Machine Learning: entenda a aplicação em diferentes mercados

Udacity Brasil
6 de ago de 2017

O aprendizado de máquinas ou machine learning é uma área de inteligência artificial (AI, em inglês) que trata de algoritmos capazes de aprender a executar uma determinada atividade sem que ela seja explicitamente programada e otimizar seu desempenho durante execuções repetitivas.

Assim como boa parte do aprendizado humano provém da prática, machine learning permite que máquinas tenham a capacidade de autoaperfeiçoamento na realização de tarefas específicas.

Utilizando análise estatística, esta tecnologia permite inferir o comportamento de um conjunto de dados ao avaliar e validar modelos preditivos, que podem até encontrar soluções ocultas nestes dados.

O que é machine learning?

Machine learning é um método de análise de dados desenvolvido por um ramo da computação que permite que máquinas aprendam e reconheçam novos padrões, sem serem programados necessariamente para isso.

A partir de um banco de dados históricos e empregando algoritmos, os computadores aprendem interativamente a encontrar insights ocultos sem estarem programados explicitamente para procurar algo específico. Eles conseguem, por meio desse aprendizado, fazer previsões sobre acontecimentos futuros.

A característica interativa do aprendizado de máquinas é muito importante, pois à medida que os modelos analíticos são expostos a novos dados, as máquinas conseguem se adaptar de forma independente para interpretá-los.

Por que o interesse por machine learning aumentou?

Os avanços em machine learning nos últimos anos se baseiam na disponibilidade de grandes massas de dados, no acesso gratuito a algoritmos de alto nível e no crescimento exponencial da capacidade computacional.

Isso significa que utilizar essa tecnologia está cada vez mais fácil e acessível para qualquer organização.

Muitas de nossas atividades diárias já funcionam a partir da utilização de algoritmos de machine learning, como categorização de e-mails e spams, reconhecimento ótico de caracteres, pontuação de crédito e detecção de invasão em rede, entre outros.

Não se trata de uma aplicação exclusiva para gigantes de tecnologia: o objetivo de oferecer experiências e serviços extremamente personalizados aos usuários permeia todos os setores.

Seu potencial permite que os sistemas sejam capazes de entender o comportamento humano, o que melhora as relações e experiências de consumo.

Aplicações de machine learning no cotidiano

Escolher o melhor filme, série ou produto para cada um

As ofertas de recomendações online como as da Amazon e Netflix são realizadas por meio de aplicações de machine learning. Seus usuários às vezes nem sabem exatamente o que querem comprar ou assistir naquele dia, mas o algoritmo os ajuda a descobrir.

Com base nas pesquisas anteriores de produtos já assistidos, avaliados e buscados, os serviços fazem sugestões que provavelmente farão sentido para o gosto, desejo ou comportamento do cliente.

Na Amazon, 35% das ofertas são oriundas de produtos recomendados. Já a Netflix patrocinou uma competição de 1 milhão de dólares para entender como melhorar as recomendações dos filmes, de olho nesse nível de performance. Depois do evento, 70% das escolhas dos usuários na Netflix passaram a surgir do algoritmo de recomendação.

Tirar motoristas do trânsito ou indicar a melhor rota

O Waze é um dos maiores aplicativos de trânsito e navegação do mundo, que permite aos motoristas compartilhar informações de trânsito sobre as regiões por onde passaram e paralelamente todos se ajudam em tempo real, economizando tempo e combustível nos deslocamentos diários.

O algoritmo, desenvolvido com machine learning por uma startup de Israel, proporciona um serviço preciso com informações sobre os melhores caminhos a seguir, sinalizações de trânsito, radares, bloqueios em vias, condições adversas de clima, possíveis congestionamentos, entre outras tantos fatores que viabilizam aos usuários uma experiência positiva nos trajetos diários.

Exibir de posts e anúncios mais interessantes

O Facebook e o Google revolucionaram o mercado da publicidade online por meio das técnicas de machine learning.

O Facebook tem, por exemplo, um algoritmo de atualização que exibe para os usuários conteúdo personalizado de acordo com as buscas, interesses e interações deles na rede social. Com isso, a plataforma é capaz de desvendar postagens e informações que são mais relevantes para o usuário.

Portanto, se o Facebook está acertando ao te apresentar certas informações, não se assuste: o aprendizado das máquinas é capaz de oferecer o que você realmente procura.

O Google desenvolveu um modelo ainda mais amplo para ajudar anunciantes e empresas de todo o mundo a investir em publicidade que atingirá as pessoas certas.

O machine learning permite entender quais páginas e palavras-chave estão entregando um melhor resultado para as suas campanhas, podendo automaticamente ajustar seu investimento para estes canais.

Prever riscos de saúde

Um dos principais uso do machine learning na medicina é em relação a predição de riscos.

Aplicar esse tipo de algoritmo permite a análise de inúmeras variáveis de forma simultânea, o que torna diagnósticos (com destaque para a radiologia), tratamentos e acompanhamentos mais rápidos e precisos.

A startup americana Twoxar desenvolveu um modelo que pode revolucionar a indústria farmacêutica: a partir do cruzamento de diversos dados públicos e particulares, a solução estabelece a relação entre remédios e doença, assim como os fármacos mais indicados para combater cada enfermidade.

O Watson, sistema de computador cognitivo da IBM, também utiliza machine learning aplicado à medicina. A partir das informações que o software Watson Oncology recebe sobre os dados do paciente, o Watson age como um conselheiro para médicos e sugere tratamentos mais adequados para cada caso.

Esta é uma seleção concisa de aplicações de machine learning no dia a dia de bilhões de pessoas e que já evidencia seu potencial exponencial.

Participe desse mercado e faça o Nanodegree Fundamentos de Machine Learning para aprender a construir modelos preditivos que irão possibilitar computadores a agir, aprender e tomar decisões baseados em dados!