O que é machine learning?

O machine learning é uma funcionalidade que ajuda o software a cumprir uma tarefa sem regras ou programação explícitas. Tradicionalmente considerado uma subcategoria da inteligência artificial, o machine learning envolve técnicas estatísticas, como aprendizado profundo (também conhecido como redes neurais), inspiradas em teorias sobre como o cérebro humano processa informações.

Como funciona o machine learning?

O machine learning é acionado por modelos algorítmicos treinados para reconhecer padrões nos dados coletados (como registros, fala, texto ou imagens). Como o acesso a muitos dados de treinamento e o poder da computação são pré-condições para o sucesso, a nuvem (onde o armazenamento de dados e a computação de alto desempenho são abundantes e podem ser particularmente econômicos) é uma plataforma ideal para o machine learning.

Quais são alguns exemplos de machine learning?

Exemplos de machine learning são abundantes nas experiências do dia a dia. Um exemplo muito simples seria o preenchimento automático de nomes, palavras-chave ou endereços em um campo de pesquisa, mas o mesmo conceito pode ser aplicado em casos de uso mais complexos em vários setores. Por exemplo, o machine learning é usado para:

  • Categorizar imagens (como estudos de ressonância magnética, fotos ou imagens de satélite)
  • Procurar palavras-chave em um grande número de documentos de texto ou e-mails
  • Sinalizar transações potencialmente fraudulentas
  • Personalizar recomendações de produtos com base no comportamento do cliente
  • Ativar software para responder com precisão a comandos de voz
  • Prever padrões climáticos ou outras condições climáticas
  • Traduzir idiomas em texto ou áudio

Em resumo, onde quer que haja software que execute uma tarefa trabalhosa em uma escala além da capacidade humana, o machine learning pode estar envolvido.

Como o machine learning é usado no Google?

O machine learning tem sido uma das bases dos sistemas internos do Google há anos, principalmente devido à necessidade de automatizar sistemas orientados a dados em grande escala. Essa experiência forneceu insights únicos sobre os frameworks, técnicas, infraestrutura e dados corretos que podem ajudar os clientes a concluir uma jornada bem-sucedida para tirar proveito do machine learning.

Por exemplo, o framework de código aberto chamado TensorFlow, originalmente desenvolvido para uso no Google, agora é um padrão na comunidade de ciência de dados, oferecendo aos usuários avançados a capacidade de criar e treinar modelos poderosos. Além de contribuir bastante para as comunidades acadêmicas e de código aberto, nossas centenas de pesquisadores de machine learning ajudam a incorporar essa funcionalidade aos produtos do Google (como G Suite, Pesquisa e Fotos), além das operações internas do Google (para automação de data centers, por exemplo).

Como posso usar o machine learning em minha própria organização?

O que um dia pertenceu aos domínios exóticos da estatística e ciência de dados, a capacidade de machine learning agora está bastante acessível na forma de bibliotecas de código aberto (TensorFlow), serviços gerenciados e APIs do Cloud. Utilizar essas ferramentas como parte da rotina diária é uma meta realista para cientistas de dados que querem criar modelos modernos que possam ser usados em infraestrutura local e de nuvem, ou desenvolvedores convencionais que não têm dados de treinamento adequados e querem aproveitar um modelo pré-treinado/pré-criado em seus aplicativos por meio de uma API do Cloud.

Saiba mais: