MENU

| BR

Campus

Programação

Marketing

UX

Dados

Negócios

Paises

Machine Learning: A Inteligência Artificial está entre nós

Machine Learning: A Inteligência Artificial está entre nós
tech
26 de junho de 2018
  -  
-min de leitura


Entenda o funcionamento dos algoritmos por trás de grandes plataformas como Facebook, Netflix, Waze e Google Tradutor. Em tempos de grandes controvérsias envolvendo algoritmos do Facebook impactando diretamente a opinião pública pelo mundo afora, o termo Machine Learning está ganhando espaço na boca do povo. Já se foi o tempo em que o desenvolvimento da IA sugeria um futuro distópico, mais parecido com ficção científica, onde robôs mais inteligentes do que nós fariam uma verdadeira revolução na sociedade. De fato, uma grande revolução ocorreu. Mas bem diferente do que estávamos imaginando. A IA de hoje é palpável, cotidiana, e já faz parte da nossa vida por meio de ferramentas e aplicações que usamos todos os dias. Com o advento do que chamamos de Big Data, os sistemas têm acesso a uma enxurrada de informações que são geradas pelos usuários da internet a todo movimento, clique, navegação ou transação realizada. Essas informações, as pegadas digitais que milhares de pessoas vão deixando pelo caminho enquanto navegam na internet, podem não ter grande significado quando analisadas individualmente, mas é um tesouro precioso quando pensamos em grande volume de dados. E não existe trabalho humano suficientemente rápido para analisar esses dados em tempo hábil para a tomada de decisão no mundo digital. Quando um usuário entra em um site é preciso que o sistema identifique imediatamente onde ele está, de onde veio, o que se interessa e o quanto gasta, e dê uma resposta imediata e o mais personalizada possível para essa pessoa. E isso só foi possível por meio do desenvolvimento de algoritmos de Machine Learning, sistemas capazes de coletar esses em tempo real e tomar decisões a respeito deles, sem a mínima intervenção humana.

Machine Learning e algoritmos: o futuro já está aqui

  Você já usa sistemas baseados em algoritmos de Machine Learning e nem imagina! A capacidade do seu provedor de e-mail em utilizar o filtro de spam e separar suas mensagens em caixas preferenciais, de conteúdo publicitários e redes sociais, por exemplo, é a mais comum delas. Netflix e Spotify são vencedores na categoria de recomendar séries, filmes e músicas especialmente para cada usuário, com base no seu comportamento dentro dessas plataformas. O Google Tradutor por sua vez, não apenas gera traduções rápidas, mas é capaz de interagir com o feedback e novas sugestões feitas pelos usuários e automaticamente ir ajustando seu sistema para entregar melhores resultados. Não podemos deixar de citar duas aplicações que mudaram totalmente a forma como nos locomovemos, o Google Maps e o Waze. As duas ferramentas são capazes de ler dados de milhares de motoristas e analisar informações de velocidade média, tempo de parada e mudanças de trajeto, identificando pontos de congestionamento e alterando a sua rota em tempo real. E por último, mas não mesmo importante: o uso de algoritmos de Machine Learning dentro da rede social mais usada do planeta, o Facebook.

O Machine Learning vai além: anúncios segmentados e opinião pública no Facebook

Uma das bases para o funcionamento do Machine Learning são os algoritmos que aprendem por meio de exemplos. O primeiro passo para que isso aconteça é o que chamamos de mineração de dados, formas estratégicas de captar informações para alimentar esses inteligentes sistemas e o que levou o Facebook a enfrentar sérias acusações de violação de privacidade dos seus usuários. Além das informações que cedemos voluntariamente, com todos os nossos dados pessoais e redes de amigos, a rede social já era capaz de coletar detalhes do seu comportamento: que páginas curte, que notícias publicadas na sua timeline lê, que grupos participa, que posts compartilha. Mas agora, os algoritmos do Facebook passaram a coletar também seus dados de navegação fora da plataforma, cruzando essas informações com todas as compras, portais acessados e anúncios consumidos - o que em si já fere termos e condições de uso da própria plataforma. Sim, todo a nossa navegação está sendo monitorada por algoritmos de Machine Learning! O resultado: uma capacidade incrível de permitir que seus anunciantes possam direcionar publicidade certeira para um nicho muito específico de público. Pensando em exemplos práticos: você faz parte de um grupo sobre amamentação no Facebook, é marcado em fotos de chás de bebê, procurou e-commerces de decoração para quartos infantis, segue duas blogueiras de maternidade? O Facebook consegue enquadrar você em um grupo de novos pais, com bebês para nascer ou recém-nascidos, e permitir que os anunciantes coloquem anúncios em sua timeline na hora certa e no momento certo para que uma compra seja realizada.

Machine Leraning e Opinião Pública

  Embora esse sistema de funcionamento dos algoritmos do Facebook seja de conhecimento público, foi só com as últimas eleições presidenciais dos EUA que percebemos o impacto negativo que essas aplicações podem ter no futuro político de um país. A empresa de análise de dados Cambridge Analytica colheu informações privadas de mais de 50 milhões de usuários do Facebook, em um esforço para beneficiar a campanha eleitoral do presidente americano, Donald Trump, em 2016. (Fonte: Estadão) O objetivo da campanha era inserir na timeline dos usuários, textos, memes, gráficos e imagens propositalmente criadas para influenciar os eleitores a deixar de votar em seus concorrentes e escolhê-lo como o próximo presidente. Como isso era feito? Da mesma forma que funcionam os algoritmos de anúncios na plataforma. A capacidade de segmentação de público para anúncios é tão grande, que os responsáveis pelas campanhas políticas digitais conseguiam criar dark posts (anúncios na rede que não aparecem publicados por nenhuma página, mas impactam os usuários como anúncios) para aparecerem apenas para o público escolhido: uma determinada região do país ou de uma cidade onde a intenção de voto era baixa, determinada renda, perfil do público (por exemplo, latinos, ou imigrantes) entregando exatamente a informação que esse público tem interesse em ver. O que complica ainda mais o cenário é quando esses conteúdos patrocinados eram em formato de fake news, ou seja, fofocas publicadas como matérias jornalísticas. A receita perfeita para viralizar, não é mesmo?

Outras notícias

Digital House abre sua nova unidade em São Bernardo do Campo img
tech

Digital House abre sua nova unidade em São Bernardo do Campo

Viva a experiência Digital House em São Bernardo do Campo!Nascemos com a missão de capacitar profissionais na área digital. Somos um hub de tecnologia e educação para formação de profissionais de alta performance. Te desafiamos a pensar como realizador de ideias em vez de deixá-las só no papel. Chegamos ao Brasil em 2018 e, nesses 2 anos, já formamos mais de 3 mil alunos em nossos cursos: Marketing Digital, Programação, Dados, UX e Gestão de Negócio Digital. Nosso sucesso é dado graças a nossa metodologia de “aprender fazendo”, nossos conteúdos, que andam em linha com o que há de mais novo no mercado, e nossos professores, que são profissionais de mercado. Isso tudo permite que os nossos alunos se formem em apenas 4 meses, prontos para atuar no mercado de trabalho ou começar o seu próprio negócio.A Digital House já atende a população de São Bernardo do Campo, mas entendemos que não são todas as pessoas que têm disponibilidade de vir até a cidade de São Paulo. Agora com a nova unidade no coração de SBC, no Centro no Jurubatuba Empresarial, vamos poder atender a todos os São-bernardenses. Os interessados em fazer nossos cursos de Programação Web Full Stack e Marketing Digital, que têm início em março, já podem se inscrever no site da Digital House.Preparado para viver essa experiência com a gente?Faça sua inscrição para que possamos entrar em contato com você. #VemSerDigital! 

5 primeiros passos para quem quer se tornar um cientista de dados img
dados

5 primeiros passos para quem quer se tornar um cientista de dados

É difícil começar algo novo quando não se tem ideia do primeiro passo que é preciso tomar para iniciar a jornada. Esse é o questionamento de muitas pessoas que buscam fazer uma transição de carreira, principalmente para aqueles com interesse em se tornar um cientista de dados. Sobre esse tema, já falamos em outro artigo quais são as principais habilidades e competências necessárias (e demandadas pelo mercado de trabalho) para iniciar uma carreira em dados. Mas quais são os passos anteriores ao curso de Data Science, ao treinamento do pensamento lógico ou ao networking?Os professores do curso de Data Science da Digital House se prontificaram a responder uma simples pergunta que faz todo a diferença para quem quer ingressar nesta nova carreira: qual é o primeiro passo para quem quer se tornar um cientista de dados?Quebre paradigmasPara o professor Victor Morganti, o primeiro passo é “desconstruir a ideia de que a profissão é puramente ferramental”. Muitos são atraídos pela profissão por encontrar semelhanças com o dia a dia de profissionais de TI, no entanto, Victor alerta que o cientista de dados possui desafios muito diferentes.“O dia a dia do cientista de dados é permeado por questões e decisões de negócios”, conta o professor. E neste cenário, ser um profissional multidisciplinar e com experiência em áreas diversas não é só um diferencial, como também uma característica essencial da profissão.Sendo assim, ao ingressar nesta carreira é importante ter em mente que, mais do que administrar ferramentas, você administrará problemas e conflitos reais. LeituraNós já indicamos uma lista de leitura para quem quer ingressar na área de dados, mas a professora Caroline Oliveira destaca a editora O’Reilly como a melhor para quem ainda nem começou. “A coleção de livros possui exemplares desde o básico até níveis mais avançados e é uma ótima coletânea para te dar uma base antes de iniciar um curso, por exemplo”. A Editora Novatec distribui os livros da O’Reilly no Brasil em português, mas você pode encontrar versões originais em sites como Estante Virtual (e já pratica o inglês).Assista vídeosUma forma dinâmica e rápida de aprender ou se inteirar é através de vídeos na internet. Ambos os professores, Victor e Caroline, indicaram vídeos para entender melhor a carreira de dados antes de apostar em uma mudança drástica.A professora Caroline recomendou “perder-se” pelos muitos TEDs sobre Dados. Os breves vídeos de até 20 minutos com especialistas não só dão uma dimensão da importância dos dados no mundo atual, como também mostram sua utilização nas mais diversas áreas.Cientistas de dados do mundo inteiro podem ser vistos falando sobre a profissão, seus rumos, o lado positivo e o negativo, e seu papel em nossa sociedade.Pesquise vagasA melhor forma de saber o que você precisa aprender para ser um profissional de dados é indo direto à fonte: o mercado de trabalho. Pesquise por vagas na área em diferente países e níveis: júnior, pleno e sênior, para compreender quais são os principais requisitos exigidos em cada etapa e ganhar uma ideia de como deve ser desenhado seu plano de carreira.Participe da comunidadeUma fonte inesgotável de dicas, informações e aprendizados é a comunidade de cientista de dados, que reúne profissionais e entusiasta da área. Fóruns de discussão, grupos em redes sociais, Summits e Workshops reúnem não só as pessoas que fazem parte da Ciência de Dados, mas que também questionam sua atuação e quebram barreiras. Além de ser informativo, é uma experiência que alivia momentos de ansiedade. Afinal, não é ótimo saber que outras pessoas já enfrentaram determinados problemas na mudança de carreiras e agora possuem experiência para te ajudar e te guiar?Para saber mais sobre ser cientista de dados, faça uma visita à Digital House, conheça nossos professores e as soluções que oferecemos para transições de carreira.

Qual a diferença entre front-end e back-end img
tech

Qual a diferença entre front-end e back-end

Se você decidiu entrar no universo da programação, já está ciente de que essa área contempla inúmeras opções de atuação e diversas linguagens, o que pode deixar tudo um tanto quanto confuso! Quantas vezes você encontrou alguma oportunidade de trabalho na qual você não sabia muito bem qual o papel, como atuar e o que ela significava? Porém, justamente essa diversificação é que faz a carreira de desenvolvedor tão atrativa! E, para esclarecer um pouco e ajudar no seu caminho, vamos falar de uma das maiores dúvidas para quem está começando: o que diferencia o profissional de back-end do profissional front-end? Que habilidades cada um deles requer?O que é Back-EndPara mostrar as diferenças, vale começar com as definições de cada atividade.Basicamente, quando falamos dos “bastidores”, ou seja, o servidor e o banco de dados que ajudam a fornecer as informações ao usuário de uma interface, falamos do back-end. É a parte do site que você não tem contato direto (a não ser que você seja um profissional da área, claro!).O back-end é uma parte fundamental de qualquer site ou aplicação na web. Se você está lendo esse texto, por exemplo, é um sinal de que a comunicação com o servidor obteve sucesso e isso se deve, provavelmente, a um profissional de back-end!Quem prefere se especializar como desenvolvedor back-end vai atuar com lógica, com a funcionalidade do site, regras, segurança e integridade de banco de dados. Ou seja, para viver os “bastidores da internet” requer muita paciência, cuidado e concentração constante!O que é Front-EndSe back-end é o desenvolvimento da parte da web que não vemos, o front-end, por outro lado, é toda a parte visível das aplicações e sites. Essa área não lida diretamente com banco de dados, servidores e todas as aplicações complexas do back-end, mas cuida da usabilidade, efeitos visuais, velocidade de carregamento, etc.De maneira mais direta, o Desenvolvedor de Front-end fica responsável pela interação direta com o usuário, e por isso acaba desenvolvendo cuidando do lado mais visual das aplicações, como o cuidado com cores, botões, links, menus, e tudo o que vemos numa página quando estamos acessando.Justamente por conta disso, um profissional front-end precisa ter um olhar constante para a melhor Experiência do Usuário. Ou seja, as preocupações de front-end e back-end são opostas, porém complementares. Os desenvolvedores de front-end e back-end devem sempre trabalhar em conjunto para que o aplicativo ou site funcione corretamente.Pode atuar com front-end e back-end ao mesmo tempo?Com experiências e habilidades tão opostas, será que é possível trabalhar com interface e servidor ao mesmo tempo? A resposta é sim! Inclusive, uma pessoa qualificada para fazer as duas atividades é bastante demandada no mercado e é bem valorizada!Quando o profissional de programação atua nas mais diversas partes do projeto, ou tem conhecimento tanto de back-end quanto de front-end, ele é chamado de Desenvolvedor Full Stack.O desenvolvedor Full-Stack é um profissional mais flexível, com visão mais completa do negócio, que vai atuar do início ao fim de um projeto. Provavelmente, isso demandará o conhecimento de diferentes tecnologias e linguagens de programação, ainda mais se for o caso de atuar sozinho.Neste caso, a principal dica para quem está começando a programar é estudar muito sobre todas as áreas do Desenvolvimento Web, conhecer as linguagens de programação mais utilizadas atualmente e entender quais habilidades que mais parecem adequadas ao seu perfil.