0

Inteligência Artificial: O que é Machine Learning e Redes Neurais ?

#Python
Kaio Sodré
Kaio Sodré

https://www.linkedin.com/in/kaiosod/


1. O que é Inteligência Artificial ?


A Inteligência Artificial, é um dos assuntos mais citados atualmente, porém ainda é bastante incompreendida, ela pode ser explicada de forma simples como a simulação da inteligência humana, feita por sistemas baseados em algoritmos que tomam uma decisão identificando padrões a partir de uma base de dados.


O Aprendizado de Máquina e Redes Neurais, são um dos campos da Inteligência Artificial, eles são fundamentais para o desenvolvimento de ferramentas e sistemas que usam Inteligência Artificial, exemplos de uso, que estão presentes no cotidiano da maioria das pessoas são as recomendações de anúncios mostrados aos usuários de alguma página web, rede social ou plataformas de streaming.


2. Machine Learning


O Machine Learning ou traduzido como Aprendizado de Máquina é um dos campos da Inteligência Artificial, que consiste no reconhecimento de padrões em uma determinada fonte de dados e que acaba por gerar uma determinada solução que dependerá do problema a ser resolvido, ou seja, existem diversos algoritmos de aprendizado de máquina e cada um deles é ideal para a solução de um determinado problema e cada um tem um funcionamento específico.


Em 1959 Arthur Samuel engenheiro do MIT, cunhou o termo “machine learning” como sendo a técnica de programar computadores para aprender de forma autônoma, porém só mais tarde com a criação da web e o aumento do volume de dados o machine learning veio a ter o início da evolução em grande escala.

Quando se fala na Importância da Inteligência Artificial não podemos deixar de falar que o trabalho de analisar e processar grandes volumes de dados é impossível sem ela, além dessa tarefa que é algo inatingível para o cérebro humano, é importante destacar a precisão nas soluções de análise de dados das IA’s, aprenderem com os padrões dos dados e obter resultados ainda melhores.


Exemplos de Algoritmos de Machine Learning:


  • Regressão Linear.
  • Regressão Logística.
  • Análise Discriminante Linear.
  • Árvore de classificação e regressão.
  • Naive Bayes.
  • KNN (K-Nearest Neighbors).
  • LVQ (Learn Vector Quantization).
  • SVM (Support Vector Machine).
  • Random Forest.


Exemplo de Uso do Machine Learning


Imaginando que você trabalha no área de tecnologia da informação especificamente no setor de empréstimos de um grande banco, e seu chefe pede para que você junto com a sua equipe desenvolva um sistema que possa reconhecer clientes confiáveis que estão interessados por um empréstimo, sendo que você tem disponível para uso e consulta, uma base de dados com o histórico de todos os clientes os quais o banco já concedeu empréstimo, nessa base dado você terá acesso a informações como história de crédito, dívida, e renda anual, com essas três informações já é possível construir uma tabela de probabilidade que nada mais é uma tabela que associa a esses três campo a um determinado risco (Alto, moderado e baixo). A partir de agora você já tem o que é necessário para aplicar um algoritmo de aprendizagem de máquina com os dados dos futuros clientes, nesse caso o algoritmo mais recomendado a ser usado é um algoritmo de classificação chamado de Naive bayes.


3. Redes Neurais


Em Inteligência Artificial, redes neurais tratam-se de nós interconectados com o funcionamento semelhante aos neurônios do cérebro humano. As redes neurais são capazes de encontrar padrões e relações entre dados brutos, por fim classificando e agrupando esses dados.


Em 1943, Warren McCulloch e Walter Pitts, criaram a primeira rede neural, inspirados no funcionamento dos neurônios biológicos humanos, essa rede neural foi feita com um circuito elétrico. Com o aumento do volume de dados para um nível de big data, as pessoas desenvolveram redes neurais em multicamadas ou também conhecido como Deep Learning (Aprendizagem Profunda).

A Deep Learning que nada mais é que várias camadas de redes neurais, é bastante usada em diagnósticos médicos para câncer, fibrose cardíaca, tuberculose e detecção de parasitas como Plasmodium e Leishmania.


Tipos de Redes Neurais


  • Redes neurais convolucionais (RNC).
  • Redes neurais recorrente (RNR).
  • Redes neurais feedforward.
  • Redes neurais autoencoder.
0
3

Comentários (2)

0
Kaio Sodré

Kaio Sodré

07/09/2021 18:21

Obrigado Eros !!

0
🏂⚡️Eros M.Lima

🏂⚡️Eros M.Lima

07/09/2021 10:52

Top, adicionado!!!

Desenvolvimento Web

Brasil