Inteligência Artificial e Análise Preditiva

Artigo desenvolvido pelo Tripulante Helbert Flavio — Analista de testes na South System.

A Inteligência Artificial

E a capacidade que maquina têm de simular a inteligência humana, realizando atividades e aprendendo por si mesmas através de um algoritmo de aprendizagem (ML = Machine Learning) e graças ao processamento de dados que recebem dos usuários.

Uma nova tecnologia de IA está revolucionando a forma de realizar análises e previsões.

Podemos ter ganhos em produtividade com a IA em vários seguimentos como por exemplo:

• Classificação e análise de imagens
• Probabilidade de eventos futuros como furacões, chuvas e tempestades
• Diagnósticos de doenças com possíveis tratamentos
• Interpretação de textos
• Automação de tarefas

A IA segue um processo que tem 4 fases:

• 1º → Entendimento do problema do negócio
• 2º → Coletamos os dados
• 3º → Aplicamos o algoritmo de aprendizagem — Auto ML
• 4º → Publicamos os resultados

Como a análise preditiva funciona?

Os cientistas de dados usam modelos de previsão para identificar correlações entre diferentes elementos nos conjuntos de dados selecionados.

Quando a coleta de dados é concluída, um modelo estatístico é formulado, treinado e modificado para gerar previsões precisas.

O fluxo de trabalho para se criar uma análise preditiva, segue 5 etapas:

• 1º → Definição do problema
  Começamos identificando o que precisamos resolver, por exemplo, gostaria de saber qual a probabilidade de uma inundação caso tenha uma tempestade? Ou detectar um comportamento de fraude no pagamento por pix
• 2º → Obter e organizar todos os dados
  Podemos ter anos de armazenamento de dados antes de desenvolver modelos de análises preditivas, os fluxos de dados precisam ser identificados e armazenados em repositórios como por exemplo um data werehouse ou um BigQuery
• 3º → Tratamento ou pré-processamento dos dados
  Para desenvolver os modelos de análises preditivas é necessário limpar todos os dados, remover anomalias.
• 4º → Desenvolver os modelos preditivos
  Os cientistas de dados utilizam de técnicas e ferramentas para desenvolver os modelos que tem com objetivo resolver o problema identificado. Machine Learning , modelos de regressão e árvore de decisão são alguns dos modelos mais comuns.
• 5º → Revisar e publicar os resultados
  Revise o modelo e faça ajustes até conseguir os resultados aceitáveis e disponibilize para os interessados.