Compreender o machine learning
O Machine Learning é a base da maioria das soluções de IA. Desde a década de 1950, pesquisadores, muitas vezes conhecidos como cientistas de dados, têm trabalhado em diferentes abordagens para a IA. A maioria das aplicações modernas de IA tem suas origens no aprendizado de máquina, um ramo da IA que combina ciência da computação e matemática.
Vamos começar por examinar um exemplo do mundo real de como o machine learning pode ser utilizado para resolver um problema difícil.
As técnicas de agricultura sustentável são essenciais para maximizar a produção de alimentos e proteger um ambiente frágil. A Yield, uma empresa de tecnologia agrícola com sede na Austrália, usa sensores, dados e aprendizado de máquina para ajudar os agricultores a tomar decisões informadas relacionadas ao clima, solo e condições das plantas.
Veja o seguinte vídeo para saber mais.
Como funciona a aprendizagem automática
Como é que as máquinas aprendem?
A partir dos dados. No mundo atual, criamos grandes volumes de dados ao longo da nossa vida. Desde mensagens de texto, e-mails e publicações de redes sociais que enviamos até fotografias e vídeos que tiramos nos nossos telemóveis, geramos grandes quantidades de informações. Ainda são criados mais dados por milhões de sensores nas nossas residências, carros, cidades, infraestruturas de transportes públicos e fábricas.
Os cientistas de dados podem utilizar todos esses dados para preparar modelos de machine learning que podem fazer predições e inferências com base nas relações que encontram nos dados.
Os modelos de aprendizado de máquina tentam capturar a relação entre os dados. Por exemplo, imagine que uma organização de conservação ambiental pretende que os voluntários identifiquem e cataloguem diferentes espécies de flores silvestres com uma aplicação móvel. A seguinte animação mostra como o machine learning pode ser utilizado neste cenário.
- Uma equipa de botânicos e cientistas recolhe dados sobre amostras de flores silvestres.
- A equipa etiqueta as amostras com a espécie correta.
- Os dados etiquetados são processados com um algoritmo que encontra relações entre as caraterísticas das amostras e as espécies etiquetadas.
- Os resultados do algoritmo são encapsulados num modelo.
- Quando os voluntários encontram novas amostras, o modelo pode identificar a etiqueta da espécie correta.
As abordagens à IA avançaram para completar tarefas de muito maior complexidade. Esses modelos complexos formam a base das capacidades de IA.
Machine learning no Microsoft Azure
O Microsoft Azure fornece o serviço Azure Machine Learning, uma plataforma com base na cloud para criar, gerir e publicar modelos de machine learning. O Azure Machine Learning Studio oferece várias experiências de criação, como:
- Aprendizagem automática de máquina: esta funcionalidade permite que não especialistas criem rapidamente um modelo de aprendizagem automática eficaz a partir de dados.
- Azure Machine Learning designer: uma interface gráfica que permite o desenvolvimento sem código de soluções de aprendizagem automática.
- Visualização de métricas de dados: analise e otimize seus experimentos com visualização.
- Notebooks: escreva e execute seu próprio código em servidores Jupyter Notebook gerenciados que estão diretamente integrados no estúdio.