Atividade Contextualiza Inteligência Artificial Aplicada aos Negócios

Prévia do material em texto

UNINASSAU 
ANÁLISE e DESENVOLVIMENTO de SISTEMAS 
Inteligência Artificial Aplicada aos Negócios 
Marcelo Silva Lorenço - 01503244 
Atividade Contextualizada 
Enunciado: 
“Com base na interpretação do texto acima, juntamente com seus 
conhecimentos adquiridos ao longo da disciplina, elabore o seu texto argumentativo-
dissertativo, respondendo aos questionamentos abaixo: 
Sabe-se que a inteligência artificial vem sendo utilizada em diferentes setores 
da indústria, baseando-se em machine learning, deep learning, entre outros tipos de 
tecnologia. Com base nesses recursos, observamos várias aplicações de inteligência 
artificial em negócios na forma de aplicativos, softwares e ferramentas. 
Considerando os estudos da nossa disciplina e o conteúdo do e-book, elabore 
um texto argumentativo-dissertativo sobre machine learning e deep learning.” 
 
Nos últimos anos, a inteligência artificial tem sido amplamente adotada em 
diversas áreas de negócios, impulsionando a tomada de decisão e gerando insights 
valiosos a partir de grandes conjuntos de dados. Dentro desse universo, o machine 
learning e o deep learning se destacam como duas das principais tecnologias 
utilizadas para o desenvolvimento de soluções de inteligência artificial. 
O machine learning consiste em um conjunto de técnicas que permitem que um 
sistema aprenda e melhore a partir de dados, sem a necessidade de ser 
explicitamente programado para isso. Ou seja, o sistema é capaz de identificar 
padrões e realizar previsões com base em experiências anteriores. Essa abordagem 
tem sido utilizada em diversos setores, como finanças, saúde e varejo, para realizar 
tarefas como detecção de fraudes, diagnósticos médicos e personalização de 
recomendações de produtos. 
Já o deep learning é uma abordagem mais avançada de machine learning, que 
utiliza redes neurais artificiais para processar dados. Esse tipo de técnica tem sido 
utilizado para solucionar problemas complexos, como reconhecimento de imagens e 
processamento de linguagem natural. Além disso, o deep learning tem sido 
empregado em setores como finanças e segurança, para prever tendências de 
mercado e identificar atividades suspeitas. 
No entanto, apesar das vantagens trazidas pelo machine learning e deep 
learning, essas tecnologias também apresentam desafios e riscos. Um dos principais 
desafios é a necessidade de contar com grandes volumes de dados para treinar os 
modelos de inteligência artificial, o que pode ser um obstáculo para empresas com 
poucos dados disponíveis. Além disso, a utilização de algoritmos de aprendizado 
automático pode gerar resultados enviesados, caso os dados de treinamento sejam 
tendenciosos. 
Outro ponto importante é a questão da ética na utilização da inteligência 
artificial. É fundamental que as empresas que utilizam essas tecnologias considerem 
aspectos como privacidade e transparência, para garantir que as decisões tomadas a 
partir dos insights gerados pela inteligência artificial sejam justas e não 
discriminatórias. 
Em resumo, o machine learning e o deep learning são tecnologias 
fundamentais para a geração de insights em negócios. No entanto, é preciso 
considerar seus desafios e riscos, além de garantir que a utilização dessas tecnologias 
seja ética e justa. Somente assim será possível aproveitar ao máximo os benefícios 
da inteligência artificial para a tomada de decisão nos negócios. 
 
 
Referências Bibliográficas: 
 
ARTERO, A. O. Inteligência artificial: teórica e prática. São Paulo: Editora Livraria da Física, 2009. 230 
p. 
 
BITTENCOURT, G. Inteligência Artificial – Ferramentas e Teorias. Editora da UFSC. 2ª. Edição. 
Florianópolis, 2001. 362p. 
 
FERNANDES, A. M. R. Inteligência artificial. Florianópolis: Visual Books, 2003. 160 p. 
 
HAYKIN, S. Redes Neurais: princípios e prática. 2. ed. Porto Alegre: Bookman, 2001. 
 
MORAES, R. C. C. Inteligência artificial. São Paulo: Ática, 1997. 119 p. 
 
RICH, E.; KNIGHT, K. Inteligência Artificial. Makron Books. 2ª. Edição. São Paulo, 1994. 722 p. 
 
RUSSELL, S.; NORVIG, P. Inteligência artificial. Rio de Janeiro: Campus, 2004. 1021 p.