Logo Passei Direto

A maior rede de estudos do Brasil

Grátis
2 pág.
Atividade 1 - Aprendizado de Máquina

Pré-visualização | Página 1 de 1

Escreva um breve texto, de no máximo 15 linhas, descrevendo os algoritmos utilizados no aprendizado de máquina e a importância da sua utilização para a gestão de negócios;
No setor dos negócios já é aplicado o conceito de aprendizado de máquina. Podemos citar alguns exemplos como: detecção de fraude, direcionamento ao cliente, recomendação de produto, até o monitoramento industrial em tempo real. Os sistemas inteligentes são capazes de resolver problemas que não poderíamos resolver manualmente. 
Para exemplificar melhor a importância do machine learning nos negócios, seguem alguns exemplos práticos do mercado em setores específicos; 
Serviços financeiros - Bancos e outros negócios na indústria financeira usam tecnologias de machine learning para dois propósitos principais: identificar insights importantes nos dados e prevenir fraudes. Esses inisghts podem identificar oportunidades de investimento, ou ajudar investidores a saber quando fazer o trade. A mineração de dados também pode identificar clientes com alto perfil de risco ou usar cyber-vigilância para encontrar sinais de fraudes.
Marketing e vendas - Websites que recomendam produtos e serviços com base em suas compras anteriores estão usando machine learning para analisar seu histórico de compras – e promover outros itens pelos quais você pode se interessar. Essa capacidade de capturar dados, analisá-los e utilizá-los para personalizar a experiência de compra (ou implementar uma campanha de marketing) é o futuro do varejo.
Petróleo e gás - Descobrir novas fontes de energia. Analisar minerais no solo. Prever falhas em sensores de refinarias. Acelerar a distribuição de petróleo para torná-la mais eficiente e econômica. O número de aplicações de machine learning nesta indústria é vasto – e continua crescendo.
Alguns modelos de machine learning podem ser classificados como;
Modelo supervisionado - Já temos os rótulos de dados estabelecidos, ou seja, o conjunto de dados é previamente conhecido. São modelos de classificação e regressão.
Modelo não-supervisionado - Não existem dados a priori, o sistema analisa os dados a partir de similaridades ou com objetivos semelhantes no conjunto. São feitos modelos de agrupamento e associação. 
Modelo semi-supervisionado - Englobo as técnicas dos dois modelos. 
Aprendizagem por reforço - Essa técnica não utiliza nenhum conjunto de treinamento. A máquina utiliza processos de tentativa e erro para encontrar a solução do problema recebendo recompensa e penalidades para executar uma determinada ação. 
Alguns principais algoritmos são escolhidos conforme o modelo elencado para aprendizagem de máquina conforme demonstra o quadro abaixo;