Google disponibiliza curso gratuito de machine learning

O Google está disponi­bi­lizan­do gra­tuita­mente um dos seus cur­sos inter­nos pro­je­ta­dos orig­i­nal­mente para aju­dar fun­cionários da casa a tril­harem sua car­reira em Machine Learn­ing e Inteligên­cia Arti­fi­cial. Segun­do a com­pan­hia, mais de 18 mil fun­cionários foram matric­u­la­dos no cur­so Machine Learn­ing Crash Course (MLCC).

O cur­so foi pub­li­ca­do no novo site do Google pen­sa­do para facil­i­tar o aces­so ao apren­diza­do da tec­nolo­gia, o Learn with Google AI. Anun­ci­a­do pela gigante de tec­nolo­gia nes­sa quin­ta-feira (28), o site tam­bém visa ser uma cen­tral para aque­les que querem apren­der mais sobre os con­ceitos e desen­volvi­men­to da IA, assim como apren­der a aplicá-la a prob­le­mas do mun­do

O Machine Learn­ing Crash Course con­ta com aprox­i­mada­mente 15 horas de duração. O pro­gra­ma traz visu­al­iza­ções inter­a­ti­vas e vídeos com pesquisadores da própria com­pan­hia, além de mais de 40 exer­cí­cios práti­cos.

O cur­so foi pen­sa­do para ini­ciantes em apren­diza­do de máquina, emb­o­ra o Google recomen­da que os alunos saibam con­ceitos bási­cos de pro­gra­mação e Python.

A com­pan­hia ain­da espera lançar out­ros cur­sos como o MLCC em sua platafor­ma em breve. Por enquan­to, você já pode aces­sar o cur­so neste link.

Para que serve a Inteligên­cia Arti­fi­cial?

O prin­ci­pal val­or da inteligên­cia arti­fi­cial (AI) gira em torno da automação de proces­sos. Ou seja, em qual­quer ambi­ente onde uti­lizamos seres humanos para com­ple­tar tare­fas repet­i­ti­vas, a AI pode aju­dar. Inteligên­cia artif­i­cal e machine learn­ing ensi­nam os com­puta­dores a recon­hecer padrões em dados não estru­tu­ra­dos e trans­for­má-los em dados estru­tu­ra­dos de for­ma a per­mi­tir que uma respos­ta automáti­ca seja apli­ca­da.

Exis­tem inúmeros exem­p­los — câmeras HD em fábri­c­as ou armázens, uti­lizadas para recon­hec­i­men­to de imagem com o obje­ti­vo de mel­ho­rar o con­t­role de qual­i­dade ou realizar o geren­ci­a­men­to de inven­tário. Fornece­dores de vare­jo que bus­cam o apoio de sis­temas de vídeo para recon­hecer e proces­sar com­por­ta­men­tos de clientes. Ou até o recon­hec­i­men­to de ima­gens no cam­po da med­i­c­i­na, como no caso dos raios‑x e ressonân­cias mag­néti­cas.

Out­ro exem­p­lo é o setor de seguros, que uti­liza a AI para aux­il­iar na análise das esti­ma­ti­vas sobre reivin­di­cações: uma imagem de um car­ro aci­den­ta­do ou out­ro dano de pro­priedade pode ser proces­sa­da em tem­po real no ban­co de dados da empre­sa, dan­do uma esti­ma­ti­va instan­tânea para um paga­men­to de reivin­di­cação, tudo sem a neces­si­dade de enviar uma pes­soa para avaliar o dano.

Os anal­is­tas do setor esti­mam que a AI será incor­po­ra­da em quase todas as novas atu­al­iza­ções de soft­ware até 2020. No entan­to, as orga­ni­za­ções que se adaptarem mais cedo a essa mudança de par­a­dig­ma no mer­ca­do terão maiores van­ta­gens com­pet­i­ti­vas.

Não tema os robôs: como AI pode impul­sion­ar o seu negó­cio

Muitas das tare­fas que a inteligên­cia arti­fi­cial sub­sti­tui, antes neces­si­tavam recur­sos humanos que ago­ra estão disponíveis para realo­cação a setores mais críti­cos e estratégi­cos do negó­cio. Entre­tan­to, ape­sar das econo­mias con­sid­eráveis, a história dos “robôs estão nos sub­sti­tuin­do” ain­da é con­tin­u­a­mente con­ta­da. Com isso, o que se perde muitas vezes é a ver­dadeira opor­tu­nidade em des­blo­quear novas opções e con­ceitos que não eram eco­nomi­ca­mente viáveis no pas­sa­do. AI pos­si­bili­ta novos pro­je­tos e ino­vações que ante­ri­or­mente eram con­sid­er­adas muito onerosas ou demor­adas.

Um novo pro­je­to não seria ren­táv­el e nem pode­ria ser via­bi­liza­do com altos cus­tos de oper­ações 100% man­u­ais, mas se o cus­to pud­er ser reduzi­do em 50% com o uso de IA, o pro­je­to pas­sa a ser pos­sív­el. Ao aproveitar a inteligên­cia arti­fi­cial, os fun­cionários mais cria­tivos abrirão uma gama mais ampla de opor­tu­nidades. Um exec­u­ti­vo ou profis­sion­al de TI que decide quan­do e como colo­car a IA para tra­bal­har, poderá deixar de con­sid­er­ar quais pro­je­tos valiosos são descar­ta­dos dev­i­do a tare­fas repet­i­ti­vas e cus­tosas.

Áreas onde a AI pode aux­il­iar na automação incluem suporte ao cliente, fab­ri­cação e con­t­role de qual­i­dade. A entre­vista de tra­bal­ho é out­ro caso de uso emer­gente, em que há o uso de proces­sa­men­to de vídeo para tornar a iden­ti­fi­cação dos intangíveis de um can­dida­to mais men­su­ráveis. Cer­tas expressões faci­ais e out­ros com­por­ta­men­tos humanos são repeti­da­mente bem-suce­di­dos nas situ­ações de ven­das, por exem­p­lo. O mes­mo provavel­mente é ver­dadeiro para serviços ao cliente e out­ros aspec­tos inter­a­tivos tam­bém. A inteligên­cia arti­fi­cial nos aju­da a iden­ti­ficar ess­es padrões com mais facil­i­dade.

Em uma pesquisa recente real­iza­da pela Capgem­i­ni, a empre­sa afir­mou que a AI cri­ará mais empre­gos do que destru­irá. Tal como for­mas ante­ri­ores de tec­nolo­gia cri­aram mais val­or do que elim­i­naram. Colo­car AI para autom­a­ti­zar tare­fas com­er­ci­ais bási­cas pode resul­tar em mel­hor qual­i­dade de serviço, mel­hor exper­iên­cia do cliente, mel­hor imple­men­tação do pro­je­to e menor cus­to. Por exem­p­lo, os cam­in­hões autom­a­ti­za­dos de car­ga: além de econ­o­mizarem din­heiro com motoris­tas assalari­a­dos, são capazes de rodar 24 horas, sete dias por sem­ana, sem paradas. As van­ta­gens podem vari­ar, como no caso do envio de ali­men­tos perecíveis trans­porta­dos em um veícu­lo autônomo, que podem chegar dois a três dias antes nas prateleiras da loja, o que reduz o des­perdí­cio e mel­ho­ra a qual­i­dade.

Ras­trear, andar, exe­cu­tar

O Gart­ner nos diz que os data cen­ters que não con­seguirem aplicar AI e machine learn­ing deixarão de ser opera­cionais e eco­nomi­ca­mente viáveis até 2020. Esta não é mera­mente a tec­nolo­gia de ficção cien­tí­fi­ca que vemos no cin­e­ma. Ela não deve mais ser con­sid­er­a­da abstra­ta, mas fun­da­men­tal para a via­bil­i­dade de quase qual­quer orga­ni­za­ção, inde­pen­den­te­mente da indús­tria.

No cur­to pra­zo, o depar­ta­men­to de TI não estará nec­es­sari­a­mente dirigin­do o negó­cio para a AI, mas sim o con­trário. A lin­ha de negó­cios servirá como deter­mi­nante para que a TI se dire­cione a uti­lizar a AI. Em muitas orga­ni­za­ções, a inteligên­cia arti­fi­cial pode começar como um pro­je­to de pesquisa úni­co fora do “TI tradi­cional”.

À medi­da que ess­es pro­je­tos são bem-suce­di­dos e o cus­to da AI diminui, os pro­je­tos pas­sarão para a TI em uma escala e inte­gração maior em relação ao resto do proces­sa­men­to de dados estru­tu­ra­dos, que ocorre den­tro do depar­ta­men­to. Emb­o­ra a inteligên­cia arti­fi­cial processe dados não estru­tu­ra­dos — vídeo, ima­gens, áudio, etc. – ela pro­duz dados estru­tu­ra­dos que pre­cisam ser inte­gra­dos com out­ros para for­mar uma solução com­ple­ta.

Con­sidere o exem­p­lo de um aju­dante ou recep­cionista autom­a­ti­za­do na loja de fer­ra­gens local. Um cliente pode entrar, segu­rar o para­fu­so ou o que quer que este­ja procu­ran­do na frente de uma câmera e o dis­pos­i­ti­vo irá diz­er em qual corre­dor o obje­to está e se existe peças em estoque. O recon­hec­i­men­to de imagem ain­da pre­cisa de treina­men­to especí­fi­co para AI, mas o sis­tema pode se inte­grar ao catál­o­go de pro­du­tos e aos sis­temas de con­t­role de estoque.

Uma maneira de começar é com um pequeno esforço de Pesquisa e Desen­volvi­men­to patroci­na­do por um exec­u­ti­vo fora dos gru­pos opera­cionais nor­mais. Exper­i­mente algu­mas ideias, mas dê capaci­dade de ino­var à equipe e per­mi­ta a cri­ação de pro­tóti­pos em algu­mas soluções. Revise e veja se algum pro­du­to pode ser envi­a­do à pro­dução. Peça à equipe que repi­ta esse proces­so até que exis­tam alguns suces­sos antes de ten­tar incor­po­rar os resul­ta­dos.

Deixe os dados serem seu guia

Em primeiro lugar, as orga­ni­za­ções pre­cisam decidir onde vão exe­cu­tar tare­fas de AI – em nuvem públi­ca ou nuvem pri­va­da. Deixe os dados serem seu guia. Na inteligên­cia arti­fi­cial, grandes con­jun­tos de dados gan­ham quan­do se tra­ta de treinar redes neu­rais, então as orga­ni­za­ções pre­cisam faz­er o tra­bal­ho da inteligên­cia arti­fi­cial onde seus dados exis­tem.

Os dados têm gravi­dade — é muito caro, demor­a­do e com­plexo mover um grande con­jun­to de dados, de modo que o pro­je­to pre­cisa se mover para os dados, e não o con­trário. Se os dados forem on-premise e serão inte­gra­dos em out­ro con­jun­to de dados estru­tu­ra­dos on-premise, então faz sen­ti­do exe­cu­tar seus pro­je­tos AI no mes­mo local. Se os con­jun­tos de dados forem ger­a­dos na nuvem públi­ca como parte de um por­fo­lio de web ser­vices ou ger­a­dos por IoT, faz mais sen­ti­do então exe­cu­tar seus dados de AI neste local.

Todas as indús­trias — sem exceção — serão afe­tadas pela inteligên­cia arti­fi­cial, mas por que e como não é total­mente pre­visív­el. Os vence­dores não serão nec­es­sari­a­mente as maiores empre­sas ou as que têm o mel­hor mar­ket­ing, mas sim as mais adap­táveis e ino­vado­ras. Os líderes da AI irão refor­mu­lar a for­ma como os negó­cios são con­duzi­dos – e, em alguns sen­ti­dos, ofer­e­cer às empre­sas de todas as for­mas e taman­hos novas opor­tu­nidades para ino­var.