O machine learning, ou aprendizado de m\u00e1quinas, \u00e9 a \u00e1rea da intelig\u00eancia artificial relacionada \u00e0 busca de um conjunto de regras e procedimentos para permitir que as m\u00e1quinas possam agir e tomar decis\u00f5es baseadas em dados, ao inv\u00e9s de serem explicitamente programadas para realizar uma determinada tarefa.<\/p>\n\n\n\n
Dessa forma, ao analisarem um grande volume de informa\u00e7\u00f5es, elas s\u00e3o capazes de identificar padr\u00f5es e de tomar decis\u00f5es com o aux\u00edlio de modelos. Isso torna as m\u00e1quinas capazes de fazer predi\u00e7\u00f5es por meio do processamento de dados.<\/p>\n\n\n\n
Para entender o que \u00e9 machine learning, \u00e9 preciso conhecer suas tr\u00eas t\u00e9cnicas:<\/p>\n\n\n\n
Supervisionado:<\/strong> a categoria mais utilizada de machine learning usa um algoritmo que precisa de exemplos rotulados para desempenhar suas tarefas. Ou seja, \u00e9 preciso programar a pergunta que a m\u00e1quina deve responder, cada quesito a ser avaliado e as op\u00e7\u00f5es poss\u00edveis de resposta.<\/p>\n\n\n\n N\u00e3o-supervisionado:<\/strong> esses algoritmos visam obter uma melhor representa\u00e7\u00e3o dos dados, como em uma segmenta\u00e7\u00e3o\/classifica\u00e7\u00e3o de clientes, e n\u00e3o usam r\u00f3tulos pr\u00e9-definidos.<\/p>\n\n\n\n Aprendizado por refor\u00e7o:<\/strong> m\u00e1quinas dotadas desse tipo de aprendizado conseguem desenvolver uma pol\u00edtica de a\u00e7\u00f5es visando uma determinada recompensa. Aqui entram, por exemplo, m\u00e1quinas que aprendem a jogar xadrez e tomam decis\u00f5es embasadas em cada estado do jogo para maximizar a recompensa final (vencer a partida).<\/p>\n\n\n\n Mas, na pr\u00e1tica, como tudo isso funciona? Para facilitar o entendimento do aprendizado de m\u00e1quinas na constru\u00e7\u00e3o de um modelo de machine learning, o processo \u00e9 dividido em sete etapas:<\/p>\n\n\n\n Depois de determinar exatamente o que se deseja e quais ser\u00e3o os equipamentos utilizados, a primeira etapa do machine learning \u00e9 a coleta de dados. Trata-se de um momento crucial para o resultado final, pois a quantidade e a qualidade das informa\u00e7\u00f5es determina o qu\u00e3o preditivo o modelo de machine learning vai ser.<\/p>\n\n\n\n O pr\u00f3ximo passo \u00e9 verificar se as informa\u00e7\u00f5es coletadas est\u00e3o bem distribu\u00eddas ou se s\u00e3o tendenciosas. Caso sejam, a qualidade do modelo estar\u00e1 comprometida e vai ser necess\u00e1rio fazer um ajuste e uma normaliza\u00e7\u00e3o dos dados.<\/p>\n\n\n\n Nessa etapa, os dados coletados s\u00e3o separados em duas amostras \u2014 uma a ser utilizada no treinamento (etapa 4) e outra para a avalia\u00e7\u00e3o de performance do modelo (etapa 5).<\/p>\n\n\n\n H\u00e1 uma infinidade de modelos de machine learning dispon\u00edveis, cada um voltado ao cumprimento de uma determinada fun\u00e7\u00e3o. Portanto, a escolha do modelo mais adequado deve ser feita de acordo com o objetivo proposto inicialmente.<\/p>\n\n\n\n Os modelos mais utilizados s\u00e3o:<\/p>\n\n\n\n Prev\u00ea um resultado bin\u00e1rio, ou seja, um resultado dentre duas op\u00e7\u00f5es. O algoritmo de aprendizagem padr\u00e3o desse modelo \u00e9 o de regress\u00e3o log\u00edstica, que faz \u00e0 m\u00e1quina perguntas como \u201cEste e-mail \u00e9 spam ou n\u00e3o?\u201d.<\/p>\n\n\n\n Aqui, \u00e9 poss\u00edvel gerar previs\u00f5es para m\u00faltiplas classes, permitindo que o computador preveja um dentre mais de dois resultados.<\/p>\n\n\n\n Por exemplo, a m\u00e1quina consegue responder se um determinado item \u00e9 um livro, um m\u00f3vel ou uma pe\u00e7a de roupa, assim como identificar se o livro \u00e9 infantil, de terror ou uma autobiografia. Indo mais al\u00e9m, ele \u00e9 capaz de determinar qual categoria de servi\u00e7os ou produtos \u00e9 mais interessante para um determinado cliente.<\/p>\n\n\n\n Os algoritmos desse modelo de machine learning s\u00e3o voltados para problemas de regress\u00e3o e conseguem prever um valor num\u00e9rico. Para tanto, as m\u00e1quinas s\u00e3o treinadas por meio do algoritmo padr\u00e3o de aprendizagem desse modelo, o de regress\u00e3o linear.<\/p>\n\n\n\n Assim, o computador torna-se capaz de responder quantas unidades de um produto ser\u00e3o vendidas, quantos contratos ser\u00e3o fechados para usar um servi\u00e7o ou qual ser\u00e1 a temperatura no dia seguinte em determinada cidade.<\/p>\n\n\n\n Como j\u00e1 indicado, o algoritmo usado para a aprendizagem da m\u00e1quina est\u00e1 relacionado ao modelo escolhido. A etapa do treinamento \u00e9 fundamental n\u00e3o apenas para preparar a m\u00e1quina, mas para aprimorar constantemente suas habilidades de previs\u00e3o.<\/p>\n\n\n\n Dessa forma, a m\u00e1quina efetivamente aprende com seus erros e torna-se cada vez mais aperfei\u00e7oada. O treinamento pode ser considerado o principal pilar do machine learning.<\/p>\n\n\n\n A avalia\u00e7\u00e3o permite testar o modelo com as informa\u00e7\u00f5es n\u00e3o utilizadas no treinamento; isso \u00e9 importante para verificar se a m\u00e1quina realmente foi capaz de aprender, e n\u00e3o apenas de memorizar respostas anteriores.<\/p>\n\n\n\n A avalia\u00e7\u00e3o permite testar se, ap\u00f3s o treinamento, a m\u00e1quina est\u00e1 suficientemente capacitada. Com base na configura\u00e7\u00e3o designada anteriormente, a avalia\u00e7\u00e3o testa-a diante de dados que ela jamais havia visto. Sendo assim, a ideia \u00e9 que a avalia\u00e7\u00e3o seja uma representa\u00e7\u00e3o de como a m\u00e1quina pode performar em um contexto real.<\/p>\n\n\n\n A sexta etapa permite o aprimoramento dos par\u00e2metros, visando sempre melhorar a qualidade e a efici\u00eancia do modelo de machine learning que est\u00e1 sendo utilizado. Essa etapa \u00e9 importante para identificar valores que afetam diretamente a acur\u00e1cia do modelo e o tempo de treinamento necess\u00e1rio.<\/p>\n\n\n\n Um dos principais par\u00e2metros a serem analisados aqui \u00e9 o quanto a linha de aprendizado da m\u00e1quina \u00e9 alterada de acordo com a informa\u00e7\u00e3o adquirida no procedimento anterior. Ao longo dessa etapa, testam-se possibilidades para analisar melhor o machine learning e ensaiar formas de como ele pode ser aprimorado.<\/p>\n\n\n\n \u00c9 importante destacar que, antes de come\u00e7ar a frase, deve-se estabelecer quais ser\u00e3o as defini\u00e7\u00f5es de um bom modelo, pois elas guiar\u00e3o o aprimoramento dele. Afinal, os ajustes e melhorias que ser\u00e3o feitos dependem da base de dados, do modelo e do treinamento.<\/p>\n\n\n\n Considerando tudo isso, o processo de machine learning deve ser continuado apenas quando o aprimoramento dos par\u00e2metros for alcan\u00e7ado.<\/p>\n\n\n\n Se machine learning \u00e9 o uso de dados para encontrar respostas, a fase da predi\u00e7\u00e3o \u00e9 quando a m\u00e1quina dotada de ML pode efetivamente ser usada para responder as perguntas para as quais foi treinada. Ao usar o modelo elaborado, a import\u00e2ncia e o valor do machine learning tornam-se mais palp\u00e1veis.<\/p>\n\n\n\n Entender o que \u00e9 machine learning possibilita a constru\u00e7\u00e3o e uso de modelos capazes de analisar uma grande quantidade de dados com rapidez e efici\u00eancia, viabilizando a entrega de resultados mais rapidamente com precis\u00e3o e confiabilidade controladas. Assim, as chances de identificar oportunidades e evitar riscos, como a ocorr\u00eancia de fraudes, podem ser maximizadas.<\/p>\n\n\n\n Ind\u00fastrias, governos e empresas do setor de vendas e de\u00a0transportes\u00a0j\u00e1 fazem uso dessa ferramenta. Enquanto isso,\u00a0bancos e institui\u00e7\u00f5es financeiras\u00a0utilizam o machine learning para identificar oportunidades de neg\u00f3cios e prevenir fraudes. A tecnologia ganha cada vez mais espa\u00e7o nesse setor, devido em grande parte \u00e0 ascens\u00e3o dos bancos digitais.<\/p>\n","protected":false},"excerpt":{"rendered":" O que \u00e9 machine learning O machine learning, ou aprendizado de m\u00e1quinas, \u00e9 a \u00e1rea da intelig\u00eancia artificial relacionada \u00e0 busca de um conjunto de regras e procedimentos para permitir que as m\u00e1quinas possam agir e tomar decis\u00f5es baseadas em dados, ao inv\u00e9s de serem explicitamente programadas para realizar uma […]<\/p>\n","protected":false},"author":1,"featured_media":423,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[350,4,332],"tags":[],"class_list":["post-411","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-inteligencia-artificial","category-tecnologia","category-tecnologia-da-informacao"],"_links":{"self":[{"href":"https:\/\/blog.wieczorek.com.br\/index.php\/wp-json\/wp\/v2\/posts\/411","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/blog.wieczorek.com.br\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/blog.wieczorek.com.br\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/blog.wieczorek.com.br\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/blog.wieczorek.com.br\/index.php\/wp-json\/wp\/v2\/comments?post=411"}],"version-history":[{"count":4,"href":"https:\/\/blog.wieczorek.com.br\/index.php\/wp-json\/wp\/v2\/posts\/411\/revisions"}],"predecessor-version":[{"id":424,"href":"https:\/\/blog.wieczorek.com.br\/index.php\/wp-json\/wp\/v2\/posts\/411\/revisions\/424"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/blog.wieczorek.com.br\/index.php\/wp-json\/wp\/v2\/media\/423"}],"wp:attachment":[{"href":"https:\/\/blog.wieczorek.com.br\/index.php\/wp-json\/wp\/v2\/media?parent=411"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blog.wieczorek.com.br\/index.php\/wp-json\/wp\/v2\/categories?post=411"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blog.wieczorek.com.br\/index.php\/wp-json\/wp\/v2\/tags?post=411"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Etapas do machine learning<\/h2>\n\n\n\n
1. Coleta de dados<\/h3>\n\n\n\n
2. Prepara\u00e7\u00e3o dos dados<\/h3>\n\n\n\n
3. Escolha do modelo<\/h3>\n\n\n\n
Classifica\u00e7\u00e3o bin\u00e1ria<\/h4>\n\n\n\n
Classifica\u00e7\u00e3o multiclasse<\/h4>\n\n\n\n
Classifica\u00e7\u00e3o por regress\u00e3o<\/h4>\n\n\n\n
4. Aprendizado<\/h3>\n\n\n\n
M\u00e9todos de Aprendizado<\/h4>\n\n\n\n
5. Avalia\u00e7\u00e3o<\/h3>\n\n\n\n
6. Aprimoramento dos par\u00e2metros<\/h3>\n\n\n\n
7. Predi\u00e7\u00e3o<\/h3>\n\n\n\n
A import\u00e2ncia da tecnologia de machine learning<\/h2>\n\n\n\n