Baixe o app para aproveitar ainda mais
Prévia do material em texto
Ciência de Dados e Aprendizagem de Máquina Renato Vicente Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 As Ondas da Revolução Industrial Aprendizagem de Máquina Ciência de DadosThi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 As Ondas da Revolução Industrial Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 As quatro ondas da Revolução Industrial Primeira Onda: No final do século 18 a introdução da Spinning Mule, o primeiro tear mecânico movido a energia hidráulica, substituiu trabalho manual humano e multiplicou a produtividade por 10 em um século Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 As quatro ondas da Revolução Industrial A Segunda Onda foi marcada pela otimização da produção com peças padronizadas e intercambiáveis e linhas de montagem. Em meados do século 19 surgiam assim as primeiras fábricas como a fundição Bridgewater. Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 As quatro ondas da Revolução Industrial A Terceira Onda resultou das necessidades de energia, controle e comunicação a distância da segunda onda. Necessidades essas que estimularam o uso de eletricidade e que levaram a invenção da eletrônica e dos primeiros computadores. Na década de 1960 foi introduzido o Modicon 084, primeiro Controlador Lógico Programável (PLC)Th iago Nu nes Da Sil va 3 27.6 89.9 68-0 7 As quatro ondas da Revolução Industrial Estamos agora na Quarta Onda. Humanos e máquinas estão interligados por uma rede de dados. Um celular comum dispõem de uma dúzia de sensores, há uma rede de satélites capazes de fornecer nossa posição com alta precisão, fotos e filmes podem ser captados e guardados em lagos informados. Consultas médicas, compras, visitas a sites na internet, ligações telefônicas, pedidos de crédito, pagamentos em dia ou atrasados, viagens de metrô, ônibus ou taxi são registrados Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 Nexo Tecnológico Tudo é anotado em formato digital e o nosso nexo tecnológico cria cadeias de transações digitais associadas à nossa identidade física. Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 Aprendizagem de Máquina Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 Aprendizado de Máquina 101 Um caixa eletrônico em um supermercado irá aguardar a chegada de um novo cliente sinalizada pelo dedo posicionado sobre uma região específica da tela. Em seguida, irá esperar pelo escaneamento de códigos de barra até o cliente selecionar a tecla “fim”. Em seguida o caixa irá exibir opções de pagamento e esperar por dinheiro inserido ou por um cartão de crédito. Quando o pagamento tiver sido concluído e o cliente tiver se afastado do caixa o sistema retornará à condição inicial de espera.. Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 Aprendizado de Máquina 101 Há procedimentos, no entanto, que dependem, pelo menos num primeiro momento, de passos bem menos definidos. Chamemos estas tarefas de “cognitivas”. Por exemplo, um humano facilmente se lembra do resto de uma música ouvindo um pequeno trecho (Qual é a música?!). Um humano consegue ler um texto escrito a mão, ou consegue entender instruções faladas. Qualquer criança consegue diferenciar (na maioria dos casos) um cão de um gato. Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 Aprendizado de Máquina 101 As tarefas do Sistema 2 podem ser automatizadas pelo paradigma usual de programação, já as tarefas cognitivas resultam do processamento do Sistema 1 (rápido). As emoções são, assim, o resultado do processamento que ocorre no Sistema 1 e o Sistema 2 tenta confabular explicações que parecem fazer sentido lógico. Mas o que é tão peculiar assim no funcionamento do Sistema 1?Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 Aprendizado de Máquina 101 O cérebro é um objeto complicado que só estamos começando a entender. Algumas coisas, no entanto, já sabemos: ele é composto por muitas unidades (os neurônios), interligadas de forma complicada. A força destas interligações é ajustada conforme aprendemos uma tarefa.Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 Aprendizado de Máquina 101 Redes neurais artificiais são modelos matemáticos que tentam emular o que é essencial no funcionamento do Sistema 1. Aprendizado significa ajustar parâmetros do modelo em resposta a exemplos ou a uma avaliação de qualidade (se o carro que se autodirige bate ou não!).Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 1894: Neurônios Santiago Ramón y Cajal. Les nouvelles idées sur la fine anatomie des centres nerveux. 1894Th iago Nu nes Da Sil va 3 27.6 89.9 68-0 7 1943: Neurônios Artificiais McCulloch e Pitts. A logical calculus of the ideas immanent in nervous activity. 1943Th iago Nu nes Da Sil va 3 27.6 89.9 68-0 7 1948: “Máquina Desorganizada” de Turing Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 1957: Perceptron Frank Rosenblatt. Perceptron. Cornell Aeronautical Laboratory 1957Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 1959: Machine Learning Arthur Samuel. Some Studies in Machine Learning Using the Game of Checkers. IBM Journal July 1959 Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 1969: Perceptron Minsky e Papert. PerceptronsThi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 1980s: Renascimento Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 1990s: Maturidade SVM (Vapnik) Boosting (Shapire & Freund) (Neal & MacKay) Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 2000s: Dados, hardware e ferramentas Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 2010s: Módulos, Computação em nuvem, IoT, GANs Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 Deep Learning: Sucesso Prático Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 Sucesso Prático: ResNet 2015 Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 Sucesso Prático: GANs Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 Ciência de Dados Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 Dilúvio de Dados A quantidade de dados que coletamos cresce muito mais rápido que a capacidade de análise por analistas humanos. A distância entre um e o outro é o que chamamos de Gap Analítico. tempo Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 Relevância de Dados Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 Contexto dos Dados Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 Representação dos Dados Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 Interpretabilidade Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 Os Três Problemas da Ciência de Dados Data Science Data Engineering BusDev Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 Cadeia de Valor na Ciência de Dados Data Dados Alternativos ativos Análise ML em Produção Insights UX/UI Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7 Obrigado! Thi ago Nu nes Da Sil va 3 27.6 89.9 68-0 7
Compartilhar