Inteligência Artificial, Big Data e Ciência de Dados

もっと見る

FP087 Fatores de Aprendizagem

Christopher Heronにより

O método de pesquisa Survey (Pt. 02):

KEVIN DE ABREU FERREIRAにより

ORGANOGRAMA EM ÁRVORE

Roniele Santosにより

EMBARGOS INFRINGENTE

Marcelo Gomesにより

Inteligência Artificial, Big Data e Ciência de Dados

Será que estamos emitindo opiniões do século XIX com a tecnologia do século XXI?

Nosso dia a dia está cada vez mais direcionado pelo Machine Learning, e ela está selecionando o que a gente vê do mundo, formado bolhas por critério de afinidades aprendidas como padrão. Será que vamos deixar de ser empáticos? será que vamos continuar podendo contar com o acaso? será que furar a bolha provocaria uma reengenharia social?

Machine Learning

principais problemas de machine learning: modelos muito complexos,tradeoff entre viés (erro gerado pelo modelo da dados reais) e variância (peq mudanças nos dados levam a gde mudança de parametros)

4 categorias: aprendizado supervisionado (divididos por classificação e regressão) / aprendizado não supervisionado (objetivo é encontrar padrões de dados) / aprendizado semi-supervisionado (presença de dados com rótulos outros sem) /aprendizado por esforço

mão de obra cara mas algoritimos são livres, gratuitas e disponíveis online, sendo os principais linguagens de programação a R e Python

Processo: ele aprende as regras com 70% dos dados,e depois testa. O resultado é analisado por um humano. O computador lê os dados em quantidade - os algoritimos (receita de bolo) constroem hipóteses e são testadas. o processo tem a supervisão humana que deve escolher o melhor algoritimo para cada caso.

Algoritimo não entende o conceito de futuro, ele desenha detalhadamente cada sequencia, assim o hiperparâmetro é humano, Human Learning (segura na mão do algorítimo) parametrizando a linha preditiva para definir o modelo. Na sequencia é feita uma validação cruzada, treinando o algorítimo a testar e predizer o futuro. Os algoritimos tem que ser testados, "não há almoço grátis", a unica forma de saber qual algoritimo funciona melhor é testando

Tipos de algoritimo

Redes neurais: baseada no funcionamento do cérebro, com muitos cruzamentos e camadas e conexões complexas, oferece modelo de uma camada ou em várias camadas intermediárias entre preditores e a resposta, o Deep Learning

Arvores de Decisão: mais simples separa os dados em grupos semelhantes. É fácil de interpretar, porém tem alta variância e instabilidade e baixa performance preditiva.

através da análise de dados é possível fazer análises preditivas (sobre o futuro), acompanhando um padrão, exemplo: área da saúde, Covid, identificar tendências

Importante: não precisa dar justificativa, pouco interessa interpretar modelos para relações complexas

As crianças são assim, aprendem vendo!

Tomada de decisão via identificação de padrões complexos de dados

Máquinas aprendendo sozinhas, através de dados, regras e exemplos

Subtópico

Demanda por profissionais capazes de extrair informações relevantes dos dados

Impacto na área profissional: positivo para melhor tomada de decisão (área da saúde)com necessidade de treinamento, mas drástica em outras áreas menos qualificadas (motoristas). Qual seria a solução? Devemos ter medo de ter uma vida guiada por algoritmos?

Ciência do Dados

O problema de predição que preciso resolver tem dados disponíveis / a empresa possui equipe de ciência de dados capacitada para execução de um projeto de machine learning? / geralmente a solução está em parcerias com consultorias de IA e universidades

Dados: disponibilidade / qualidade / quantidade/ confiabilidade / idoneidade / fonte / volume

Inteligência Artificial

Questões éticas: amostra de dados reduzida e de grupos.

Auxílio e não uma ameaça ao humano, ela aponta uma solução mas a decisão é humana (WAZE)

Regras de tomada de decisão ensinadas pelos humanos

Capacidade das máquinas tomarem decisões inteligentes a partir de dados disponíveis com capacidade de se adaptarem a novas situações

Tópico principal

O mundo hoje é gerido por dados. Sociedade Data Driven, mas a análise decisão é humana, usando outras habilidades