DESENVOLVIMENTO DE SISTEMAS COM

LINGUAGEM DE PROGRAMAÇÃO PARA

MACHINE LEARNING

HUGO RIOS BRITO, CAIO PEREIRA SENA, MARCELL

HENRIQUE RIBEIRO, ADRIEL MAXIMUS DO VALE DOS
SANTOS, DIEGO SANTANA SANTOS, MARCELO
AUGUSTO SANTOS DA SILVA, MARCELO ANDRADE.

PROFESSOR: ME. FABIO FONSECA BARBOSA GOMES.

Salvador. Bahia. Brasil| 2023

1. INTRODUÇÃO
Machine Learning: tecnologia
revolucionária

Aprendizado a partir de grandes bancos

de dados

Avanços teóricos e computacionais

impulsionaram a tecnologia

Salto no campo do Machine Learning

com o surgimento da internet e
crescimento da disponibilidade de dados
 1.1 PROBLEMATIZAÇÃO 1.2 JUSTIFICATIVA

Escolher a linguagem certa para um As linguagem de programação

projeto é desafiador desempenham papel crucial no
desenvolvimento de software e
Escolha errada pode levar a soluções técnicas
problemas técnicos, suporte ruim e
funcionalidade limitada
Escolha da linguagem correta facilita
Avaliação cuidadosa dos requisitos a criação de sistemas de aprendizado
do projeto e dos recursos
de máquina
linguísticos disponíveis é essencial
1.3.1 OBJETIVO GERAL
Fornecer uma maneira estruturada e concisa de expressar instruções e algoritmos
compreensíveis pelos computadores;

Linguagens de programação como meio de comunicação entre humanos e máquinas;

Permitir que programadores escrevam programas e desenvolvam soluções para problemas

e tarefas diversos;

1.3.2 OBJETIVO ESPECÍFICO

Encontrar e descrever a melhor linguagem de Machine Learning;

Considerar critérios como popularidade, utilização e eficiência;

1.4 METODOLOGIA
Para realizar este trabalho foi necessário pesquisar sobre o aprendizado de
máquina desde a sua criação até a forma como ela é treinada, além dos
algoritmos que foram desenvolvidos ao longo do tempo e como ela é aplicada
atualmente. Junto a isso, foi de suma importância as discussões em sala e as
pesquisas voltadas às linguagens de programação mais comuns nessa área.

2. REFERENCIAL TEÓRICO
O estudo realizado teve como base a obra “Introduction to Machine Learning
with Python”, dos autores Andreas C. Müller e Sarah Guido, publicada em 26
de setembro de 2016.
3. DESENVOLVIMENTO DE SISTEMAS
COM LINGUAGEM DE PROGRAMAÇÃO
PARA MACHINE LEARNING

Python é uma das linguagens de programação mais populares da atualidade devido à sua
facilidade de uso e legibilidade do código.

Linguagem de alto nível com sintaxe simples e fácil de usar

Ideal para computação científica, ciência de dados e aprendizado de máquina

Suporta o uso de bibliotecas de baixo nível e APIs limpas de alto nível

3.1 COMPARATIVO COM OUTRAS
LINGUAGENS
Python
Julia Exemplos de código e R
bibliotecas extensas.
Velocidade superior. Vantagem no quesito da
Sintaxe legível e fácil visualização gráfica.
aprendizado.

Agilidade no Mais funções voltadas à

Licenças mais permissivas
desenvolvimento de análise de dados.
para fins comerciais.
protótipos e
experimentos.
3.2 FRAMEWORKS
Os Frameworks mais populares que utilizam do Python para Machine Learning são:
TensorFlow, PyTorch e Scikit-learn.

TensorFlow: Ferramenta de arquitetura flexível criada pela Google, amplamente utilizado e

adotado por grandes empresas como Spotify, Airbnb e Twitter.

PyTorch: Criado pelo Facebook, especializado em diferenciação automática e aceleração de

GPU. Exemplo de uso: treinamento de rede-Q profunda com TF Agents para aprendizado por
reforço.

Scikit-learn: Biblioteca de alto nível com uma variedade de algoritmos de aprendizado de

máquina. Ideal para problemas supervisionados e não supervisionados de média escala.
3.3 PROJETOS EXISTENTES

3.3.1 Waymo
Projeto de carro autônomo da Google.

Utiliza Python para desenvolvimento e

criação de bibliotecas.

Detecta carros, pessoas e objetos através

de câmeras e processa dados para
tomada de decisões.
3.3 PROJETOS EXISTENTES

3.3.2 Plataforma da Netflix

Utiliza algoritmos de aprendizagem de
máquina para personalizar
recomendações de conteúdo.

Melhora a satisfação do cliente ao entregar

conteúdo relevante de forma mais
eficiente.
 CONSIDERAÇÕES FINAIS
• O trabalho teve como objetivo compreender o desenvolvimento de sistemas para Machine Learning
usando uma linguagem de programação.

• A escolha da linguagem Python se mostrou adequada devido à sua flexibilidade, poderosas

bibliotecas e facilidade de aprendizagem.

• O objetivo foi cumprido, conforme demonstrado pela pesquisa e utilização do livro "Introduction to
Machine Learning with Python" e pelos grandes frameworks que tornam o código mais eficiente e
conciso.