O documento discute o crescimento do aprendizado profundo e machine learning. Ele destaca eventos recentes de grandes empresas investindo nessas áreas e aplicações como recomendações, busca e análise de sentimento. Também explica como algoritmos de aprendizado profundo imitam o cérebro humano para tarefas como processamento de linguagem e visão.
2. Alguns eventos recentes
• Google inicia projeto Google Brain com apoio do
professor Andrew NG, da Stanford University
• Google compra DeepMind (US$ 650-800 Mil)
• Facebook forma sua equipe de Deep Learning liderada
pelo prof. Yan LeCum, da New York University
• Netflix cria sua equipe de Deep Learning para melhorar
recomendações
• Yahoo compra Lookflow para adicionar inteligência ao
Flickr
• Bill Gates diz que se tivesse 20 anos estaria estudando
Deep Learning
• New York Times monta equipe de Deep Learning para
manter assinantes
• (...)
3. Machine Learning
• Ramo da Inteligência Artificial
• Usado em:
• Visão de máquina
• Intepretação da linguagem natural
• Classificação e categorização de textos
e informações
• Diagnóstico de anomalias ou
mudanças de padrão
4. Machine Learning - Aplicações
• Sistemas de recomendação (RecSys)
• Search Engine (Google Hummingbird)
• Análise de Sentimento e
Monitoramento de Redes Sociais
• Prevenção ao cancelamento de
assinaturas (customer churn)
• Promoções e anúncios em tempo real
5. • A partir de um aprendizado prévio, o algoritmo
dá uma reposta sem intervenção humana:
• Timming Correto
• Efetiva
• Pertinente
• Adequada
• Inteligente
• Tipos de algoritmos
• Supervisionado – Tipos de informação são ’explicados’
• Não supervisionado – ‘Aprende’ sozinho
Machine Learning
6. • Uma nova geração de algoritmos de Machine Learning
• Baseiam-se em redes neurais que funcionam imitando o
funcionamento do cérebro humano e sua rede de
neurônios
• Algoritmos que aprendem sozinhos (não supervisionados)
• Resultados surpreendentes em:
• Processamento linguístico (interpretação de ambiguidades)
• Reconhecimento da fala
• Tradução
• Visão de máquina (expressões humanas, humor, sentimento)
• ‘Compreensão’ e interação com sistemas com regras finitas
(jogo pong ou games)
Deep Learning
7. Favorecem Deep/Machine
Learning nesse momento
• Grandes volumes de dados para
formar o aprendizado
• Computação de nuvem e sua
característica elástica
• Computação cognitiva (IBM
Watson)
• Avanços em performance com o
uso de harwdare como uso de GPU-
Graphic Processor Unity
8. Oportunidades Deep Learning
• Data Rental para treinamento de
modelos (DaaS)
• Serviços de análise de base de
clientes produzindo acurados perfis
e hábitos de consumo
• Pesquisas de sentimento e reação
sensorial com analise de expressões
faciais
9. Roadmap
• Criação de laboratórios de pesquisa e
inovação
– Estatísticos / Físicos / Astrônomos
– Engenheiros de software
– Arquitetos de solução
– Formação interna e criação de expertise
• Acompanhamento de papers e
evolução do conceito no meio
acadêmico e comercial
10. • Novos níveis de personalização da experiência
do consumidor
• Novas oportunidades de ofertas, anúncios e
promoções
• Engajamento 2.0
• A personalização das lojas físicas em função
do seu público
Promessas do Deep Learning