Você está na página 1de 13

0

7 TCNICAS DE INTELIGNCIA ARTIFICIAL PARA


PROFISSIONAIS DE TI GANHAREM MAIS
DINHEIRO
Sim, possvel ganhar mais dinheiro com Inteligncia Artificial! Eu sei
disso porque venho trabalhando, pesquisando e lecionando sobre essa
rea h 7 anos. O melhor de tudo que no tem muito segredo! Leia este
guia para saber como isso pode ser possvel!

Por que aprender Inteligncia Artificial?


Devido ao grande crescimento dos sistemas de informao em ambientes
comerciais, atualmente empresas de qualquer tamanho ou rea de
atuao possuem algum tipo de software de controle integrado bases
de dados para guardar as informaes de seu negcio. Essas bases de
dados podem ser arquivos de texto, planilhas eletrnicas ou at mesmo
sistemas gerenciadores de banco de dados complexos.

Porm, um fato que hoje em dia pouqussimas empresas


utilizam ou at mesmo sabem que esses dados histricos
podem representar conhecimento muito valioso e que
decises estratgicas podem ser tomadas caso eles sejam
submetidos algoritmos de inteligncia artificial.
Atualmente, muito se tem ouvido falar sobre Inteligncia Artificial. Porm,
grande parte dos exemplos conhecidos pela maioria das pessoas so os
robs inteligentes ou o carro que dirige sozinho do Google, ou ainda,
vrios filmes futuristas que tratam deste tema. Por esse motivo, as
pessoas intuitivamente acabam tendo a viso de que somente esse tipo
de aplicao complexa pode ser resolvida com inteligncia artificial. No
entanto, existe uma gama muito grande de problemas e aplicaes que
podem ser solucionadas com essas tcnicas! Continue a leitura e irei
apresentar mais detalhes a seguir!

A Inteligncia Artificial uma disciplina formada por diversas reas, e uma


delas a aprendizagem de mquina, que o foco deste ebook. A

1
aprendizagem de mquina possibilita muitas aplicabilidades prticas e as
empresas podem ganhar muito mais dinheiro caso algumas dessas
tcnicas sejam aplicadas! Com isso, eu vejo uma grande oportunidade
de negcio em aplic-las em softwares e/ou bases de dados existentes
com o objetivo de extrair e vender conhecimento para as empresas. Essa
uma tendncia muito forte no mercado hoje em dia, em que est se
dando muito mais valor ao conhecimento do que a somente produtos
fsicos. Desta forma, aprendendo Inteligncia Artificial e aprendizagem de
mquina voc pode ser tornar um profissional muito mais especializado e
requisitado do que a grande maioria dos profissionais de TI atualmente.
Hoje em dia, h uma grande falta de profissionais com conhecimento
nessa rea e a demanda por essa especializao est crescendo cada vez
mais, inclusive j foi considerada recentemente por pesquisadores
internacionais como uma das quatro principais habilidades do mercado
de trabalho para o futuro.

Por que faltam profissionais nessa rea?


A falta deste tipo de profissional no indica que no existem pesquisas e
trabalhos nessa rea no Brasil, na verdade existe e bastante! O principal
problema que a maior parte dessas pesquisas acontecem dentro de
universidades e geralmente em programas de mestrado e doutorado, e o
que ocorre que o conhecimento acaba ficando limitado a quem est
neste ambiente. Ou ento, essas pesquisas so publicadas em mdias
internacionais e dificilmente so encontradas por aqui! Outra dificuldade
importante que em geral, livros sobre aprendizagem de mquina so
bastante difceis de serem entendidos e as explicaes envolvem muitos
clculos matemticos complexos que muitas vezes at profissionais de
matemtica tem dificuldades em entender e interpretar! Alm disso, existe
pouqussimo material que mostre um passo a passo de como aplicar
aprendizagem de mquina na prtica. Eu mesmo quando comecei a
estudar Inteligncia Artificial desisti uma vez porque simplesmente no
conseguia entender muita coisa do que os autores estavam tentando
explicar!

2
Oportunidade de negcio!!!
Eu sempre reforo e incentivo meus alunos nas disciplinas de Inteligncia
Artificial para que dem ateno essa rea por dois motivos: o primeiro
j abordei acima (falta de profissionais e tendncias fortes de crescimento
de mercado) e o segundo que trabalhar com aprendizagem de mquina
e/ou minerao de dados pode ser muito mais fcil, rpido e algumas
vezes at mais lucrativo do que ser um desenvolvedor/programador. Digo
isso por experincia prpria, pois j trabalhei em software house e
tambm j tive minha empresa de desenvolvimento. J trabalhei vrios
anos nessa rea e j passei por todos os processos bsicos do
desenvolvimento, desde a anlise de requisitos at a manuteno e o
suporte.

O que quero dizer que o trabalho com anlise de dados no envolve


muitas dessas etapas, pois pegamos uma base de dados j existente,
aplicamos os algoritmos e vendemos para o cliente somente o
conhecimento que far a diferena na empresa dele. Neste contexto, o
processo de manuteno (que em muitos casos o mais caro) no existe!
No estou dizendo que a rea de desenvolvimento deve ser abandonada
ou algo assim, at porque existe muito mercado a ser explorado.

Meu objetivo que voc consiga visualizar que se voc j


um desenvolvedor, pode integrar essas funes de
aprendizagem de mquina no sistema j existente. Com isso,
seu software ter um valor muito maior e
consequentemente poder cobrar mais por isso.
Outra ideia que mdulos de inteligncia artificial podem ser
acrescentados nos softwares como pacotes opcionais, podendo ser
vendidos/alugados separadamente. A vantagem disso tudo que existem
vrias bibliotecas de inteligncia artificial j prontas, gratuitas e para uma
gama muito grande de linguagens de programao, ou seja, o processo
mais complexo de entendimento e programao de novos algoritmos no
necessria, pois tudo j est desenvolvido e acessvel! (alguns exemplos
so o Weka, RapidMiner e Intelligence Lab).

3
Mas e se eu no sou desenvolvedor ou no gosto de
programao?
No h problema, pois no so necessrios conhecimentos avanados de
programao para voc se tornar um especialista em Inteligncia
Artificial! Tudo isso que falei vale tambm para profissionais de TI que no
so programadores ou que no gostam muito de programao! Isso nos
leva a outro assunto, que um problema que eu noto com muita
frequncia em cursos de computao h anos! So as seguintes
afirmaes:

Estou terminando minha graduao, mas so tantas reas e


no sei qual delas seguir! Ainda no sei de qual rea mais
gosto! Existe muita concorrncia em algumas reas! No sei
qual rea apresenta melhores oportunidades de negcio!

Essas afirmaes so muito comuns, principalmente para alunos que


esto terminando um curso de graduao na rea de tecnologia da
informao! fato que voc deve escolher uma rea e eu lhe fao o
convite: O que acha de comear uma carreira em Inteligncia
Artificial? Que tal ser um profissional nico no mercado de trabalho?
E alm de tudo, no seria melhor trabalhar em uma rea na qual
existem pouqussimos profissionais, e consequentemente menos
concorrncia? Voc tambm pode ser empresrio da rea e vender
solues de IA para as empresas!

J comentei sobre isso antes, mas gostaria de enfatizar que alm disso ser
possvel tambm muito vivel atualmente! Existe uma grande demanda
por profissionais dessa rea no exterior, portanto, se voc almeja
oportunidades fora do Brasil esta uma tima rea para estudar!
Recentemente fiz um curso de aprendizagem de mquina intermediado
pela Universidade de Stanford da Califrnia, e o professor do curso
(Andrew Ng, um dos maiores pesquisadores da rea) comentou em uma
aula que recebe vrios e-mails semanalmente de empresas de tecnologia
do Vale do Silcio pedindo indicaes de profissionais dessa rea!

4
At aqui falamos sobre a importncia de conhecer aprendizagem de
mquina. Agora, explicarei um pouquinho mais sobre como ela funciona!

Aprendizagem de mquina?
Vou responder o que aprendizagem de mquina com uma outra
pergunta: como uma criana consegue aprender algo novo do zero?
Vamos supor que voc queira ensinar uma criana de uns 3 anos a
reconhecer e diferenciar o Pernalonga do Pica-pau, personagens famosos
dos desenhos animados. Para isso, precisamos ter vrias figurinhas
diferentes desses dois personagens e ir mostrando para a criana as
caractersticas de cada um para ela aprender! Por exemplo, o Pernalonga
tem as orelhas compridas e as cores principais so o cinza e o branco,
enquanto que o Pica-pau tem o bico comprido e suas cores principais so
o azul e o vermelho. Depois da criana ter aprendido diferenciar os
personagens, se dermos para ela novas figurinhas diferentes daquelas
que ela usou para aprender, ela vai saber diferenciar quem quem, ou
seja, ela estar testando o que treinou antes.

Mas o que isso tem a ver com aprendizagem de mquina? Tem tudo a
ver! Explicando melhor: as pessoas utilizam processos cognitivos e
experincia para aprenderem, ou seja, no exemplo das figurinhas a criana
adquiriu a experincia estudando as imagens. Os computadores fazem
isso de forma bem parecida, porm, a experincia adquirida por eles
feita por meio de bases de dados! Quando a criana bate o olho em uma
figura ela j consegue identificar todo o cenrio que est em volta,
diferentemente de um computador que precisa de algoritmos especficos
que realizem essas tarefas. Com isso, conforme mencionei antes, qualquer

5
empresa que tenha uma base de dados pode colher os benefcios da
Inteligncia Artificial!

Agora que voc j sabe o bsico sobre aprendizagem de


mquina, vamos avanar um pouco mais e entender as sete
principais tcnicas que voc pode implementar!
Vou somente dar uma explicao rpida do que a tcnica faz e citar
alguns exemplos de aplicaes prticas. O objetivo que voc tenha
vrios insights de como pode utilizar cada uma dessas tcnicas em sua
prpria empresa, software ou at mesmo em uma consultoria para uma
empresa externa!

Tcnica 1: Classificao
Como o prprio nome diz, essa tcnica tem o objetivo de classificar
registros com o intuito de prever, por exemplo, se com base nas
caractersticas pessoais um indivduo ir ou no comprar um livro. A
classificao uma das tcnicas de aprendizagem de mquina mais
utilizadas, e outro exemplo foi o da criana classificando as figurinhas do
Pernalonga e do Pica-pau. Bancos e financeiras j utilizam classificao h
algum tempo! Por exemplo, se voc solicitar um emprstimo os seus
dados podero ser submetidos a um algoritmo que dir automaticamente
o risco que a empresa ter em conceder o financiamento para voc. Com
isso, o gerente ou o prprio sistema pode tomar uma deciso sobre o
valor ideal, os prazos de pagamento e os bens a serem dados como
garantia (ou at a negao do emprstimo!).

Voc provavelmente j teve algum e-mail que entrou direto na caixa de


SPAM, certo? Os filtros de SPAM utilizam classificao e analisam o
contedo dos e-mails para classificar as mensagens! Contedo de notcias
tambm podem ser classificados, ou seja, dada uma notcia o classificador
pode dizer se trata-se de uma notcia sobre esportes, poltica ou
tecnologia, por exemplo. Vrias outras aplicaes j tem sido utilizadas,
como previso de doenas com base nos exames, reconhecimento de voz
e reconhecimento de faces. Esses algoritmos esto at presentes em seu
smartphone!

6
Tcnica 2: Regresso
A regresso bastante parecida com a classificao, porm o objetivo
prever nmeros e no classes. Se voc usa carto de crdito, j teve o
limite do seu carto aumentado automaticamente sem voc ter
solicitado? Isso mesmo, os bancos tambm j tem utilizado essa tcnica
h um bom tempo, e no pense que existe uma pessoa l mudando os
valores de limites. O software de regresso est l rodando e fazendo
estimativas nos seus gastos e prevendo novos valores de limite!

Outro exemplo prever o quanto voc ganharia de aumento de acordo


com o valor solicitado, ou seja, voc pede para seu chefe 5% de aumento
e a regresso ir prever o quanto voc ganharia, podendo ser utilizado
como uma estratgia de negociao! Universidades podem utilizar
regresso para prever as notas que os alunos iro tirar, assim o professor
pode verificar de antemo quais alunos tem mais tendncias de reprovar
para fazer trabalhos complementares, por exemplo.

Inclusive na minha tese do doutorado utilizei regresso para prever a


reputao de um produto com base nas emoes extradas dos textos
escritos. Funciona assim: no Trip Advisor por exemplo, os usurios
escrevem textos sobre hteis e esses textos muitas vezes contm
emoes positivas e negativas sobre a viagem da pessoa. Meu objetivo foi
utilizar regresso para prever o valor da reputao do hotel (entre 0% e
100%) de acordo com essas emoes!

Tcnica 3: Deteco de desvios


A tcnica de deteco de desvios visa encontrar coisas fora de um padro
previamente conhecido. Novamente os bancos utilizam este tipo de
tcnica para detectar fraudes em carto de crdito, ou seja, se uma
transao sair fora do perfil do cliente o carto pode ser bloqueado ou
ento o banco ligar para a pessoa para confirmar se a transao
verdadeira. Um tempo atrs eu fiz uma compra on-line de madrugada e
no dia seguinte meu carto simplesmente no passava mais, com a
mensagem de transao no autorizada! No dia seguinte liguei para o

7
banco para ver o que tinha acontecido, e a atendente me informou que a
compra feita de madrugada saiu do meu perfil. Em resumo, um desvio
ocorreu e o carto foi bloqueado!

Outro exemplo a seleo de corredores para fazer teste de doping, ou


seja, caso o atleta supere muito a sua prpria mdia ele pode ser
escolhido para fazer o teste, pois isso pode ser um indicativo de que ele
pode estar usando alguma substncia proibida. claro que o atleta ter
um desempenho muito superior no quer dizer que ele realmente esteja
usando algum tipo de droga, mas pode servir como uma tima heurstica
para a seleo de quem ir fazer o teste. Um ltimo exemplo a deteco
de invaso em redes de computadores, especificamente quando um
pacote fora do padro estiver trafegando pela rede. Neste caso, o
administrador da rede pode acionar mecanismos de defesa e outros
planos programados para enfrentar esse tipo de situao.

Tcnica 4: Regras de Associao


A descoberta de regras de associao uma das tcnicas mais
conhecidas, e visa descobrir padres associativos entre os dados de uma
base de dados. O exemplo clssico a cesta de compras do mercado
Walmart, no qual os analistas descobriram que em determinados dias da
semana havia muita compra de fraudas e cervejas na mesma transao.
Com esse conhecimento, o mercado colocou as prateleiras desses dois
produtos muito prximas e conseguiu aumentar consideravelmente as
vendas. Outra ideia identificar produtos que sempre so vendidos juntos
na mesma transao e colocar eles em prateleiras separadas e um pouco
distantes, desta forma, o cliente ter que passar por um outro corredor no
qual encontram-se outros produtos relacionados que ele ter chances de
compr-los. A partir de hoje, comee a reparar a disposio dos produtos
nas prateleiras quando fizer compras!

Apesar desse exemplo do mercado ser clssico, hoje em dia pouqussimas


empresas aplicam regras de associao para obterem vantagens
competitivas. Por exemplo, para fazerem mix de produtos, pacotes
promocionais ou at mesmo identificar produtos pouco vendidos e
coloc-los em promoo com outros produtos para ter um maior giro do

8
estoque. O melhor que isso pode ser utilizado para praticamente
qualquer tipo de produto, e no somente para mercados!

Outro exemplo a utilizao dos dados do censo para verificar quais so


as principais necessidades de uma comunidade, tais como transporte,
educao, segurana ou sade. Uma universidade pode associar os dados
e identificar as caractersticas dos alunos que tem maiores chances de
desistir do curso, para que assim um trabalho para conter evaso escolar
possa ser feito. Vrias outras aplicaes esto presentes, como pacotes de
telefonia, aplicao em fisioterapia, prevenso de cncer de mama e at
mesmo padres de uso da internet.

Para finalizar, um exemplo prtico que eu desenvolvi foi quando eu tinha


uma pizzaria delivery com minha esposa. O problema da pizzaria que
sbado sempre o dia de mais movimento, e ns dois sempre tnhamos
que estar l trabalhando. O problema tambm que sbado o melhor
dia para sair (pelo menos para ns!), e se tivesse muito movimento na
pizzaria era praticamente impossvel. Para resolver esse problema, resolvi
aplicar regras de associao na base de dados de pedidos (que era em
Excel) e descobri um padro bem interessante: SE at 19h fossem
vendidas 10 pizzas E estivesse chovendo ENTO o movimento seria
grande no decorrer da noite. Resumo da histria: sempre que
pretendamos sair ficvamos de olho nessa regra para tomar a deciso!

Tcnica 5: Padres sequenciais


Essa tcnica parecida com as regras de associao, com a diferena de
que no primeiro os itens avaliados pertencem a uma mesma transao e
no mesmo espao de tempo. Por outro lado, a descoberta de padres
sequenciais visa identificar conjunto de itens que podem ser comprados
no decorrer do tempo. Por exemplo, quando uma pessoa compra o livro
Inteligncia Artificial depois ela ter grandes chances de comprar os
livros Sistemas Multiagente e Sistemas Especialistas. Desta forma, um
tempo depois que o cliente compra o primeiro livro, pode ser enviado um
e-mail ofertando um pacote com os dois ltimos.

9
Outro exemplo a preveno de doenas, visto que se a doena A pode
gerar a doena B no futuro o mdico pode recomendar um tratamento
antes que a doena B aparea ou fique mais grave. A navegao em web
sites tambm pode ser alvo desta tcnica de aprendizagem de mquina,
pois pode ser possvel identificar para quais pginas o usurio seguir e
colocar mais anncios, por exemplo.

Para quem j fez compras de livros na Amazon ou em qualquer outro site


de vendas, ver que quando um produto selecionado as vezes aparece
uma opo Quem levou o livro A tambm comprou B e C. Esse recurso
pode ser construdo com a aplicao desta tcnica, assim como a
recomendao do prximo filme a ser assistido na Netflix. Falando nisso,
h alguns anos atrs a Netflix pagou 1 milho de dlares para um grupo
que conseguiu melhorar o algoritmo para recomendar novos filmes!

Tcnica 6: Agrupamento
A aplicao mais comum do agrupamento o marketing, e o objetivo
analisar todos os clientes de uma base de dados e agrupar aqueles que
possuem caractersticas semelhantes, ou seja, que pertenam ao mesmo
grupo. Com isso, uma mala direta pode ser enviada somente para as
pessoas certas e que tem maiores chances de comprar um determinado
produto. O banco Ita foi um dos pioneiros no Brasil a utilizar essas
anlises, conseguindo aumentar a taxa de respostas da mala direta de 3%
para 30%, fora a enorme diminuio da conta no correio!

A Netflix tambm j utilizou tcnicas de agrupamento para prever a


preferncia do usurio com base nas preferncias de outros usurios
similares. Neste caso, podem ser formados grupos de usurios que
tenham os mesmos interesses por determinadas categorias de filmes.
Outros exemplos so a anlise de redes sociais para encontrar
comunidades ou pessoas influentes e tambm aplicaes na educao, na
qual podem-se encontrar alunos com o mesmo perfil para dinamizar os
trabalhos feitos em equipe, por exemplo.

Um ltimo exemplo uma base de dados de cervejas que uso em minhas


aulas, a qual contm vrias caractersticas referentes aos seus
ingredientes, indicando qual a porcentagem de cada ingrediente cada

10
cerveja possui. Aplicando um algoritmo de agrupamento nessa base,
possvel identificar claramente que a porcentagem do ingrediente
diretamente proporcional ao preo e a qualidade dela!

Tcnica 7: Sumarizao
A ltima tcnica a de sumarizao, e consiste em extrair as
caractersticas de um grupo j formado. Vamos considerar que foram
encontrados dois grupos em uma base de dados: o dos clientes que
gastam muito e os que gastam pouco. Com isso, podemos extrair todas
as caractersticas das pessoas que gastam muito, encontrar mais pessoas
com essas mesmas caractersticas e enviar propaganda com produtos
mais caros. O mesmo ocorre para o outro grupo, para o qual podemos
ofertar produtos mais baratos.

Em geral, essa tcnica utilizada para listar o perfil dos clientes de uma
determinada empresa. Por exemplo, sabendo-se o perfil dos assinantes de
uma revista, possvel oferecer novas assinaturas para pessoas parecidas,
o que aumentaria as chances de conseguir vender mais revistas!

Agora que voc j sabe as 7 tcnicas que podem abrir


novas oportunidades de negcios.
importante que voc continue estudando e aprofunde o entendimento
e tambm a implementao prtica de cada uma delas! E para ficar em
contato com esse e outros assuntos de Inteligncia Artificial e continuar
por dentro do que tm acontecido na rea, tome agora os seguintes
passos:

1. Curta minha pgina no Facebook para ter acesso a tudo que eu


posto:

facebook.com/iaexpert

11
2. Inscreva-se no meu canal do Youtube, l eu posto vdeos semanais
com dicas e curiosidades sobre Inteligncia Artificial:

Jones Granatyr

3. Visite o meu site para artigos semanais sobre Inteligncia Artificial!


L eu escrevo sobre tecnologias, histrico e o funcionamento
prtico da IA, alm de fazer reviews sobre livros da rea!

iaexpert.com.br

4. E para mais postagens siga-me tambm no Instagram!

instagram.com/iaexpert
At a prxima!

Jones Granatyr,
Professor, pesquisador e fundador do portal IA Expert.

12