Por que (e como) aprender sobre IA, sem se tornar um Cientista de Dados?

0

Agatha Carriello | Novembro 01, 2018

Inteligência Artificial (IA) e aprendizado de máquina - seu principal componente atualmente - são dois dos temas mais recorrentes da atualidade quando o assunto é inovação. Apesar de grande parte das abordagens ser bastante rica e positiva, ainda existe um pouco de exagero nas expectativas de resultados. E às vezes até sugestões de aplicações em que IA não necessariamente seria a melhor opção.

Se você ainda não sente confiança em discutir a utilização de técnicas de IA em problemas do dia-a-dia, neste post explico porque você deveria considerar aprender um pouco mais, e também como começar. Espero que seja útil!

Por que aprender um pouco mais sobre Inteligência Artificial?

Estando na área de tecnologia ou não, um dos motivos para aprender um pouco mais sobre IA é saber o que é possível ou não fazer com esse conjunto de técnicas. Algumas razões para isso:

1) Evitar os robôs

A ideia não é ser alarmista. Mas se você está escolhendo uma profissão ou pensando em se aperfeiçoar em sua profissão atual, por exemplo, é fundamental saber os limites e potenciais de IA. Isso porque existe o risco de algumas atividades se tornarem obsoletas no futuro, ao serem substituídas por algoritmos. Com algumas horas de leitura é possível ter uma ideia sobre o que pode ser mais facilmente substituído e o que não.

2) Aumentar o seu leque de ferramentas

Seja para aplicar na sua ideia de mudar o mundo através da sua startup, seja para ajudar o seu cliente ou gestor atual a economizar recursos ou a lançar novas funcionalidades em seus produtos. Conhecer mais sobre uma nova ferramenta que pode potencializar resultados pode ser uma bela oportunidade.

3) Ferramenta certa para o problema certo

É fundamental aprender para evitar erros como aplicação de IA em contextos inadequados ou sem dados em qualidade ou volume suficiente. Isso acontece porque cada ferramenta tecnológica tem sua aplicação e isso também acontece com a Inteligência Artificia. Diferentes algoritmos são melhor aplicáveis em determinadas situações e, muitas vezes, requerem dados em diferentes formatos, geralmente padronizados ou normalizados (preparação de dados é onde 70 a 80% do tempo de análise é gasto, por exemplo).

Mesmo que você não seja responsável por definir e escolher algoritmos para analisar dados, é importante saber dialogar com quem fará isso: cientistas de dados, engenheiros de aprendizado de máquina e engenheiros de dados, por exemplo.

Como começar?

Os fundamentos de IA estão no domínio das ciências exatas. Mas isso não impede que pessoas com outras formações e profissões se capacitem para aplicar essas técnicas em seus domínios de atuação, com destaque para a área de saúde.

Comece procurando próximo a você.

Se você já atua em uma empresa que utiliza algo relacionado ao tema ou esteja fazendo uma graduação ou pós é possível que tenha acesso a grupos ou iniciativas relacionadas ao tema. Na Daitan, por exemplo, há várias iniciativas em andamento que podemos aproveitar:

  • pesquisa em IA com profissionais dedicados;
  • treinamentos internos oferecidos pelos próprios profissionais;
  • reembolsos de treinamentos externos;
  • comunidade de prática em que cientistas e engenheiros de dados discutem seus aprendizados e experiências e replicam para o restante da empresa;
  • eventos como um Hackathon em que todos puderam pensar em como usar IA para resolver um problema no mercado financeiro, recebendo mentoria e aprendendo nesse processo.

Dá pra começar sem ter acesso fácil a outros profissionais?

Você não está estudando ou não trabalha na área de tecnologia? Sua empresa não tem priorizado o assunto? Não tem acesso a um colega cientista de dados para tomar um cafezinho e fazer algumas perguntas sobre como começar? Fique tranquilo(a), vamos passar algumas dicas de como fazer isso por conta própria.

Dicas:

a) Adquirindo conceitos

Como uma introdução geral, um dos textos que eu mais recomendo é o Aprendizado de Máquina para Humanos que permite que em cerca de 3 horas uma pessoa tenha uma visão geral de inteligência artificial.

b) Colocando a mão na massa

É na prática que aprendemos! Um curso com esse tema trará, além da teoria mais sólida, exercícios para consolidar o aprendizado. Existem muitas opções online e você deve escolher aquela que mais se aproxima do seu objetivo e de sua formação prévia. Um dos cursos mais interessantes é o do professor Andrew Ng de Stanford, disponível na plataforma Coursera.

c) Ouvindo e compartilhando

Depois que você já está uma experiência mínima implementando algoritmos via cursos online, o próximo passo pode ser a plataforma meetup.com. Ali você terá acesso à agenda de eventos que acontecem próximos a você. Aqui na Daitan costumamos enviar nossos profissionais para apresentar suas experiências e conhecer outros entusiastas neste tipo de encontro.

Conclusão 

Inteligência Artificial não é uma moda passageira. É fato que ainda existe um pouco de exagero em previsões para o futuro, no entanto um ciclo recente de avanços em algoritmos e infraestrutura computacional tem gerado resultados comercialmente relevantes. Na Daitan, por exemplo, estamos trabalhando em vários projetos envolvendo ciência de dados para clientes internacionais.

Mais do que isso, acreditamos firmemente que mesmo os profissionais com outras formações, como designers, desenvolvedores, testersproduct owners, entre outros, podem e devem ter uma visão ampla de IA. Dessa forma, podem pensar no dia a dia, em cada um de seus projetos, como incorporar esses conceitos, aconselhando os clientes a respeito e gerando mais valor para todos os envolvidos.

Se você está começando no assunto, o roteiro que eu sugiro (links no texto) é:

  1. Leitura básica
  2. Cursos online
  3. Participação em eventos

Eu pessoalmente também acredito que muitos profissionais de fora das ciências exatas, podem e devem aprender os conceitos básicos de IA. Isso pensando em aumentar seu potencial de contribuição seja para seu empregador, seja para a sociedade como um todo.

E você, o que acha?


** Forrester Data Global Business Technographics Data And Analytics Survey, 2016 and 2017