N1 Programação Estatística

Prévia do material em texto

Questão Dissertativa 
No nosso caso estudado, abordamos a empresa do ramo financeiro, Banco BHC, a qual necessita de uma reestruturação na área de informação e modelos operacionais. Dessa forma, a empresa almeja um sistema mais eficaz para a classificação de novos clientes, de maneira que possam ser oferecidos créditos por meio de dados seguros e que sejam rápidos para o fornecimento das informações de análise. Com isso, foi sugerido o uso da linguagem R e a técnica de Machine Learning para a análise dos dados dos clientes, promovendo também a importação de dados em outras instituições, de forma a agregar no histórico de dados do cliente. Diante dessas informações, nossa proposta avaliativa está baseada, a fim de promover uma melhor resolução para a questão proposta.  
Estudante, quais estratégias a empresa precisa utilizar, a fim de alcançar o relacionamento da Programação R com machine learning, para atender a necessidade da instituição, que consiste na definição dos novos clientes que poderão receber o crédito? 
 Para o desenvolvimento da questão, é importante que você: 
1. Apresente o que se alcança no trabalho com os dados, através da técnica de machine learning; 
2. Apresente quais seriam os benefícios do uso da análise preditiva e o machine learning na compreensão dos dados. 
Título: Machine Learning, Programação R na definição de novos clientes.
	 Programação R baseado nos grandes dados históricos, ela foi desenvolvida na década de 1970, de código aberto, os utilizadores eram cientistas, estatísticos, cientistas, cientistas de dados. Com o objetivo de realizar uma análise exploratória sobre os dados e informações, interativos. A Linguagem R não está delimitada apenas a sessões interativas, porque é considerada uma linguagem de programação, bem como os scripts podem ser desenvolvidos e empacotados como Bibliotecas.
	Por meio disso, ela permite que se tenha uma ampla variedade de modelagens consideraras lineares e não lineares. Além de serem altamente extensíveis, podem entender os testes estatísticos clássicos, a análise de séries temporais, como o clustering. Vale ressaltar que a Linguagem R é uma Linguagem de Programação que tem se tornado bastante popular devido na sua utilidade na exploração dos dados e de informações, que tem se tornado cada vez mais numéricos considerando o Ambiente digital.
	No País o mercado voltado para a Programação R, tem crescido de forma expansiva, e abrangente. Sendo assim, é necessário entender, estudar e conhecer mais a Linguagem R, além das suas características, vantagens e aplicações. Quem tem experiência nessa Linguagem, tem um grande diferencial, na hora de buscar oportunidades profissionais, tanto no País, quanto em projetos internacionais. 
	A Linguagem R pode ser considerada uma Linguagem estatística e também Gráfica, multi-paradigma orientada a objetos, voltada a manipulação, a análise e visualização de dados. Sendo assim, a Linguagem R é considerada uma das melhores ferramentas, bem como é considerada fácil de aprender por usuários que não possuem tanta familiaridade com programação. Vale lembrar que ela foi criada e desenvolvida no departamento de Estatística da Universidade de Auckland, na Nova Zelândia, por Ross Ihaka e pelo Robert Gentleman, na década de 1990. O processo de criação foi baseado na linguagem de programação S. E a partir dela, foi criada a Programação R.
	Essa Linguagem trata justamente da transformação dos dados, sendo considerado uma tarefa demorada e difícil. O que ocupa maior parte do tempo da análise estatística. É uma etapa primordial para qualquer análise dos dados. Bem como no processo de sucesso dos estudos aplicados. Geralmente o Cientista de Dados trabalha com uma base de dados que vai transformando em uma outra base de dados analítica. Podendo ser do tipo estruturado, semiestruturado.
		A importante Linguagem R é utilizada na modificação dos conjuntos de dados e de informações de tamanho médio, para a produção de documentos, das análises estatísticas, e de apresentações centradas em dados. As diferentes fonte de dados são transpotadas para o armazém de dados, que seria o ETL, seguindo uma Análise de Decisão. O ETL seria da língua Inglesa para Extract, transform and load), que seria um processo para extrair os dados e informações de uma determinada fonte, e posteriormente transformar a partir de processos específicos de acordo com a sua natureza e depois inserir em um repositório.
	Por exemplo, em um Data Warehouse, o ETL é considerado um processo mais lento e difícil. No ETL, as etapas de extração e da carga são obrigatórias, já a etapa de transformação seria opcional. No Data Science, é considerado o ETL de suma importância. É necessário bastante atenção na integridade dos dados e de informações que serão carregadas, de acordo com (LYRA, 2016).
	Na etapa da extração de dados e de informações, deve acontecer de forma que se tenha um mapeamento e que compreenda a especificação da identidade e de seus atributos. A extração é inserida numa área temporária chama de aérea de preparação, que é utilizada em projetos onde são usadas várias fontes de dados e de informações. O conjunto de dados são chamados de dataset.
	São necessários várias análises e filtragens dos dados e de informações para que seja possível alcançar uma versão, comparando com a anterior. No processo de validação, ela deverá acontecer antes do início da etapa de transformação, com o objetivo da diminuição de retrabalho. A partir da validação, pode compreender os problemas dos dados e das informações, como por exemplo, formatação errada, dados faltantes, entre outros. Na etapa da transformação são realizadas limpezas, a racionalização e da complementação dos registros. Pode ser possível remover os erros, padronizar informações, por meio de regras e de funções que tem como o objetivo de definir a qualidade dos dados. Surgindo necessidade de complementar novos dados, eles serão acrescentados ao dataset.
	Já no Carregamento dos dados, seria quando os dados são inseridos em um repositório, geralmente em um banco de dados multidimensional, com o objetivo de serem gerados artefatos para a tomada de decisão. No processo do ETL, a extração e carga dos dados nesses casos, são considerados obrigatórios. Na transformação e limpeza, por conta da necessidade do projeto e da fonte de dados, ela pode ser opcional, de acordo com (ABREU, 2008).
	É considerado de suma importância a geração de artefatos para a tomada de decisão, devido ao fato de consumir um alto tempo para o desenvolvimento do Business Intelligence. Para a execução, são necessários várias horas dedicadas no projeto em questão. Os datasets devem se adequar aos negócios, para que seja possível se transformar os dados base para a geração de artefatos para a tomada de decisão.
	É exigido uma quantidade considerável para se realizar a limpeza dos dados, para se realizar uma análise. E importante mencionar a ferramenta de dados chamada Tidy data, ou organização dos dados, ela é voltada para a limpeza dos dados. Por meio do Tidy Data, acba se tornando mais fácil o desenvolvimento de ferramentas que tem o objetivo a organização e de análise dos dados. Com o objetivo de obter um conjunto de dados mais organizados, tendo como vantagem uma estrutura de dados mais consistente e de ferramentas correspondentes.
	Sendo assim, os dados são importados, organizados, transformados, visualizados e depois transformados em um modelo. O padrão de dados organizado, foi projetado de forma que facilita a exploração e da análise dos dados de forma que o processo de simplificação do desenvolvimento de ferramentas de análise dos dados funcionem de forma harmónica.
	O Tidy Data, de forma clara, ele representa o conjunto de dados organizados, de forma que ele apresenta uma estrutura de dados organizada e de preferência conectada diretamente ao seu significado. Ela apresenta o núcleo da informação de forma organizada a apresentar a informação em um dataset, sendo uma matriz.
Indo para as perguntas da situação problema do estudo de caso,a primeira sendo como Apresentar o que se alcança no trabalho com os dados, através da técnica de machine learning; Primeiro é necessário saber o seu conceito, seria um método de análise dos dados e de informações, com o objetivo de automatizar a construção de modelos analíticos. Sendo comiserado um ramo da Inteligência Artificial, que se baseia na ideia de que os sistemas podem aprender com os dados. Identificar os padrões, bem como em tomar decisões com o mínimo de intervenção humana.
	Vale ressaltar que a IA e o Machine Learning, tem o desenvolvimento para o benefício do ser humano, de forma que os robôs possam executar tarefas para facilitar a vida dos seres humanos. Suas principais vantagens seria o de que as máquinas possuem maior produtividade, além de maior eficiência em qualquer segmento da economia.
	O Machine Learning, se trata da capacidade de um determinado equipamento analisar os dados e das informações para que seja possível automatizar a criação dos modelos analíticos. É uma vertente da inteligência artificial, no que diz respeito à capacidade de uma máquina de tomar as decisões a partir de um raciocínio que se assemelha ao do pensamento humano. Sendo assim, o Machine Learning, nasceu de forma que as máquina podem aprender a realizar tarefas que visam facilitar os seres humanos.
	Podemos citar que a meta dos desenvolvedores voltados para o Machine Learning, seria o de criar sistemas que ao ser expostos aos novos dados e das informações, elas conseguem se adaptar de forma independente. Para o Machine Learning, os algoritmos são a base de tudo. Sendo um conjunto de regras e de operações, de forma que aplicadas em um conjunto de dados, fazer surgir um determinado resultado. Os algoritmos são submetidos a determinados métodos, que são classificados em supervisionada, que seria a aprendizagem do algoritmo porque recebe os dados que contêm a resposta correta. Já o não supervisionado, seriam os dados que o algoritmos recebe e não são rotulados, de forma que os efeitos das variáveis são imprevisíveis.
	Os dados que são utilizados no Machine Learning, podem substituir os humanos no atendimento ao clientes, de forma atender as necessidades dos clientes. Os algoritmos aprendem com o tempo e suprem cada vez melhor as necessidades, bem como os dados e informações dos clientes. Lembrando que os algoritmos são o conjunto de códigos que são desenvolvidos para dar conta de uma determinada função. E esse seria justamente a forma que se alcança no trabalho com os dados, utilizando as técnicas mencionadas, como por exemplo, no uso dos algoritmos, como a supervisionada (Sendo a Aprendizagem do algoritmo) e a não supervisonada (Sendo os dados que o algoritmo recebe e não são rotulados).
	Já em relação as vantagens de se utilizar a análise preditiva, permite que sejam realizados probabilidade de resultados futuros, a partir de dados históricos. Por meio do uso de dados, informações, algoritmos estatísticos, e de técnicas de Machine Learning. Com o objetivo, de saber o que aconteceu, a fim de obter uma melhor avaliação do que poderá acontecer no futuro. Já os benefícios do Machine Learning, seria da automação da inteligência, na redução de custos, tornar os processos mais eficientes, ajuda a identificar os processos que são considerados ineficazes e desperdícios, para aumentar a produtividade, monitoramento de tendências, entre outros Benefícios.
	Podemos então através do uso Machine Larning, fazer com que atenda as necessidades dos clientes, considerando que empresa do ramo financeiro, o Banco BHC, a qual necessita de uma reestruturação na área de informação e modelos operacionais. Bem como fazer com que a empresa almeja um sistema mais eficaz para a classificação de novos clientes.
Referências Bibliográficas:
SAS: Machine Learning. O que é e qual sua importância?. Disponível em: https://www.sas.com/pt_br/insights/analytics/machine-learning.html. Acesso em: 06 dez. 2024 às 19:59.Linguagem R: entenda como funciona e principais aplicações. Remessa Online. Disponível em: https://www.remessaonline.com.br/blog/linguagem-r-entenda-como-funciona-e-principais-aplicacoes/. Acesso em: 06 dez.2024 às 19:59.
Machine Learning: como funciona, benefícios, tipos e exemplos. FIA Business School. https://fia.com.br/blog/machine-learning/. Acesso em: 06 Dez. 2024 às 20:55.
Carro autônomo. UOL. Disponível em: https://www.uol.com.br/carros/reportagens-especiais/transporte-do-futuro---carro-autonomo/#page3. Acesso em: 06 Dez. 2024 às 15:03.
Análises Preditivas: O que são e qual sua importância? SAS. https://www.sas.com/pt_br/insights/analytics/analises-preditivas.html#:~:text=An%C3%A1lises%20preditivas%20usam%20dados%2C%20algoritmos,que%20poder%C3%A1%20acontecer%20no%20futuro. Acesso em: 06 Dez. 2024 às 22:00.
O que é Machine Learning e seus benefícios. n4link. https://n4link.com.br/o-que-e-machine-learning-e-seus-beneficios/. Acesso em: 06 Dez. 2024 às 22:19.