Arquivos Deep Learning - Valor Agregado

Machine Learning e Deep Learning transformam máquinas em aliadas na capacitação profissional

julho 4, 2018 Por admin

Segundo estudo encomendo pela Fujitsu, multinacional japonesa, divulgado no final do ano passado, até 2025 a inteligência artificial (IA) deverá impactar significativamente o ambiente de trabalho, principalmente, em relação ao ambiente físico (como escritórios, por exemplo), que podem sumir nos próximos oito anos. Ainda de acordo com o levantamento, a tendência é que a IA faça com que os colaboradores dediquem-se cada vez mais a tarefas com alto valor agregado para as empresas e menos em funções técnicas e repetitivas, como. Outra pesquisa, desenvolvida pela IDC Research, aponta que, hoje, aproximadamente, 40% da força de trabalho mundial já é mobile.

“Não há como escapar, vivemos cercados por máquinas e o tempo anda cada vez mais escasso. A soma desses fatores reforça a necessidade de dar ao colaborador a liberdade de realizar seus treinamentos quando e onde puderem e, por que não, com a ajuda do seu celular”, comenta o country manager da Learning Tribes do Brasil, Pierre-Jean Quetant.

Para o especialista, duas tecnologias são aliadas dos treinamentos corporativos mobile: o machine learning e o deep learning. Usando o machine learning, é possível liberar módulos de reforço automaticamente aos que passam mais tempo nos mesmos exercícios ou não alcançam determinadas pontuações, para citar alguns cenários. “Se o obstáculo de aprendizado do colaborador for relacionado à forma como o conteúdo é apresentado, ocorre uma adaptação automática – conteúdos escritos passam a ser representados por meio de recursos visuais, por exemplo”, afirma.

Já os algoritmos de deep learning podem ser usados para adaptações de idiomas ou, até mesmo, diferenças sutis na mesma linguagem que variam entre uma região e outra no mesmo território. “Cada colaborador possui dúvidas e necessidades específicas e, à primeira vista, parece desafiador usar sistemas de inteligência artificial para orientar a trilha de aprendizado de cada um deles. Na prática, a proposta é extremamente vantajosa e simples”, diz Quetant.

No entanto, Pierre lembra que mesmo com a tendência ao Home Office e da mobilidade, figuras como o gestor de comunidade jamais serão substituídos por um autômato. “O fator humano é insubstituível e a capacidade de analisar sutilezas em certos detalhes não pode ser reproduzida por máquinas. Community managers, instrutores, designers instrucionais, entre outros profissionais envolvidos em um programa de T&D, são essenciais para mensurar resultados, aplicar melhorias e avaliar os sentimentos e as opiniões dos colaboradores em relação aos conteúdos, além de verificar se o aprendizado é bem assimilado por eles”, finaliza.

Você sabe a diferença entre Machine Learning e Deep Learning?

janeiro 25, 2018 Por admin

Considerada uma das grandes revoluções do mundo moderno, a Inteligência Artificial tem provocado verdadeiras transformações nos negócios e possibilitado aos empresários vantagens competitivas nunca antes vistas. Porém, ainda que essa seja uma tecnologia que não soe estranha aos ouvidos, você realmente sabe o que ela significa?

Inteligência Artificial é tudo o que permite à máquina apresentar características semelhantes ao que identificamos como inteligência no ser humano. Nos seus primórdios, a Inteligência Artificial operava – e, em muitos casos, ainda opera – com sistemas especialistas, formados por imensos conjuntos de regras. Essas regras, elaboradas por seres humanos, buscam descrever situações em que, se houver um padrão de atendimento a elas, um problema pode ser resolvido.

Por exemplo: se eu estiver programando um sistema especialista de detecção de fraude em uma determinada transação comercial, posso determinar que se a pessoa fizer uma ligação de madrugada ou de um local distante da sua residência, dentre outras condições, aumentam as chances dessa transação ser fraudulenta.

De acordo com Roberto Lotufo, que é professor titular aposentado da Faculdade de Engenharia Elétrica e de Computação da Unicamp (Universidade Estadual de Campinas) e fundador da NeuralMind, startup especializada nessa área, o grande problema é que esses sistemas de Inteligência Artificial vão se tornando extremamente complexos, chegando até as dezenas de milhares de regras, com novas regras interferindo nas anteriores. “O trabalho de manutenção dessas regras se torna hercúleo”, avalia o docente.

Como toda inovação, essas aplicações iniciais geraram entusiasmo com a tecnologia. E a necessidade de aperfeiçoamentos culminou no avanço para uma nova técnica: o Machine Learning.

O Machine Learning, por sua vez, não é baseado em regras. E sim, no que os especialistas chamam de “características do objeto”. Voltando ao exemplo anterior, na programação do sistema de detecção de fraudes, os dados a serem inseridos no sistema poderiam ser a hora em que o pedido é feito, a localização do solicitante, sua idade, o valor do pedido, dentre outros que possam ter relação com a fraude. Esses dados são inseridos em um classificador estatístico. O problema, muitas vezes, é escolher as características a serem selecionadas.

“Na maioria das técnicas de Machine Learning existe a fase chamada de ‘feature engineering’, que é a escolha das características que irão melhor discriminar os objetos a serem classificados. Novamente, temos um esforço humano nesta escolha. Além disso, é uma tecnologia apropriada para o tratamento de dados estruturados, ou seja, aqueles que você consegue colocar em um banco de dados. Mas não para outros tipos de dados. Exemplos disso são as imagens ou sons”, explica Lotufo.

É nesse ponto que surge uma terceira técnica, ainda pertencente ao Machine Learning: o Deep Learning. Essa nova tecnologia dispensa a etapa de “feature engineering”, com a possibilidade de entrada no sistema dos dados originais, brutos. Além disso, explica o fundador da NeuralMind, o Deep Learning mostra resultados promissores justamente com os dados em relação aos quais outras técnicas de Machine Learning têm limitações: os dados não estruturados.

“Trabalhamos com o conceito de vizinhança. Em uma imagem, por exemplo, você sempre tem um pixel ao lado, acima ou abaixo de outro pixel; em um texto, as palavras se sucedem e, na fala, sempre temos um sinal que é antecedido e sucedido por outros”, explica Lotufo. “Em todas essas aplicações, o Deep Learning vem se mostrando extremamente bem-sucedido. Antes, para fazer um sistema de reconhecimento de fala, por exemplo, você tinha de especificar as características dessa fala. Cada língua tem fonemas diferentes, e era preciso, antes de mais nada, inventariar esses fonemas. No Deep Learning, o dado que entra é o sinal de voz, diretamente, a pessoa falando e a saída é o texto que ela falou. É com isso que você treina o sistema”, exemplifica.

Assim, considerando essas diferenças e o potencial do Deep Learning, a principal dica do pesquisador aos empresários brasileiros é que busquem conhecimento sobre a nova tecnologia. “É fundamental compreender a diferença e, com isso, a relevância do Deep Learning. Há muitas empresas vendendo soluções que usam outras técnicas de Machine Learning no mercado. São soluções úteis, sem dúvida, mas não foram elas que causaram a revolução que temos observado nos últimos seis anos. Por isso, minha dica é que busquem saber responder qual é a diferença entre Machine Learning e Deep Learning, pois é isto que permitirá o passo necessário ao desenvolvimento desses empreendimentos”, conclui.

A NeuralMind é uma startup sediada em Campinas, que busca transformar negócios com o uso de Inteligência Artificial. Entre as soluções oferecidas pela startup estão: sistemas de recomendação, detecção de anomalias, análise automática de imagens, reconhecimento inteligente de documentos e segurança cibernética. A empresa também oferece treinamento na área, com cursos in company e online. Para mais informações, acesse: http://neuralmind.ai/

Conheça 6 títulos que são leitura obrigatória para Cientistas de Dados

agosto 29, 2017 Por admin

Por Semantix *

Conhecimento nunca é demais, principalmente em campos de conhecimento como a ciência de dados, que contempla diversos temas como Big Data,Machine Learning e outros, que estão em constante transformação. Por isso, a Semantix selecionou seis títulos de leitura que não podem faltar para um profissional dessa área aprimorar seu aprendizado. Os livros abrangem assuntos como estatística para programadores, Machine Learning, Deep Learning, algoritmos, entre outros. Confira:

1. Data Analytics Made Accessible – Dr. Anil Maheshwari (autor)

Esse curto livro de 150 páginas apresenta os conceitos de Big Data e Data Analytics de maneira concisa, o que se traduz em uma boa primeira leitura para este universo.

2. Understanding Machine Learning: From Theory to Algorithms – Shai Shalev-Shwartz e Shai Ben-David (autores)

Machine Learning é uma das áreas de mais rápido crescimento, com aplicações nos mais diferentes segmentos. Esse livro introduz o leitor à aprendizagem mecânica e aos paradigmas algorítmicos que oferece.

3. Deep Learning – Ian Goodfellow, Yoshua Bengio e Aaron Courville (autores)

Essa publicação tem como objetivo ajudar alunos e profissionais a entrar no campo das aprendizagens mecânica em geral e do Deep Learning. A versão on-line do livro está completa e permanecerá disponível gratuitamente.

4. Machine Learning Yearning – Andrew Ng (autor)

Inteligência Artificial, Machine Learning e Deep Learning estão transformando inúmeras indústrias, e decisões práticas e assertivas são essenciais para construir um sistema de aprendizado de máquina. Esse livro vai te ajudar nisso!

5. Foundations of Data Science – Avrim Blum, John Hopcroft e Ravindran Kannan (autores)

A publicação apresenta a teoria que provavelmente será útil nos próximos 40 anos, no que diz respeito ao uso de computadores para entender e extrair informações relevantes de dados provenientes de aplicativos.

6. Doing Data Science: Straight Talk from the Frontline – Cathy O’Neil and Rachel Schutt (autores)

Esse livro tem como proposta apresentar tudo que você precisa saber para usar os dados a seu favor na hora de montar sua estratégia de negócio, inspirado em aulas de ciência de dados da Columbia University’s.

Semantix é uma empresa especializada em Big Data, Inteligência Artificial, Internet das Coisas e Análise de dados. http://semantix.com.br/

Tecnologia de reconhecimento facial da NEC ficou em primeiro lugar em teste de vídeo do NIST

março 29, 2017março 29, 2017 Por admin

A tecnologia de reconhecimento facial da NEC obteve a mais alta avaliação de desempenho no recente teste de avaliação de face em vídeo (Face in Video Evaluation – FIVE, * 1), realizado pelo NIST (* 2) (U.S. National Institute of Standards and Technology). Os resultados foram divulgados por meio do relatório do NIST “Interagency Report 8173: Face In Video Evaluation (FIVE) Face Recognition of Non-Cooperative Subjects”.

A tecnologia de reconhecimento facial da NEC obteve o primeiro lugar pela quarta vez consecutiva: Incialmente no Grande Desafio Biométrico Múltiplo em 2009 (MBGC 2009); Avaliação de Biometria Múltipla 2010-2011 (MBE 2010-2011) e, finalmente, o Teste de Fornecedor de Reconhecimento de Face (FRVT 2013).

A tecnologia de reconhecimento facial em vídeo identifica os rostos em movimento, em tempo real, enquanto andam naturalmente, sem parar na frente de uma câmera. Os benefícios da análise de vídeo de alta velocidade permitida por esta tecnologia incluem a prevenção de possíveis incidentes, por meio da detecção de pessoas suspeitas e o reconhecimento de indivíduos nos portões de instalações críticas.

O uso de imagens de vídeo de câmeras padrão para reconhecimento facial requer técnicas altamente avançadas em comparação com as utilizadas para imagens estáticas. Isso ocorre porque as imagens são muito influenciadas pelas condições ambientais, como a localização da câmera, a qualidade da imagem, a iluminação e o tamanho do objeto, além do comportamento de um sujeito, incluindo a velocidade de caminhada, a direção do rosto e a linha de visão.

Para a obtenção de um reconhecimento facial confiável a partir de uma imagem de vídeo, a NEC desenvolveu uma tecnologia de extração de pontos que permite o reconhecimento de faces ao ponto de um indivíduo poder ser identificado com alta precisão dentro de um grupo, mesmo que seu rosto esteja parcialmente escondido ou as imagens tenham sido tomadas de ângulos diferentes. A tecnologia de reconhecimento facial da NEC também utiliza tecnologias de deep learning (aprendizagem profunda) para identificação de faces, a fim de aumentar a precisão ao ponto de um indivíduo poder ser identificado por uma imagem de baixa resolução capturada por uma câmera distante.

“É uma grande honra que a nossa tecnologia de reconhecimento facial tenha sido reconhecida pelo NIST, pela quarta vez consecutiva, em primeiro lugar no mercado”, diz Masakazu Yamashina, vice-presidente sênior da NEC Corporation. “Vamos expandir o negócio global, oferecendo soluções biométricas inovadoras, como o sistema de reconhecimento facial em vídeo, em uma ampla gama de campos, incluindo segurança, transporte, finanças e varejo”, afirma.

Exemplos de avaliação do teste NIST FIVE:

• Gestão de entradas e saídas de passageiros em portões de aeroportos

Os testes foram conduzidos para reconhecer um indivíduo que esteja andando, sem parar, em uma área onde não sabe que existe uma câmera. A tecnologia de reconhecimento facial da NEC ganhou o primeiro lugar com uma precisão correspondente a 99,2%. O percentual de erro de 0,8% é inferior a um quarto do verificado do segundo lugar.

• Detecção de pessoas suspeitas em um estádio coberto

Os testes foram conduzidos a partir das imagens de uma pessoa situada longe da câmara, cujo rosto muda de direção com frequência. A tecnologia de reconhecimento facial da NEC ganhou o primeiro lugar, tendo apresentado uma taxa de erro que representa a metade da registrada pelo segundo lugar.

Durante quase 30 anos, a NEC vem desenvolvendo tecnologia de reconhecimento facial, definindo-a como uma das tecnologias-chave para ajudar a alcançar uma sociedade mais segura. A ferramenta já foi implementada em mais de 100 sistemas, em 40 países em todo o mundo. A NEC continuará a desenvolver soluções que alavanquem o sistema de reconhecimento facial como parte de seu portfólio de tecnologias de Inteligência Artificial (IA) “NEC the Wise” (* 3), e oferecer soluções para uma ampla variedade de campos, incluindo infraestrutura social e instalações do setor privado.

(* 1) https://www.nist.gov/programs-projects/face-video-evaluation-five
(* 2) Os resultados mostrados pelo Face In Video Evaluation (FIVE), o Multiple Biometric Grand Challenge (MBGC), a Multiple Biometric Evaluation (MBE) e o Face Recognition Vendor Test (FRVT) não constituem endosso de nenhum produto específico pelo governo dos EUA.
(* 3) http://www.nec.com/en/global/rd/crl/ai/index.html

Produtos de startups ajudam na redução dos gastos das empresas

novembro 10, 2015 Por admin

Com a alta do dólar e a crise econômica que o país atravessa, soluções oferecidas por pequenas e médias empresas (PMEs) e startups nacionais podem ser uma boa opção para ajudar a aliviar custos, principalmente das companhias de menor porte.

Genuinamente brasileiro, o Plug CRM é uma plataforma que auxilia na organização das negociações, principalmente das PMEs que desejam aumentar suas vendas, automatizando de forma simples e rápida todos os seus processos. Este CRM online integra todas as ferramentas da rotina de um vendedor num só lugar: em vez de usar planilhas, agendas, blocos de anotação, post its e e-mail, que acabam por perder informações dos clientes (além de ocupar muito tempo), o executivo usa apenas o Plug. Este software também ajuda os gerentes, que passam a ter relatórios e dados estratégicos dos clientes, para melhorar a performance da equipe.

“Somos um software completo o bastante para ser comparado a grandes sistemas, mas ao mesmo tempo, simples o suficiente para sermos confundidos com uma rede social”, diz Luis Lourenço, CEO da Plug CRM, que oferece uma das ferramentas com o melhor custo-benefício do mercado: “Com a alta do Dólar, o Plug está até 3x mais barato que ferramentas estrangeiras, oferecendo muito mais possibilidades aos vendedores e gestores”, explica Lourenço.

Também de olho no cliente, buscando oferecer produtos ou indicar ações personalizadas, a startup Zunnit analisa o comportamento, a segmentação e o perfil de usuários de sites, blogs e portais. Entre os diferenciais estão a incorporação de tecnologias de Deep Learning e Big Data, que permitem compreender e automatizar processos das empresas, aumentando os índices de venda e eficiência.

Outro ponto importante para o funcionamento de qualquer companhia, um sistema de telefonia inteligente também pode ajudar na redução dos custos. Pensando nisso, a Easy Telecom criou um produto que atende todas as necessidades tecnológicas de pequenas e médias operadoras de telecomunicações, além de empresas com demanda de tráfego elevada, como call centeres nacionais e internacionais.
Alguns serviços, como a entrega de documentos e produtos, também podem ter os custos reduzidos, aumentando assim a rentabilidade da empresa. Com uma rede colaborativa de entregadores, a startup mineira Shippify promete um serviço de entregas mais rápido e eficiente.
Utilizando um aplicativo móvel e/ou um software adaptável a qualquer site de e-commerce, os pedidos clientes da empresa são enviados via app para os entregadores cadastrados que estiverem mais próximos da encomenda. Como acontece em alguns aplicativos de táxi, o primeiro que responder, faz a entrega do produto. Além disso, pela plataforma é possível acompanhar todo o percurso da entrega.

Segundo o equatoriano Miguel Torres, um dos fundadores da Shippify, a ideia é servir, principalmente, lojas online. “Uma das grandes dificuldades dessas empresas é justamente garantir ao cliente uma entrega rápida, sem que isso acarrete custos altos”, explica ele.
Ainda pensando no aumento das vendas, as novas tecnologias podem também ser grandes aliadas. Um exemplo é o aplicativo Kornerz, um matchmaker entre lojas físicas e formadores de opinião – blogueiros, especialistas, colunistas – onde a loja se cadastra e contata especialistas para gerar conteúdo sobre as marcas e produtos, que será disponibilizado para os clientes através da plataforma.