Como começar com aprendizado de máquina?

As tentativas de projetar máquinas mais inteligentes que os humanos não são novas.

Um dos primeiros ataques que a ciência da computação fez à “inteligência” humana foi através da jogo de xadrez. O xadrez é (ou deveríamos dizer, foi?) considerado por muitos como o teste final do intelecto e da criatividade humana e, nos anos 1960 e 1970, havia diferentes escolas de pensamento dentro da ciência da computação.

Alguns sustentavam que era apenas uma questão de tempo até que os computadores superassem os humanos no jogo de xadrez, enquanto outros acreditavam que isso nunca aconteceria.

Kasparov x Deep Blue

O evento mais sensacional envolvendo homem contra máquina na batalha do pensamento foi a partida de xadrez de 1996 entre o então campeão mundial Garry Kasparov (e sem dúvida, o melhor jogador de xadrez de todos os tempos) e Azul profundo um supercomputador que a IBM projetou para este evento.

Crédito da imagem: Wikipédia

Para encurtar a história, Kasparov venceu a partida de 1996 de forma convincente (4-2), mas perdeu a revanche de 1997 (4,5-3,5) em meio a muito controvérsia e as alegações de trapaça direta de Kasparov contra a IBM.

Independentemente disso, uma era no xadrez e na ciência da computação acabou. Os computadores eram considerados mais inteligentes do que qualquer ser humano vivo possível. A IBM, feliz com a vingança, desmontou o Deep Blue e seguiu em frente.

Hoje, é impossível para qualquer grande mestre vencer qualquer mecanismo de xadrez regular rodando em hardware comum.

O que não é Machine Learning?

Antes de darmos uma olhada mais aprofundada no aprendizado de máquina, vamos esclarecer alguns equívocos. O aprendizado de máquina não é, nem de longe, uma tentativa de replicar o cérebro humano. Apesar das crenças sensacionalistas de pessoas como Elon Musk, os pesquisadores da ciência da computação afirmam que não estão em busca desse grão sagrado e certamente não estão nem perto dele.

Simplificando, o aprendizado de máquina é a prática de aplicar processos de aprendizado por exemplo a computadores. Isso contrasta com a abordagem tradicional de confiar em um programador humano para pensar em todos os cenários possíveis e codificar regras para eles em um sistema.

Honestamente, o aprendizado de máquina é isso: fornecer toneladas e toneladas e toneladas de dados a um computador para que ele possa aprender com exemplos (tentativa → erro → comparação → melhoria) em vez de depender do código-fonte.

Aplicações de aprendizado de máquina

Então, se Machine Learning não é magia negra e nem algo que vai gerar Exterminadores, para que serve?

O Machine Learning ajuda nos casos em que a programação tradicional falha, e esses casos geralmente se enquadram em uma das duas categorias.

• Classificação
• Predição

Como o nome indica, a classificação diz respeito a rotular as coisas corretamente, enquanto a previsão visa corrigir as projeções futuras, dado um conjunto de dados suficientemente grande de valores passados.

Alguns aplicações interessantes de Machine Learning são:

Filtragem de spam

Spam de e-mail é generalizado, mas tentar pará-lo pode ser um pesadelo. Como o spam é definido? É a presença de palavras-chave específicas? Ou talvez a forma como está escrito? É difícil pensar em um conjunto exaustivo de regras, em termos de programa.

É por isso que usamos Machine Learning. Mostramos ao sistema milhões de mensagens de spam e não-spam e deixamos que ele cuide do resto. Esse era o segredo por trás dos excelentes filtros de spam do Gmail que abalaram o e-mail pessoal no início dos anos 2000!

Recomendações

Todas as grandes empresas de comércio eletrônico hoje têm sistemas de recomendação poderosos. Às vezes, sua capacidade de recomendar coisas que “podemos” achar úteis é incrivelmente precisa, apesar de nunca termos clicado naquele item antes.

Coincidência? De jeito nenhum!

O Machine Learning está trabalhando duro aqui, devorando terabytes após terabytes de dados e tentando prever nossos humores e preferências voláteis.

Chatbots

Você já se deparou com um suporte ao cliente de primeiro nível que parecia estranhamente robótico e, no entanto, conseguiu manter uma conversa interessante?

Bem, então você foi derrotado pelo Machine Learning!

Aprendendo com conversas e determinando o que dizer quando é uma área futura e excitante de aplicativo chatbot .

Remoção de ervas daninhas

Na agricultura, robôs alimentados por aprendizado de máquina são usados ​​para pulverizar ervas daninhas e outras plantas indesejadas em meio às plantações seletivamente.

Caso contrário, isso teria que ser feito manualmente ou seria um grande desperdício, pois o sistema pulverizaria o produto também com o líquido assassino!

Pesquisa por voz

Interação baseada em voz com sistemas de computador não é mais ficção científica. Hoje temos assistentes digitais como Alexa, Siri e Google Home que podem receber comandos verbalmente e não bagunçar (bem, quase!).

Alguns podem argumentar que é uma invenção que deve ser evitada, pois está tornando a raça humana mais preguiçosa do que nunca, mas você não pode contestar a eficácia.

Diagnóstico médico

Estamos à beira de uma revolução no diagnóstico médico, pois os sistemas baseados em Machine Learning estão começando a superar os médicos experientes em diagnóstico através de raios-x, etc.

Observe que isso não significa que os médicos logo não serão necessários, mas que a qualidade dos cuidados médicos aumentará drasticamente, enquanto os custos cairão (a menos que os cartéis de negócios digam o contrário!).

Esta foi apenas uma amostra do que o aprendizado de máquina está sendo usado. Carros autônomos, bots de jogos de estratégia, máquinas de dobrar camisetas, quebrar captcha e colorir fotos em preto e branco estão acontecendo atualmente.

Tipos de aprendizado de máquina

As técnicas de Machine Learning são de dois tipos.

Aprendizagem Supervisionada em que o sistema é dirigido pelo julgamento humano, e Aprendizagem não supervisionada, em que o sistema é deixado para aprender sozinho. Outra maneira de dizer a mesma coisa seria que no Aprendizado Supervisionado, temos um conjunto de dados contendo tanto as entradas quanto a saída esperada, que o sistema usa para comparar e se autocorrigir. No aprendizado não supervisionado, no entanto, não há saída existente para medir, então os resultados podem variar muito.

Uma aplicação empolgante e arrepiante de aprendizado de máquina não supervisionado?

Isso seria bots jogando jogos de tabuleiro, em que o programa aprende as regras do jogo e as condições de vitória e depois é deixado por conta própria. O programa então joga milhões de jogos contra si mesmo, aprendendo com seus erros e reforçando as decisões vantajosas.

Se você estiver em um computador poderoso o suficiente, uma IA de jogo de ponta pode ser preparada em questão de algumas horas!

As imagens a seguir ilustram essas ideias sucintamente (fonte: Médio):

Recursos para começar no aprendizado de máquina

Então, agora que você está entusiasmado com o aprendizado de máquina e como ele pode ajudá-lo a conquistar o mundo, por onde começar?

Abaixo, listei alguns recursos fantásticos sobre o Web que pode ajudá-lo a obter fluência em Machine Learning sem obter um Ph.D. em informática! Se você não for um pesquisador de Aprendizado de Máquina, achará o domínio do Aprendizado de Máquina tão prático e agradável quanto a programação em geral.

Portanto, não se preocupe, não importa o seu nível atual, você pode, como um bom programa de Machine Learning, aprender sozinho e melhorar.

#1. Programação

O primeiro requisito para entrar no Machine Learning é aprender a programar. Isso porque os sistemas de aprendizado de máquina vêm na forma de bibliotecas para várias linguagens de programação .

Python é o mais recomendado, em parte porque é incrivelmente agradável de aprender e em parte porque possui um enorme ecossistema de bibliotecas e recursos.

O oficial O Guia do Iniciante é um ótimo lugar para começar, mesmo se você estiver um pouco familiarizado com o Python. Ou pegue isso Curso Bootcamp para se tornar um herói do zero.

#2. Pense em estatísticas

Uma vez que você tenha terminado com os fundamentos do Python, minha segunda recomendação seria ler dois livros excelentes. Eles são 100% grátis e disponível em PDF para download. Pense em estatísticas e Think Bayes são dois clássicos modernos que todo aspirante a engenheiro de Machine Learning deve internalizar.

#3. Udemy

Neste ponto, eu recomendo que você faça alguns cursos de Udemy . O formato interativo e individualizado ajudará você a entrar no âmago da questão e a criar confiança.

Certifique-se de verificar a pré-visualização do curso, as revisões (especialmente as negativas!) e a sensação geral do curso antes de começar.

Você também pode encontrar tutoriais incríveis no YouTube gratuitamente. Senddex é um desses canais que posso recomendar, onde sempre há muita diversão, mas sua abordagem não é amigável para iniciantes.

#4. André Ng

Curso ministrado por Andrew Ng em Coursera é indiscutivelmente o recurso de aprendizado mais popular para os fundamentos do aprendizado de máquina.

Embora use a linguagem de programação R, permanece incomparável no tratamento do assunto e nas explicações lúcidas. Por causa desse curso, Andrew Ng alcançou uma estatura quase divina nos círculos de ML, e as pessoas o admiram em busca de sabedoria suprema (não estou brincando!).

Este não é um curso para iniciantes, mas se você já é bom em lidar com dados e não se importa com algumas pesquisas paralelas à medida que avança, este curso é a melhor recomendação.

#5. Udacity

Torne-se um engenheiro de aprendizado de máquina fazendo este nanodegree por Udacity .

Levará aproximadamente 3 meses para ser concluído e ao final do curso, espera-se que você tenha uma boa ideia sobre algoritmos de aprendizado de máquina, como modelá-los e implantá-los na produção.

Conclusão

Os recursos na Internet não têm fim e você pode se perder facilmente ao começar. A maioria dos tutoriais e as discussões lá fora são matematicamente desafiadoras ou carecem de estrutura e podem quebrar sua confiança antes mesmo de começar.

Portanto, gostaria de alertá-lo contra a autodestruição: mantenha sua mira modesta e mova-se em passos mínimos. O aprendizado de máquina não é algo com o qual você se sinta confortável em um ou dois dias, mas em breve você começará a se divertir e, quem sabe, talvez até criar algo assustador !

Divirta-se!