Machine Learning e Container
O machine learning faz parte da inteligência artificial, muitos casos de uso estão aparecendo, não é a toa que o assunto tem sido bastante citado. Os containers podem oferecer uma ótima maneira de criar e implementar aplicações. O machine learning, o que ele pode fazer pelos aplicativos e como criar utilizando containers. A inteligência artificial não é nenhuma novidade, desde os anos 80 as pessoas a utilizam, o machine learning é uma subcategoria que foca na compreensão de dados utilizando algoritmos e tem mais aplicações práticas. Aplicações com machine learning usam uma abordagem orientada a dados, onde eles se unem com a capacidade de armazenar petabytes de dados em sistemas simples (tradicionais) e baseados em nuvem, com o poder de aproveitar esses dados para diversos propósitos.
O que temos com o Machine Learning? O machine learning é um tipo de inteligência artificial que usa os algoritmos para aprender com base nos dados, aplicam algoritmos que encontram padrões nesses dados e fazem tipos de previsões. Essas previsões podem ser bem simples como dar recomendações a um comprador ou tão complexo quanto determinar um modelo de automóvel. Alguns desenvolvedores estão utilizando o machine learning em produtos wearables para auxiliar a assistência médica, as pessoas têm usado relógios que geram dados todos os dias (frequência cardíaca, passos, calorias e etc), e esses dados são coletados em sistemas de armazenamento em nuvem, onde os usuários acessam suas contas na web para obter relatórios. Agora vamos colocar o machine learning neste liquidificador, esses wearables tem a capacidade de analisar dados da nossa saúde e dizer para o usuário o que isso significa. Nós também podemos ver o significado lógico dos dados e ter conhecimento a longo prazo com isso. Ok, mas como assim? Baseado nos dados que aprendemos e nos padrões e nos seus padrões nos levam a esses resultados. (Exemplo: a pessoa sabe que tem intolerância a lactose após consumir laticínios algumas vezes e se sentir mal, óbvio que ela vai ao médico atrás de diagnóstico, mas ela aprendeu que laticínios a fazem mal). Vamos a um exemplo mais profundo: uma pessoa sofre um ataque cardíaco, os sistemas de machine learning estudam o padrão de dados da saúde que ocorreram até esse evento e ensinam outros sistemas para procurar esses padrões. Conforme outros eventos vão ocorrendo, novos padrões são identificados para detectar e prevenir outros eventos ligados a saúde. Os dados em si não tem muito valor, precisamos aplicar machine learning para obter dados, muitos dados! Gigabytes… Petabytes… Toda essa quantidade de dados para fornecer padrões e resultados. Assim o sistema pode obter o conhecimento de milhares de médicos, selecionando esses dados para determinar quais padrões levam a quais resultados. Se implementado de uma forma eficaz, podemos salvar vidas com o auxílio da tecnologia. (Isso é só um dos milhares de exemplos de negócio) Os sistemas de machine learning podem considerar muitos pontos de dados passados e em tempo real para determinar os “níveis de estoque” mais eficientes para manter ou fazer previsões que analisam os padrões de dados passados, presentes e preditivos.
