Inteligência Artificial e Análise Preditiva

SOUTH SYSTEM
2 min readJan 17, 2024

--

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:

  • 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
  • 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
  • Tratamento ou pré-processamento dos dados
    Para desenvolver os modelos de análises preditivas é necessário limpar todos os dados, remover anomalias.
  • 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.
  • Revisar e publicar os resultados
    Revise o modelo e faça ajustes até conseguir os resultados aceitáveis e disponibilize para os interessados.

--

--