúncios que recebemos nas redes sociais também são exemplos?

“Quando visitamos algum sítio eletrônico buscando serviços de hotelaria para aproveitar as férias, é comum que nossos computadores continuem a insistir em propagandas de hotéis, mesmo quando visitamos páginas da web que não tem relação com essa primeira busca. Além dos cookies que são injetados em nossas máquinas, é comum que portais como o Google (ou similares) modelem outros comportamentos nossos a respeito da situação.

Por meio de outras buscas realizadas nesses portais, nosso comportamento é modelado, por exemplo, com base nas compras efetuadas. Assim, é possível ter uma previsão dos gastos mensais, além da estimativa da quantidade desses gastos que foi feita por fatores hedônicos, o quanto esses fatores importam para você, uma eventual estimativa se você tem ou não filhos, ou se é ou não casado. A partir daí, essas sugestões de hotéis ficam significativamente mais precisas.”

E as lojas físicas?

“Essas informações podem ser expandidas para qualquer campo da ação humana. Ao optarmos por comprar em lojas físicas, não estamos, necessariamente, salvos da inteligência artificial. Há lojas que dispõem de vitrines filmadas a todo tempo por câmeras que capturam informações sobre os clientes, como, por exemplo, o lugar que eles mais olham na vitrine ou mesmo o produto mais desejado por aquele perfil de cliente.

Em algumas, é possível notar atendentes com tablets. Essas pessoas já estão preenchendo algumas percepções sobre os clientes e podem ou não iniciar uma conversa buscando complementar o que estão fazendo nesses tablets. Essas máquinas, com modelos instalados em nuvem, mostram ao vendedor quais os possíveis perfis de cliente e, portanto, seus padrões de comportamento social e de compra. A aprendizagem da máquina também está presente nos estudos sobre vacinas, tratamentos médicos, comportamento das pessoas em redes sociais, decisão de malhas aéreas, na cadeia de suprimentos alimentícios etc. Todo aparelho celular de até, pelo menos, três ou quatro anos atrás, possui uma espécie de assistente virtual que reconhece as falas de seu dono e, com o passar do tempo, refina seu aprendizado com base no comportamento do seu operador. Exemplos não faltam e, como já citado, é difícil dissociar os graus de inteligência artificial alcançados pela humanidade de nossa vida contemporânea.”

Quais os impactos do Machine Learning nos modelos analíticos?

“A integração dos modelos analíticos aos computadores, à internet e à computação em nuvem deu uma velocidade substancial de processamento de dados e de comunicação a respeito da modelagem desses dados. Esses avanços também propiciaram a modelagem de uma quantidade expressiva de dados em tempo real. Utilizando novamente o Waze como exemplo, é exatamente por isso que a existência do aplicativo é possível hoje em dia.”

Como criar um bom sistema de Machine Learning?

“De maneira direta, dados. É preciso ter dados. Dados que conversem com o fenômeno que será estudado. Há diversos passos antes e depois de se obter esses dados. Saber onde e como os coletar já é um desafio por si só. Ainda que digam que eles podem ser facilmente encontrados, nem todos os dados podem ser usados para fins comerciais, por exemplo. Ainda que se possa usar esses dados para fins comerciais, é preciso saber como os colher, manipular e organizar uma base de dados para a aplicação de alguma técnica de Machine Learning.

Com uma base de dados bem organizada em mãos, é preciso definir claramente qual o fenômeno a ser estudado, as premissas assumidas, os vieses existentes e as técnicas corretas a serem aplicadas naquela situação em tela. Depois, deve-se interpretar os resultados das técnicas aplicadas e, na minha opinião, o mais importante: comunicar ao usuário da informação os resultados encontrados, de forma a evidenciar as premissas assumidas e os vieses existentes.”

Quais os principais modelos de Machine Learning?

“Essa pergunta depende diretamente da área do conhecimento discutida, bem como do fenômeno a ser estudado. Há técnicas, por exemplo, que são oportunas à Ciência Política e ao Marketing, mas que possuem aplicabilidade limitada em outras áreas.

O aprofundamento dos conhecimentos em geometria, álgebra linear, cálculo numérico, métodos de otimização, probabilidade, simulação, programação, estatística descritiva e inferencial são caminhos importantes para quem deseja seguir essa jornada. Porém, não acho que, necessariamente, deva existir um conhecimento prévio a respeito desses assuntos. Defendo um conhecimento básico e, de acordo com os campos de estudo desejados pelo indivíduo, com o tempo, a própria pessoa sentirá com que grau de profundidade deverá se aprofundar nesses tópicos.”

E, falando sobre se aprofundar no tema, que tal aprender mais sobre Machine Learning e partilhar conhecimento com outras pessoas da área? As inscrições para o MBA em Data Science & Analytics USP/Esalq estão abertas. Aproveite!

Autor (a)

Compartilhar

2 COMENTÁRIOS

  1. Muito boa essa entrevista Acacio, parabéns. Professor Rafael sempre claro e objetivo em suas explicações.

    Sou aluno do MBA em Data Science & Analytics da USP/Esalq e ao ler esse texto no momento em que estou aprendendo sobre Supervised e Unsupervised Machine Learning me faz ter uma clareza e enxergar como as coisas funcionam. 🙂

    • Oi Adriano!
      Que bom saber que você gostou do nosso conteúdo! O professor Rafael realmente é mestre no assunto.
      Espero que você continue nos acompanhando por aqui.🙂
      Um abraço!

Comments are closed.