{"id":2940,"date":"2022-04-27T20:52:18","date_gmt":"2022-04-27T23:52:18","guid":{"rendered":"https:\/\/nearjob.com.br\/?p=2940"},"modified":"2022-04-27T20:52:22","modified_gmt":"2022-04-27T23:52:22","slug":"aprendizado-de-maquina-operacao-desafios-e-casos-de-aplicacao-de-negocios","status":"publish","type":"post","link":"https:\/\/nearjob.com.br\/en\/aprendizado-de-maquina-operacao-desafios-e-casos-de-aplicacao-de-negocios\/","title":{"rendered":"Aprendizado de m\u00e1quina: opera\u00e7\u00e3o, desafios e casos de aplica\u00e7\u00e3o de neg\u00f3cios"},"content":{"rendered":"

Ramo da intelig\u00eancia artificial que permite que os computadores aprendam a resolver tarefas sem terem sido programados especificamente para esse fim,\u00a0o aprendizado de m\u00e1quina<\/em>\u00a0oferece a possibilidade de desenvolver algoritmos para analisar um n\u00famero muito grande de dados.\u00a0\u201c\u00a0 O\u00a0aprendizado de\u00a0m\u00e1quina\u00a0, ou aprendizado artificial em franc\u00eas, \u00e9 uma disciplina de pesquisa e aplica\u00e7\u00e3o que visa a programa\u00e7\u00e3o impl\u00edcita, em oposi\u00e7\u00e3o \u00e0 programa\u00e7\u00e3o tradicional que requer o design de c\u00f3digo de computador ad hoc.\u00a0Grande parte do<\/em>\u00a0aprendizado de m\u00e1quina\u00a0diz respeito a classes de algoritmos capazes de induzir representa\u00e7\u00f5es, padr\u00f5es e programas a partir de dados de computador.<\/em>\u201c, explica o diretor educacional do setor de\u00a0Intelig\u00eancia Artificial e Big Data\u00a0(IABD) da\u00a0ESGI\u00a0.<\/p>\n\n\n\n

Os m\u00faltiplos desafios do aprendizado de m\u00e1quina, onipresente nas empresas<\/h2>\n\n\n\n

Enquanto a intelig\u00eancia artificial nasceu nas d\u00e9cadas de 1940-1950 com o in\u00edcio da ci\u00eancia da computa\u00e7\u00e3o, os modelos de aprendizado artificial projetados hoje representam t\u00e9cnicas estat\u00edsticas que se aplicam a grandes quantidades de dados. \u201c  Os algoritmos<\/em> de aprendizado de m\u00e1quina s\u00e3o essencialmente baseados em mecanismos de indu\u00e7\u00e3o, ou seja, identifica\u00e7\u00e3o de representa\u00e7\u00f5es e regras que generalizam informa\u00e7\u00f5es d\u00edspares. Por exemplo, um algoritmo, que aprende a distinguir em imagens m\u00e9dicas um tumor benigno de um tumor maligno, n\u00e3o parte de nenhuma teoria m\u00e9dica, mas de uma simples rotulagem preliminar das imagens. H\u00e1, portanto, todo um desafio em articular teorias humanas, suas pr\u00e1ticas, com representa\u00e7\u00f5es digitais e seus impactos.<\/em>\u00bb<\/p>\n\n\n\n

Se o aprendizado de m\u00e1quina<\/em> possibilita explorar todo o potencial do big data, vale a pena voltar ao contexto em que surgiram esses dados massivos, distribu\u00eddos em grande escala. \u201c  A ideia de fato n\u00e3o \u00e9 nova porque, a partir do final da Segunda Guerra Mundial, os cientistas entenderam que a inform\u00e1tica emergente era insepar\u00e1vel dos fluxos de dados que ela iria processar. <\/em>Oitenta anos depois, aqui estamos: dados e c\u00e1lculos s\u00e3o distribu\u00eddos em vastas redes de infraestrutura. Hardware, software, protocolos e linguagens est\u00e3o evoluindo para processar cada vez mais dados, em tempos cada vez menores. A onipresen\u00e7a do<\/em> aprendizado de m\u00e1quinaem nossas sociedades informatizadas levanta a quest\u00e3o das possibilidades, os limites dessas t\u00e9cnicas, incluindo sua validade em muitas situa\u00e7\u00f5es<\/em> . \u00bb<\/p>\n\n\n\n

Com dados que permitem vincular mais ou menos diretamente indiv\u00edduos, empresas, independentemente de seu porte, e at\u00e9 mesmo Estados, o aprendizado de m\u00e1quina<\/em> constitui \u201c  um tecido t\u00e9cnico entrela\u00e7ado com todos os aspectos profissionais, econ\u00f4micos e pol\u00edticos das atividades humanas. Basta dizer que as apostas n\u00e3o faltam! <\/em> Assim, empresas ou institui\u00e7\u00f5es t\u00eam a capacidade de analisar e entender quais valores podem derivar dos dados que possuem, como automatizar sua integra\u00e7\u00e3o ou negoci\u00e1-los.<\/p>\n\n\n\n

Os benef\u00edcios do aprendizado de m\u00e1quina na ind\u00fastria automotiva<\/h2>\n\n\n\n

O aprendizado<\/em> de m\u00e1quina oferece muitas vantagens para as empresas. No setor automotivo, proporciona maior autonomia de condu\u00e7\u00e3o. \u201c  Algoritmos embutidos em um ve\u00edculo aut\u00f4nomo produzem um comportamento semelhante ao de um motorista humano. Claramente, c\u00e2meras, lidars (<\/em> detec\u00e7\u00e3o e alcance de imagens a laser ou sensoriamento remoto a laser ) e outros sensores permitem que o ve\u00edculo fa\u00e7a uma representa\u00e7\u00e3o de seu ambiente e controle seus sistemas mec\u00e2nicos de acordo. <\/em> \u00c9 assim poss\u00edvel reconhecer um objeto espec\u00edfico, acompanhar seus movimentos e antecipar sua trajet\u00f3ria. ” Esta informa\u00e7\u00e3o \u00e9 comunicada a um sistema de controle que foi ensinado as rea\u00e7\u00f5es corretas, em um simulador ou em um ambiente de teste. <\/em> \u00bb<\/p>\n\n\n\n

Se o GPS ou o estacionamento autom\u00e1tico s\u00e3o os primeiros exemplos de casos de uso, que hoje pontuam o cotidiano dos motoristas, a autonomia total dos ve\u00edculos se baseia em uma t\u00e9cnica baseada em opera\u00e7\u00f5es.\u00a0\u201c\u00a0\u00a0Experi\u00eancias foram lan\u00e7adas em muitos pa\u00edses e agora s\u00e3o quest\u00f5es legislativas e \u00e9ticas, em particular, que surgem.\u00a0Um exemplo entre muitos: quem \u00e9 o propriet\u00e1rio dos dados de condu\u00e7\u00e3o do ve\u00edculo?\u00a0\u00c9 o motorista ou o fabricante do carro aut\u00f4nomo?\u00a0Quem \u00e9 respons\u00e1vel em caso de acidente?\u00a0Essas quest\u00f5es, por exemplo, figuraram na agenda legislativa francesa em 2021.<\/em>\u00a0\u201d Um decreto, publicado em 1\u00ba de julho de 2021, formalizou o\u00a0novo marco regulat\u00f3riopara a circula\u00e7\u00e3o de ve\u00edculos aut\u00f4nomos na Fran\u00e7a, que ser\u00e3o autorizados a circular a partir de setembro de 2022 em rotas ou zonas predefinidas.<\/p>\n\n\n\n

Como treinar para dominar t\u00e9cnicas de aprendizado de m\u00e1quina?<\/h2>\n\n\n\n

Uma disciplina complexa para enfrentar, mas igualmente empolgante, o aprendizado de m\u00e1quina<\/em> requer o dom\u00ednio de habilidades t\u00e9cnicas essenciais, como matem\u00e1tica ou ambientes tecnol\u00f3gicos (c\u00f3digos e plataformas). \u201c  Voc\u00ea tamb\u00e9m tem que ser capaz de entender completamente o contexto das profiss\u00f5es em que os algoritmos ir\u00e3o evoluir, para fazer a liga\u00e7\u00e3o entre a l\u00f3gica das m\u00e1quinas e as necessidades das atividades humanas associadas. <\/em>As oportunidades profissionais s\u00e3o in\u00fameras e dizem respeito a todo o tipo de setores de atividade: energia e ambiente, transportes, com\u00e9rcio, sa\u00fade, seguran\u00e7a inform\u00e1tica ou mesmo ciberseguran\u00e7a.<\/p>\n\n\n\n

A ESGI, que forma alunos em profiss\u00f5es de TI para atender \u00e0s necessidades das empresas, oferece um\u00a0\u00a0curso dedicado \u00e0 Intelig\u00eancia Artificial e Big Data\u00a0.\u00a0Dois ciclos est\u00e3o no programa, o Bacharelado (bac+3) e o Mestrado (bac+5), que podem ser cursados \u200b\u200balternadamente na propor\u00e7\u00e3o de 1 semana em sala de aula e 3 semanas na empresa.\u00a0”\u00a0O ensino deste curso leva os alunos a um n\u00edvel muito alto de habilidade em aprendizado de m\u00e1quina.\u00a0As publica\u00e7\u00f5es de pesquisa s\u00e3o estudadas e implementadas, bem como a aplica\u00e7\u00e3o pelas tecnologias em uso.\u00a0A ESGI garante que os alunos n\u00e3o tenham apenas uma rela\u00e7\u00e3o de usu\u00e1rio com algoritmos, mas uma compreens\u00e3o profunda dos mecanismos implementados e das quest\u00f5es industriais ou legais associadas, o que os torna especialistas respons\u00e1veis.\u00a0<\/em>\u00a0\u00bb<\/p>","protected":false},"excerpt":{"rendered":"

Ramo da intelig\u00eancia artificial que permite que os computadores aprendam a resolver tarefas sem terem sido programados especificamente para esse fim,\u00a0o aprendizado de m\u00e1quina\u00a0oferece a possibilidade de desenvolver algoritmos para analisar um n\u00famero muito grande de dados.\u00a0\u201c\u00a0 O\u00a0aprendizado de\u00a0m\u00e1quina\u00a0, ou aprendizado artificial em franc\u00eas, \u00e9 uma disciplina de pesquisa e aplica\u00e7\u00e3o que visa a programa\u00e7\u00e3o […]<\/p>","protected":false},"author":1,"featured_media":2941,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[285],"tags":[286],"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/nearjob.com.br\/en\/wp-json\/wp\/v2\/posts\/2940"}],"collection":[{"href":"https:\/\/nearjob.com.br\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/nearjob.com.br\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/nearjob.com.br\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/nearjob.com.br\/en\/wp-json\/wp\/v2\/comments?post=2940"}],"version-history":[{"count":1,"href":"https:\/\/nearjob.com.br\/en\/wp-json\/wp\/v2\/posts\/2940\/revisions"}],"predecessor-version":[{"id":2942,"href":"https:\/\/nearjob.com.br\/en\/wp-json\/wp\/v2\/posts\/2940\/revisions\/2942"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/nearjob.com.br\/en\/wp-json\/wp\/v2\/media\/2941"}],"wp:attachment":[{"href":"https:\/\/nearjob.com.br\/en\/wp-json\/wp\/v2\/media?parent=2940"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/nearjob.com.br\/en\/wp-json\/wp\/v2\/categories?post=2940"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/nearjob.com.br\/en\/wp-json\/wp\/v2\/tags?post=2940"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}