Por Allan Spadini*
Considerado uma vertente da Inteligência Artificial (IA), o Machine Learning é um estudo de algoritmos computacionais que consegue aprender por meio da experiência, sem a necessidade de programação explícita e, ainda, com o mínimo de intervenção humana possível. De modo geral, o termo se refere a um conjunto de técnicas que podem ser aplicadas por meio de inúmeros algoritmos.
Confuso, né? Mas, para ter uma ideia, quando usamos um comando de voz para ativar o assistente do celular, naquele momento, estamos usando algoritmos que aprenderam a reconhecer um determinado comando. Tudo isso só é possível depois de treiná-lo com diversas gravações de áudio, possibilitando que o sistema consiga tomar decisões baseadas no que ele “aprendeu”.
Dados, dados e mais dados. É disso que precisamos para aplicar a técnica e ensinar, de certa forma, os algoritmos a reconhecerem a nossa voz, por exemplo. Em segundo lugar, é necessário profissionais capacitados para saber quais técnicas e algoritmos devem ser aplicados e, claro, quais dados devem ser utilizados para ensinar o algoritmo escolhido da melhor forma possível.
O principal motivo para criar soluções para o meio corporativo parte do fator eficiência. Isso porque, após o treinamento, as técnicas de machine learning podem ser utilizadas em massa. Com isso, tarefas mecânicas que exigiam a interpretação e dedicação de capital humano podem ser automatizadas o que, como resultado, faz com que as pessoas se voltem às tarefas que realmente exigem raciocínio lógico.
Além disso, a aprendizagem de máquina permite a extração de informações relevantes sobre um determinado problema. Com a ação, é possível fazer recomendações de produtos, prevenção de fraudes, transcrição de áudio e a criação de chatbots, por exemplo.
Para exemplificar melhor o assunto, podemos pensar nas buscas feitas em websites. Quando digitamos o que queremos, logo em seguida, recebemos termos extras como sugestão. Ou, por exemplo, quando vemos alguma propaganda em uma rede social de algo que estávamos pesquisando recentemente. Todas essas aplicações são resultados do machine learning.
As soluções necessárias de machine learning variam de acordo com o tamanho dos dados utilizados e dos problemas que são resolvidos na empresa. De modo geral, algumas soluções e análises de dados podem ser implementadas utilizando pequenas bases de dados e ferramentas como o Google Collaboratory, que é, em grande parte, gratuito.
Já as soluções que envolvem grandes bases de dados, contendo textos e imagens, podem demandar a utilização de serviços em nuvem, na qual possuem um custo. Vale lembrar que plataformas como o Google Cloud, Amazon AWS e Microsoft Azure possuem serviços de machine learning pré-moldados para a solução de diversos problemas.
Aos que se interessam pela implementação da técnica, o ideal é começar com a contratação de bons profissionais da área de dados. Porém, caso a empresa ainda não possua um departamento voltado à análise de dados, é interessante contratar uma consultoria antes. Para os participantes que desejam ingressar na área, a Alura , plataforma online de ensino de tecnologia e negócios digitais, conta com diversos cursos envolvendo a temática, como, por exemplo, validação de modelos em machine learning, introdução de algoritmos não supervisionados, lidando com dados de muitas dimensões, entre outros.
A implementação das ferramentas de machine learning parece muito distante para quem não entende muito do assunto. Porém, como mencionado anteriormente, já existem plataformas, ferramentas e profissionais voltados para a sua aplicação, tornando, assim, a técnica muito mais convidativa se comparada há anos atrás.
Allan Spadini é atualmente instrutor de Data Science e Machine Learning na Alura. Possui doutorado em Geofísica pela USP. Trabalhou com pesquisa envolvendo métodos sísmicos com técnicas de regressão.