Noções básicas sobre machine learning
O Machine Learning é a base para a maioria das soluções de IA. Desde a década de 1950, os pesquisadores, geralmente conhecidos como cientistas de dados, têm trabalhado em diferentes abordagens para a IA. A maioria dos aplicativos modernos de IA derivam do machine learning, um ramo da IA que integra ciência da computação e matemática.
Vamos começar examinando um exemplo real de como o machine learning pode ser usado para resolver um problema difícil.
Técnicas agrícolas sustentáveis são essenciais para maximizar a produção de alimentos e proteger um ambiente frágil. A The Yield, uma empresa de tecnologia agrícola localizada na Austrália, usa sensores, dados e machine learning para ajudar os fazendeiros a tomar decisões informadas relacionadas às condições meteorológicas, de solo e planta.
Veja o vídeo a seguir para saber mais.
Como o machine learning funciona
Então, como os computadores aprendem?
A resposta é: com base nos dados. No mundo atual, criamos enormes volumes de dados à medida que vivemos nossas rotinas. De mensagens de texto, emails e postagens em mídias sociais que enviamos a fotografias e vídeos que fazemos em nossos telefones, geramos enormes quantidades de informações. Mais dados ainda são criados por milhões de sensores em nossas residências, em nossos carros, em nossas cidades, em nossa infraestrutura de transporte pública e em nossas fábricas.
Os cientistas de dados podem usar todos esses dados para treinar modelos de machine learning que podem fazer previsões e inferências com base nas relações encontradas nos dados.
Os modelos de machine learning tentam detectar a relação entre os dados. Por exemplo, suponha que uma organização de conservação ambiental queira que voluntários identifiquem e cataloguem diferentes espécies de flores silvestres usando um aplicativo de celular. A animação a seguir mostra como o machine learning pode ser usado para habilitar esse cenário.
- Uma equipe de botânicos e cientistas coleta dados em amostras de flores silvestres.
- A equipe rotula os exemplos com a espécie correta.
- Os dados rotulados são processados usando um algoritmo que localiza relações entre as características das amostras e as espécies rotuladas.
- Os resultados do algoritmo são encapsulados em um modelo.
- Quando novos exemplos são encontrados por voluntários, o modelo pode identificar o rótulo de espécies correto.
As abordagens de IA têm progredido para concluir tarefas de uma complexidade significativamente maior. Esses modelos complexos formam a base dos recursos de IA.
Machine learning no Microsoft Azure
O Microsoft Azure oferece o Serviço do Azure Machine Learning – uma plataforma baseada em nuvem para criar, gerenciar e publicar modelos de machine learning. O Estúdio do Azure Machine Learning oferece várias experiências de criação, como:
- Machine learning automatizado: esse recurso permite que quem não é especialista crie rapidamente um modelo de machine learning eficaz com base nos dados.
- Designer do Azure Machine Learning: uma interface gráfica que permite o desenvolvimento sem código de soluções de machine learning.
- Visualização de métricas de dados: analisar e otimizar seus experimentos com visualização.
- Notebooks: escreva e execute seu próprio código em servidores gerenciados do Jupyter Notebook que estão diretamente integrados ao estúdio.