Mudanças entre as edições de "Aprendizado de Máquina Combinada a Dados Qualificados Cientistas é o Futuro da Tomada de Decisão Orientada a Dados"
| (Uma revisão intermediária pelo mesmo usuário não está sendo mostrada) | |||
| Linha 3: | Linha 3: | ||
Aprendizado de Máquina é um tipo de [[inteligência artificial]] (IA) que coleta dados de entrada, analisa e aprende a partir dele. Três tipos de aprendizado podem ocorrer: aprendizado supervisionado em que a máquina analisa dados passados de alta qualidade e toma decisões sobre dados futuros com o conhecimento aprendido, aprendizado não supervisionado no qual a máquina faz inferências sobre dados futuros baseados em padrões encontrados em dados passados e Uma combinação dos dois. | Aprendizado de Máquina é um tipo de [[inteligência artificial]] (IA) que coleta dados de entrada, analisa e aprende a partir dele. Três tipos de aprendizado podem ocorrer: aprendizado supervisionado em que a máquina analisa dados passados de alta qualidade e toma decisões sobre dados futuros com o conhecimento aprendido, aprendizado não supervisionado no qual a máquina faz inferências sobre dados futuros baseados em padrões encontrados em dados passados e Uma combinação dos dois. | ||
| − | [[Arquivo: | + | [[Arquivo:Machine-learning-to-improve-artificial-intelligence-ability-for-predictions-nicoelnino-istock-thinkstock-539953610 w600.jpg|450px|thumb|right| |
'''Imagem ilustrativa da bandeira americana''' <br /><br />]] | '''Imagem ilustrativa da bandeira americana''' <br /><br />]] | ||
| Linha 15: | Linha 15: | ||
À medida que as tecnologias de [[inteligência artificial]] e Machine Learning melhoram, a necessidade de cientistas de dados altamente treinados só aumentará. Muito em breve, as máquinas terão a capacidade de conduzir análises mais precisas com menos dados, mas isso só será possível com modelagem estatística especializada e algoritmos aperfeiçoados criados por cientistas de dados. De acordo com o Dr. Heather Benz, engenheiro biomédico aplicado, Johns Hopkins; “Estamos ensinando mais e mais aos nossos alunos de engenharia sobre como projetar tecnologias de próxima geração que incorporem [[aprendizado de máquina]]. Haverá apenas um aumento na necessidade de pessoas que possam entender, projetar e alavancar essas ferramentas. Eles têm amplas aplicações em tudo, de business intelligence a produtos eletrônicos de consumo e dispositivos médicos, mas há muitas nuances sobre como eles são construídos, usados e validados. ” | À medida que as tecnologias de [[inteligência artificial]] e Machine Learning melhoram, a necessidade de cientistas de dados altamente treinados só aumentará. Muito em breve, as máquinas terão a capacidade de conduzir análises mais precisas com menos dados, mas isso só será possível com modelagem estatística especializada e algoritmos aperfeiçoados criados por cientistas de dados. De acordo com o Dr. Heather Benz, engenheiro biomédico aplicado, Johns Hopkins; “Estamos ensinando mais e mais aos nossos alunos de engenharia sobre como projetar tecnologias de próxima geração que incorporem [[aprendizado de máquina]]. Haverá apenas um aumento na necessidade de pessoas que possam entender, projetar e alavancar essas ferramentas. Eles têm amplas aplicações em tudo, de business intelligence a produtos eletrônicos de consumo e dispositivos médicos, mas há muitas nuances sobre como eles são construídos, usados e validados. ” | ||
| − | [[Arquivo: | + | [[Arquivo:3d-rendering-of-robot-face-zapp2photo-istock-thinkstock-675938062 w800.jpg|450px|thumb|left| |
'''Imagem ilustrativa da bandeira americana''' <br /><br />]] | '''Imagem ilustrativa da bandeira americana''' <br /><br />]] | ||
Edição atual tal como às 11h27min de 20 de julho de 2019
Embora o termo aprendizado de máquina (AM) tenha sido criado em 1959, seu avanço e desenvolvimento nunca foram tão críticos quanto hoje, particularmente dentro das agências governamentais. À medida que a quantidade de dados sendo produzidos, manipulados e armazenados aumenta exponencialmente, também aumenta a ameaça real de violações e fraudes de segurança cibernética . Enquanto isso, os orçamentos federais e os recursos da equipe continuam a diminuir. O AM pode fornecer serviços de alto valor para agências federais, incluindo gerenciamento e análise de dados, detecção de ameaças de segurança e melhoria de processos, mas a lista não para por aí.
Aprendizado de Máquina é um tipo de inteligência artificial (IA) que coleta dados de entrada, analisa e aprende a partir dele. Três tipos de aprendizado podem ocorrer: aprendizado supervisionado em que a máquina analisa dados passados de alta qualidade e toma decisões sobre dados futuros com o conhecimento aprendido, aprendizado não supervisionado no qual a máquina faz inferências sobre dados futuros baseados em padrões encontrados em dados passados e Uma combinação dos dois.
De acordo com uma recente pesquisa MeriTalk , 81% dos federais estão atualmente utilizando alguma forma de análise de Big Data para segurança cibernética, enquanto apenas 45% encontraram seus esforços para serem “altamente eficazes”. Esses números são surpreendentes considerando que Big Data ainda é relativamente novo. disciplina para a maioria das pessoas. As análises do Google Trends mostram que o Big Data tradicional está sendo eliminado com a mesma rapidez com que explodiu inicialmente e que em breve será substituído por aplicativos de IA e Machine Learning.
Mas não tenha medo, o aprendizado de máquina não substituirá os humanos; ainda não de qualquer maneira. É aí que entram os cientistas de dados. Os cientistas de dados são um componente crítico do Machine Learning para análises e previsões baseadas em dados. Os cientistas de dados conduzem a modelagem estatística e de algoritmo e determinam qual plataforma AM é mais adequada para os dados. R e Python são atualmente as duas linguagens de programação mais populares no AM. Mais importante, o cientista de dados deve determinar o que a máquina vai fazer com os dados. Empresas inovadoras como Yelp, Facebook e Google já implementaram o AM em suas plataformas. Por exemplo, para uma empresa como o Yelp, as dezenas de milhões de imagens do site SÃO o seu conjunto de dados. Cientistas de dados altamente qualificados devem primeiro ensinar ao bot como classificar as imagens existentes, bem como regras para classificar imagens futuras.
É claro que a maioria das agências federais não consideraria as imagens um componente importante de seus dados críticos; no entanto, os mesmos conceitos podem ser aplicados a quaisquer dados que precisem ser classificados, analisados, protegidos ou visualizados.
À medida que as tecnologias de inteligência artificial e Machine Learning melhoram, a necessidade de cientistas de dados altamente treinados só aumentará. Muito em breve, as máquinas terão a capacidade de conduzir análises mais precisas com menos dados, mas isso só será possível com modelagem estatística especializada e algoritmos aperfeiçoados criados por cientistas de dados. De acordo com o Dr. Heather Benz, engenheiro biomédico aplicado, Johns Hopkins; “Estamos ensinando mais e mais aos nossos alunos de engenharia sobre como projetar tecnologias de próxima geração que incorporem aprendizado de máquina. Haverá apenas um aumento na necessidade de pessoas que possam entender, projetar e alavancar essas ferramentas. Eles têm amplas aplicações em tudo, de business intelligence a produtos eletrônicos de consumo e dispositivos médicos, mas há muitas nuances sobre como eles são construídos, usados e validados. ”
Desculpem desapontar todos vocês, fãs do “ Exterminador do Futuro ”, mas não acho que os robôs estarão dominando o mundo tão cedo. Em vez disso, os robôs podem ajudar a proteger informações de missão crítica e promover a saúde pública e as missões de serviço público em todo o governo federal.
Todas as referências a marcas e / ou empresas específicas são usadas apenas para fins ilustrativos e não implicam endosso do governo federal dos EUA ou de qualquer agência do governo federal.
Interessado em se conectar com outros federais que exploram aprendizado de máquina, inteligência artificial (IA) e inovações semelhantes? Confira nosso novo programa Emerging Citizen Technology e participe das Comunidades de Prática relacionadas .
Link para publicação
