Voc\u00ea anda se perguntando: o que \u00e9 Machine Learning?Quer descobrir como aprender Machine Learning?
\nEstamos falando de aplica\u00e7\u00f5es que aprendem com a experi\u00eancia e melhoram sua capacidade de decis\u00e3o ou precis\u00e3o preditiva ao longo do tempo. Sim, os dispositivos est\u00e3o ficando cada vez mais inteligentes. E empreendedores inteligentes tomam decis\u00f5es mais estrat\u00e9gicas: eles integram Machine Learning e Intelig\u00eancia Artificial para fortalecer seus neg\u00f3cios \u2014 de rob\u00f4s complexos a simples autoresponders inteligentes.<\/p>\n
Mas afinal, o que \u00e9 Machine Learning? Por que ele \u00e9 t\u00e3o importante? E ser\u00e1 que pode realmente aumentar sua receita?<\/p>\n
A resposta \u00e9: SIM!
\nEle pode colocar voc\u00ea \u00e0 frente da concorr\u00eancia. Este artigo vai explicar tudo o que voc\u00ea precisa saber sobre Machine Learning e Intelig\u00eancia Artificial, al\u00e9m de responder, de forma clara, \u00e0 pergunta: O que \u00e9 Machine Learning<\/p>\n
Machine Learning \u00e9 um subconjunto da Intelig\u00eancia Artificial que permite que um sistema aprenda e tome decis\u00f5es com base na experi\u00eancia, sem precisar ser programado passo a passo.<\/p>\n
Por tr\u00e1s disso, existem algoritmos que tornam o computador capaz de analisar dados e tomar decis\u00f5es sem interven\u00e7\u00e3o humana.<\/p>\n
Um algoritmo nada mais \u00e9 do que um conjunto de regras ou processos que um computador segue para resolver problemas. Esses algoritmos s\u00e3o projetados para identificar padr\u00f5es em grandes volumes de dados e usar essas informa\u00e7\u00f5es para tomar decis\u00f5es e prever resultados.<\/p>\n
Exemplos pr\u00e1ticos de Machine Learning ao nosso redor:<\/p>\n
J\u00e1 pesquisou ou comprou algo no celular e depois recebeu recomenda\u00e7\u00f5es de produtos, filmes ou m\u00fasicas relacionados? Isso \u00e9 Machine Learning.
\nRob\u00f4s aspiradores que limpam sua casa sem ajuda.
\nProvedores de e-mail que colocam mensagens indesejadas direto na pasta de spam.
\nM\u00e9dicos que conseguem identificar tumores com a ajuda de sistemas de an\u00e1lise de imagens m\u00e9dicas.
\nE claro: os famosos carros aut\u00f4nomos.<\/p>\n
E isso \u00e9 s\u00f3 o come\u00e7o. O Big Data est\u00e1 crescendo cada vez mais. Os computadores est\u00e3o se tornando mais poderosos e acess\u00edveis, enquanto cientistas de dados desenvolvem algoritmos ainda mais sofisticados.<\/p>\n
O aprendizado de m\u00e1quina continuar\u00e1 a trazer mais efici\u00eancia e inova\u00e7\u00e3o para o nosso dia a dia.<\/p>\n
Vamos dar um passo adiante e responder \u00e0 pergunta: \u201cO que \u00e9 a linguagem de Machine Learning?\u201d<\/p>\n
Muitas pessoas confundem Intelig\u00eancia Artificial (IA) com Machine Learning (ML). Mas elas n\u00e3o s\u00e3o a mesma coisa.<\/p>\n
Intelig\u00eancia Artificial \u00e9 a capacidade de uma m\u00e1quina realizar tarefas normalmente executadas por humanos.<\/p>\n
Em outras palavras, a IA permite que as m\u00e1quinas executem tarefas ao \u201cimitar\u201d de forma inteligente o comportamento humano.<\/p>\n
J\u00e1 o Machine Learning \u00e9 um ramo da IA: \u00e9 o processo pelo qual a m\u00e1quina aprende a partir dos dados que recebe, por meio de algoritmos.<\/p>\n
O cora\u00e7\u00e3o da IA: o modelo<\/p>\n
O n\u00facleo de um sistema baseado em IA \u00e9 o modelo.
\nUm modelo \u00e9, basicamente, um programa que melhora seu conhecimento por meio de um processo de aprendizado (algoritmos).<\/p>\n
Quando fornecemos dados de exemplo para que o computador aprenda a tomar decis\u00f5es com base em novos dados, chamamos isso de aprendizado supervisionado.<\/p>\n
J\u00e1 o contr\u00e1rio \u00e9 o aprendizado n\u00e3o supervisionado, que tamb\u00e9m veremos em mais detalhes.<\/p>\n
Aplica\u00e7\u00f5es pr\u00e1ticas do Machine Learning<\/p>\n
Um dos usos mais populares do Machine Learning atualmente \u00e9 o reconhecimento de imagens.<\/p>\n
Esses aplicativos s\u00e3o \u201ctreinados\u201d a partir de muitas imagens, onde cientistas de dados informam ao sistema o que cada foto cont\u00e9m.
\nDepois de milhares de repeti\u00e7\u00f5es, a aplica\u00e7\u00e3o aprende os padr\u00f5es de pixels e passa a identificar se a imagem representa um cavalo, um cachorro, um gato, uma flor, uma \u00e1rvore etc.<\/p>\n
Al\u00e9m disso, muitas empresas digitais usam Machine Learning para turbinar seus sistemas de recomenda\u00e7\u00e3o:<\/p>\n
O Facebook decide o que mostrar no seu feed de not\u00edcias.<\/p>\n
A Netflix sugere filmes e s\u00e9ries de acordo com seu gosto.<\/p>\n
A Amazon recomenda produtos que voc\u00ea provavelmente vai querer comprar.<\/p>\n
Tudo isso se baseia em previs\u00f5es a partir de padr\u00f5es nos dados j\u00e1 existentes.<\/p>\n
At\u00e9 aqui, voc\u00ea j\u00e1 deve ter come\u00e7ado a entender melhor a pergunta: \u201cComo o Machine Learning funciona?\u201d<\/p>\n
No pr\u00f3ximo passo, vamos falar sobre como aprender Machine Learning de forma pr\u00e1tica.<\/p>\n
Como o Machine Learning funciona<\/p>\n
Tudo o que ensina voc\u00ea a aprender Machine Learning come\u00e7a com o treinamento de um modelo de aprendizado de m\u00e1quina, ou seja, programar o computador com uma fun\u00e7\u00e3o em sua pr\u00f3pria linguagem.<\/p>\n
O treinamento exige que o especialista desenvolva uma fun\u00e7\u00e3o matem\u00e1tica que possa modificar suas pr\u00f3prias opera\u00e7\u00f5es repetidamente at\u00e9 conseguir prever com precis\u00e3o os resultados de um novo conjunto de dados.<\/p>\n
O Machine Learning usa processos semelhantes aos da minera\u00e7\u00e3o de dados. Dizemos que os algoritmos s\u00e3o escritos na linguagem do computador. Em outras palavras, \u00e9 uma express\u00e3o matem\u00e1tica que ajuda a compreender melhor como o sistema funciona.<\/p>\n
Podemos descrever o algoritmo em termos de uma fun\u00e7\u00e3o alvo (f) que mapeia uma vari\u00e1vel de entrada (x) para uma vari\u00e1vel de sa\u00edda (y):<\/p>\n
y = f(x)<\/p>\n
Mas sempre haver\u00e1 uma margem de erro. Vamos chamar esse erro de e, que \u00e9 a parte independente da vari\u00e1vel de entrada x:<\/p>\n
y = f(x) + e<\/p>\n
Para criar um modelo de aprendizado de m\u00e1quina, um cientista de dados precisa seguir quatro etapas b\u00e1sicas. Normalmente, esses profissionais trabalham em conjunto com os donos do neg\u00f3cio, garantindo que a m\u00e1quina atenda \u00e0s necessidades reais da empresa.<\/p>\n
Esse \u00e9 o primeiro passo para realmente compreender como funciona o Machine Learning.<\/p>\n
O que \u00e9 o conjunto de treinamento?
\n\u00c9 o grupo de dados que representa as informa\u00e7\u00f5es que o modelo de Machine Learning receber\u00e1 para resolver o problema para o qual foi projetado.<\/p>\n
Esses dados podem ser rotulados (labeled) ou n\u00e3o rotulados (unlabeled).<\/p>\n
Para garantir bons resultados, o conjunto de treinamento precisa ser:<\/p>\n
Organizado e preparado,<\/p>\n
Livre de duplica\u00e7\u00f5es,<\/p>\n
Aleat\u00f3rio,<\/p>\n
Verificado contra poss\u00edveis desequil\u00edbrios ou vieses que poderiam distorcer o aprendizado.<\/p>\n
Al\u00e9m disso, os dados devem ser divididos em dois subconjuntos:<\/p>\n
Treinamento \u2013 usado para ensinar o modelo;<\/p>\n
Avalia\u00e7\u00e3o \u2013 usado para testar e refinar a aplica\u00e7\u00e3o.<\/p>\n
Como vimos, um algoritmo \u00e9 um conjunto de regras ou processos que o computador deve seguir para resolver problemas.<\/p>\n
O tipo de algoritmo escolhido depende diretamente do problema a ser solucionado.<\/p>\n
Exemplos de algoritmos usados com dados rotulados:<\/p>\n
Algoritmos de regress\u00e3o,<\/p>\n
\u00c1rvores de decis\u00e3o,<\/p>\n
Algoritmos baseados em inst\u00e2ncia.<\/p>\n
Exemplos de algoritmos usados com dados n\u00e3o rotulados:<\/p>\n
Algoritmos de clusteriza\u00e7\u00e3o,<\/p>\n
Algoritmos de associa\u00e7\u00e3o,<\/p>\n
Redes neurais.<\/p>\n
Aqui \u00e9 onde acontece a m\u00e1gica. O treinamento do algoritmo.
\nEsse \u00e9 um processo iterativo: voc\u00ea precisa rodar vari\u00e1veis pelo algoritmo e comparar a sa\u00edda com os resultados que deveriam ter sido produzidos.<\/p>\n
Durante esse processo, ajustam-se os pesos e vieses dentro do algoritmo para que os resultados sejam cada vez mais precisos. Em seguida, roda-se novamente as vari\u00e1veis at\u00e9 que o algoritmo produza o resultado correto na maioria das vezes.<\/p>\n
O algoritmo refinado e preciso que resulta desse processo \u00e9 o que chamamos de modelo de Machine Learning.<\/p>\n
Na \u00faltima etapa, o modelo \u00e9 exposto a novos dados. Assim, ele continua a melhorar sua precis\u00e3o e efici\u00eancia com o tempo.<\/p>\n
Existem basicamente tr\u00eas m\u00e9todos de aprendizado de m\u00e1quina (ou como muitos especialistas chamam: estilos de aprendizado). S\u00e3o eles que ajudam a entender melhor como funciona o Machine Learning.<\/p>\n
Nesse m\u00e9todo, o computador recebe dados de entrada e de sa\u00edda, al\u00e9m de feedback durante o treinamento.<\/p>\n
O objetivo principal \u00e9 ensinar o sistema a mapear a entrada para a sa\u00edda.
\nOu seja, a m\u00e1quina aprende com exemplos definidos por humanos.<\/p>\n
Exemplo: um modelo de ML projetado para identificar animais de estima\u00e7\u00e3o e de seguran\u00e7a pode ser treinado com um conjunto de imagens de animais devidamente rotuladas.<\/p>\n
Nesse caso, n\u00e3o h\u00e1 r\u00f3tulos nem treinamento expl\u00edcito: o computador precisa descobrir as respostas sozinho.<\/p>\n
Esse m\u00e9todo \u00e9 geralmente usado com dados transacionais e aplicado a tarefas mais complexas.<\/p>\n
O aprendizado n\u00e3o supervisionado utiliza uma estrat\u00e9gia chamada Deep Learning para chegar a conclus\u00f5es. Aqui, o computador aplica algoritmos que extraem caracter\u00edsticas relevantes para classificar, agrupar ou rotular dados sem interven\u00e7\u00e3o humana.<\/p>\n
Exemplo: sistemas de detec\u00e7\u00e3o de spam em e-mails, que encontram padr\u00f5es invis\u00edveis para os humanos.<\/p>\n
Um dos problemas do aprendizado supervisionado \u00e9 que o cientista de dados precisa rotular manualmente grandes volumes de dados \u2014 o que \u00e9 caro e demorado.<\/p>\n
Por outro lado, o aprendizado n\u00e3o supervisionado \u00e9 limitado, j\u00e1 que muitas vezes o sistema n\u00e3o consegue gerar resultados aplic\u00e1veis em escala real.<\/p>\n
Para equilibrar os dois extremos, surgiu o Aprendizado Semi-Supervisionado.<\/p>\n
Nesse m\u00e9todo:<\/p>\n
O algoritmo primeiro agrupa dados semelhantes (com t\u00e9cnicas de aprendizado n\u00e3o supervisionado).<\/p>\n
Depois, usa o pequeno conjunto de dados rotulados existente para rotular automaticamente o restante dos dados n\u00e3o rotulados.<\/p>\n
\u00c9 como ensinar ao computador alguns conceitos b\u00e1sicos e depois passar exerc\u00edcios de casa (com base nesses conceitos) para que ele pratique sozinho.<\/p>\n
Esse m\u00e9todo \u00e9 considerado o meio-termo entre o aprendizado supervisionado e n\u00e3o supervisionado, sendo muito usado para melhorar a classifica\u00e7\u00e3o e a extra\u00e7\u00e3o de padr\u00f5es a partir de grandes conjuntos de dados.<\/p>\n
O aprendizado por refor\u00e7o utiliza tr\u00eas componentes principais: agente, ambiente e a\u00e7\u00e3o.<\/p>\n
O agente percebe o ambiente em que o computador est\u00e1 inserido,<\/p>\n
Interage e age com esse ambiente,<\/p>\n
Aprende atrav\u00e9s de tentativa e erro.<\/p>\n
\u00c9 parecido com o aprendizado supervisionado, mas, nesse caso, o modelo aprende progressivamente enquanto executa tarefas e testa diferentes caminhos.<\/p>\n
O Deep Learning \u00e9 um dos pontos mais importantes quando falamos em como aprender Machine Learning.<\/p>\n
Ele utiliza algoritmos que definem redes neurais artificiais, projetadas para aprender com novas experi\u00eancias da mesma forma que o c\u00e9rebro humano faz.<\/p>\n
Esses algoritmos aplicam m\u00faltiplas camadas de processamento, onde cada camada usa a sa\u00edda da anterior como entrada para a seguinte.<\/p>\n
As redes neurais que alimentam os modelos de Deep Learning podem ser lentas no in\u00edcio \u2014 como a mente de um beb\u00ea rec\u00e9m-nascido. Mas, \u00e0 medida que recebem dados, ajustam sua precis\u00e3o para executar tarefas cada vez mais avan\u00e7adas e sofisticadas.<\/p>\n
O Deep Learning se baseia em redes neurais artificiais (Artificial Neural Networks \u2013 ANN).<\/p>\n
Na teoria, uma ANN \u00e9 composta por neur\u00f4nios artificiais interconectados, criados para trocar informa\u00e7\u00f5es entre si. Cada neur\u00f4nio \u00e9 atualizado conforme recebe novos dados, conhecimento e experi\u00eancias.<\/p>\n
Esse tipo de rede neural aplica m\u00faltiplos filtros independentes sobre imagens de v\u00e1rios canais, a fim de extrair caracter\u00edsticas contrastantes e distintas.
\n\u00c9 bastante utilizada em aplica\u00e7\u00f5es de Processamento Digital de Imagens (DIP).<\/p>\n
A RNN \u00e9 usada para processar padr\u00f5es em dados sequenciais, em que resultados anteriores servem como base para prever resultados futuros.<\/p>\n
Exemplo pr\u00e1tico: as sugest\u00f5es autom\u00e1ticas que voc\u00ea recebe em plataformas como Netflix, Amazon, Spotify etc.<\/p>\n
Como j\u00e1 dissemos, o Machine Learning est\u00e1 em todos os lugares. Depois que voc\u00ea entende como ele funciona, come\u00e7a a enxergar suas aplica\u00e7\u00f5es no dia a dia.<\/p>\n
Aqui est\u00e3o alguns exemplos:<\/p>\n
Assistentes digitais: Amazon Alexa, Google Assistant, Apple Siri e outros s\u00e3o movidos por processamento de linguagem natural (NLP), permitindo que computadores entendam texto e voz quase como humanos.<\/p>\n
Recomenda\u00e7\u00f5es personalizadas: Modelos de Deep Learning alimentam os famosos \u201cVoc\u00ea tamb\u00e9m pode gostar\u201d e \u201cRecomendado para voc\u00ea\u201d em plataformas como Facebook, Netflix, Spotify e Amazon.<\/p>\n
Publicidade online: Anunciantes usam ML e Deep Learning para analisar o conte\u00fado de p\u00e1ginas da web, identificar a inten\u00e7\u00e3o ou opini\u00e3o do autor e exibir an\u00fancios que combinam com o interesse do visitante.<\/p>\n
Chatbots: Chatbots e autoresponders combinam reconhecimento de padr\u00f5es, NLP e redes neurais profundas para interpretar mensagens e responder de forma cada vez mais natural.<\/p>\n
Detec\u00e7\u00e3o de fraudes: O ML ajuda a identificar uso indevido de cart\u00f5es de cr\u00e9dito roubados e detectar padr\u00f5es ilegais em dados financeiros comprometidos.<\/p>\n
Carros aut\u00f4nomos: O aprendizado de m\u00e1quina permite que ve\u00edculos aut\u00f4nomos reconhe\u00e7am objetos no ambiente, prevejam seus movimentos e naveguem com seguran\u00e7a at\u00e9 o destino do motorista.<\/p>\n
Hoje, aprender Machine Learning est\u00e1 ao alcance de qualquer pessoa.
\nVoc\u00ea pode come\u00e7ar com cursos gratuitos e acess\u00edveis em institui\u00e7\u00f5es e plataformas renomadas:<\/p>\n
Stanford University (gratuito),<\/p>\n
Coursera e Udemy,<\/p>\n
EdX e Columbia University (Introdu\u00e7\u00e3o \u00e0 IA e ML).<\/p>\n
A Intelig\u00eancia Artificial \u00e9 a ci\u00eancia de criar m\u00e1quinas com racioc\u00ednio e capacidade de resolver problemas, permitindo que aprendam com dados anteriores sem depender de programa\u00e7\u00e3o repetitiva. Ela une Machine Learning e Deep Learning para criar sistemas inteligentes.<\/p>\n
Cada vez mais tecnologias est\u00e3o surgindo para permitir que desenvolvedores aprendam por conta pr\u00f3pria:<\/p>\n
A c\u00e2mera AWS DeepLens, habilitada para Deep Learning,<\/p>\n
Os kits AIY da Google, baseados em Raspberry Pi,<\/p>\n
E muitas outras ferramentas acess\u00edveis.<\/p>\n
Depois de passar por todos esses pontos, a pergunta \u201cO que \u00e9 Machine Learning?\u201d j\u00e1 deve ter sido respondida de forma clara, completa e convincente<\/p>\n","protected":false},"excerpt":{"rendered":"
Voc\u00ea anda se perguntando: o que \u00e9 Machine Learning?Quer descobrir como aprender Machine Learning? Estamos falando de aplica\u00e7\u00f5es que aprendem com a experi\u00eancia e melhoram sua capacidade de decis\u00e3o ou precis\u00e3o preditiva ao longo do tempo. Sim, os dispositivos est\u00e3o ficando cada vez mais inteligentes. E empreendedores inteligentes tomam decis\u00f5es mais estrat\u00e9gicas: eles integram Machine […]<\/p>\n","protected":false},"author":26,"featured_media":467,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"content-type":"","om_disable_all_campaigns":false,"footnotes":""},"categories":[1167],"tags":[],"class_list":{"0":"post-16056","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-uncategorized-pt"},"yoast_head":"\n