OPINIÃO
QUATRO PASSOS
PARA ACELERAR A JORNADA
DO MACHINE LEARNING
E
sta é a era de ouro do Machine Learning
(ML). Antes considerada periférica, a
tecnologia de Machine Learning tornou-
-se uma parte central das empresas em
todo o mundo. Desde a Saúde à Agricultura, das
Fintech aos meios de comunicação e entreteni-
mento, o Machine Learning é a grande promessa
para as indústrias de uma forma global.
Se arrancar com projetos de ML pode ser de-
safiador, enraizar uma mentalidade de Machine
Learning no local de trabalho é crítico. Em 2018, o
relatório Deloitte Insights State of AI in Enterprise
indicava que 63% das empresas investiram em
Machine Learning para acompanhar ou reduzir a
liderança da concorrência. A IDC estima que, até
2021, os gastos globais com a Inteligência Artificial
(IA) e outras tecnologias cognitivas vão ultrapassar
os 50 mil milhões de dólares.
A Cerner, líder mundial na saúde e tecnologia,
utiliza o ML para melhorar os cuidados ao pacien-
te. A Intuit, uma empresa mundial de software
financeiro e empresarial, identifica transações
fraudulentas com a ajuda do ML. E com o ML,
construído na AWS, a NFL vai gerar novos insights
sobre lesões de jogadores, regras do jogo, equipa-
mento, reabilitação e recuperação.
Portanto, a questão já não é se a empresa deve
ter uma estratégia de ML, mas sim, como pode a
empresa pôr em prática essa estratégia de forma
rápida e eficaz?
Partilho quatro passos que deve ter em conta deforma a que a sua jornada para o Machine Learning
seja bem-sucedida.ARRUME OS DADOS
Quando se trata de adotar o ML, os dados são
frequentemente citados como o principal desafio.
Na nossa experiência com os clientes, mais de
metade do tempo de construção de modelos de
ML pode ser gasto na gestão e limpeza de dados, e
estágios de pré-processamento. Se não investir no
estabelecimento de uma forte estratégia de dados,
qualquer talento de machine learning que contrate
será forçado a gastar uma parte significativa do seu
tempo a lidar com limpeza e gestão de dados, em
vez de inventar novos algoritmos.
No início, as três perguntas mais importantes a
fazer são: Quais os dados disponíveis atualmente?
Que dados podem ainda ser disponibilizados? E
daqui a um ano, que dados gostaríamos de ter
começado a recolher agora?
Para determinar que dados estão hoje dispo-
níveis, é preciso ultrapassar o data hugging, a
tendência para as equipas guardarem dados com
que trabalham e não os partilharem com outros
departamentos da empresa. Desconstruir silos de
dados entre departamentos para uma visão mais
abrangente do panorama de dados é crucial para
o sucesso a longo prazo. E ao longo do caminho,
será necessário assegurar que há controlo de acesso
e governança de dados adequados.
Em última instância, terá de saber que dados sãoSWAMI SIVASUBRAMANIAN
VP DE INTELIGÊNCIA ARTIFICIAL E MACHINE LEARNING DA AMA ZON WEB SERVICES (AWS)