O documento discute a evolução da machine learning, desde os conceitos iniciais até as aplicações atuais e futuras. Aborda técnicas como clusterização, classificação, análise associativa e preditiva. Também apresenta casos reais como a Amazon e desafios em recomendação de conteúdo. Por fim, reflete sobre ética e privacidade no uso de dados.
2. Especialista em Machine
Learning, atualmente pesquisa
e desenvolve algoritmos
matemáticos que reproduzem
de forma artificial os aspectos
biológicos de aprendizado e
auto-organização.
Quem somos
Everton Gago
Engenheiro de Computação e
pós graduado pela Unicamp,
possui ampla experiência com
desenvolvimento de software.
Entusiasta por técnicas de
machine learning.
Robison G. Tesini
7. Target Audience
Se alguém comprou um CD
de uma banda, ofereça algo
no gênero
O que mais podemos oferecer
?
Mais alguma coisa ?
8. IOT
Quantidades massivas de dados/sensores para ser processados
Dados Massivos
Volume
Identificar gostos e
preferências
Classificar
Predizer os desejos
daquele usuário
Predição
Como identificar uma situação de risco
ou fraude em meio à um número
enorme de dados
”
9. Amazon
Como a Amazon Inovou o ato de comprar
Mapear perfil do
usuário
Descobrir
Identificar gostos e
preferências
Classificar
Predizer os desejos
daquele usuário
Predição
Amazon has filed a patent for a
shipping system designed to cut
delivery times by predicting what
buyers are going to buy before they
buy it.
”
11. Clusterização
01
0205
04 03Mudar o mundo em
prol de uma causa
Transformadores
Gosta de lançar
tendências
Inovadores
Aventureiros, em
busca de novas
experiências
Exploradores
Pessoas seguras e
bem sucedidas
Vencedores
Está na moda e
sempre conectado
Seguidores
20. Desafios
Recomendador de Conteúdo.
Nenhuma informação sobre os usuários, além do seu histórico de navegação e
consumo.
Informação sobre usuário.
Performance e escala para processar grande volume de dados em tempo
hábil, para múltiplas aplicações cliente.
Performance e escala
Minimizar custos com nuvem e otimizar recursos.
Minimização dos custos
21. Resultados
Cliente com mais de
3 aplicativos.
Baixo
custo
1 Trein /
Hora
99% +
Até 1 treinamento /
hora.
Mais de 99% de
acurácia, no demo.
● Otimização dos algoritmos de
treinamento através de transformações
matemáticas.
● Recomendação baseada no usuário.
● Recomendação baseada no item.
● Cockpit de medições
23. Inovações
Cada vez mais estamos descobrindo problemas que podem ser resolvidos
com essa técnica.
Deep Learning
Otimização através de hardware específico.
http://www.sciencedirect.com/science/article/pii/S089360801300052X
Neurocomputação
Expansão do uso com recursos cada vez mais disponíveis.
IoT - Expansão do uso
25. Cronologia da Ficção Científica
1919-1992
Isaac Asimov
1928-1982
Philip K. Dick
1954-
James Cameron
I,
Robot
(1939)
Blade
Runner
(1968)
Terminator
(1985)
Matrix
(1999)
Lilly e Lana
Wachowski
26. Leis de Asimov
A robot may not injure a human being or, through inaction,
allow a human being to come to harm.1
A robot must obey orders given it by human beings except
where such orders would conflict with the First Law2
A robot must protect its own existence as long as such
protection does not conflict with the First or Second Law.3
A robot may not harm humanity, or, by inaction, allow
humanity to come to harm"0"