Conheça 3 cursos grátis para começar a explorar machine learning - IDG Now!

Conheça 3 cursos grátis para começar a explorar machine learning - IDG Now!

A inteligência artificial assumiu status de vetor das grandes transformações previstas para a próxima década. A lista de tecnologias emergentes divulgada recentemente pelo Gartner reforça que os algoritmos de aprendizado de máquina terão papel fundamental no sucesso das organizações digitais. 

“Estamos mergulhando em uma nova era da informação e da computação. É um novo mundo com habilidade de compreender o ambiente e as pessoas, provendo conclusões realmente significativas... uma forma diferente de usar tecnologia”, pronunciou Steve Ballmer, pouco depois de deixar o comando da Microsoft. 

É importante aproveitar que essa onde ainda encontra-se em estágio de formação para encontrar a melhor maneira de surfa-la. Pensando nisso, separamos três cursos online e gratuitos sobre machine learning para ajudá-lo a seguir nessa jornada.

Introdução ao Aprendizado de Máquina – Reconhecimento de Padrões para diversão e lucro 

A ideia aqui é aprender fazendo. O plano de aula ensina o processo de investigação de dados através do aprendizado de máquina. Pelo programa, é possível utilizar e avaliar os algoritmos, identificar casos de uso do conceito e entender como resolver problemas do mundo real.

Aprendizagem Automática 

A Aprendizagem Automática é a ciência que faz com que os computadores exerçam seu papel de forma natural sem que pareçam explicitamente programados para tal. Na última década, essa disciplina ajudou no desenvolvimento de carros autônomos e compreensão do genoma humano. Atualmente, está tão difundida, que você provavelmente a utiliza várias vezes ao dia sem que perceba. 

Este curso mostrará técnicas mais eficazes de aprendizagem automática, colocá-las em prática e ver como adequar essas técnicas para suas necessidades. O mais importante é que você não aprenderá apenas na teoria e sim terá o conhecimento prático necessário para aplicar o que aprender de forma rápida e exitosa e solucionar os problemas em seus projetos.

Machine Learning for Data Science and Analytics 

A ideia é ensinar princípios fundamentais de aprendizado de máquinas e a importância dos algoritmos dentro desse conceito. Esse curso dará noções básicas para compreender e pensar aplicações para o conceito usando análises preditivas. O programa contempla desde temas abrangentes até exemplos práticos de uso de machine learning em indústrias específicas, como o setor de saúde, por exemplo.

11 ferramentas abertas para machine learning que vão facilitar sua vida - IDG Now!

11 ferramentas abertas para machine learning que vão facilitar sua vida - IDG Now!



Filtros de spam, reconhecimento facial, motores de recomendação. Quando se tem um grande volume de dados capazes de alimentar sistemas preditivos ou reconhecer padrões, usar esse recurso em projetos de aprendizado de máquinas (machine learning) pode ser um ótimo caminho a seguir. 

Essa ciência, no qual os computadores são treinados a aprender, analisar e agir sobre registros ganha cada vez mais relevância no mercado, especialmente dentro do mundo acadêmico e em círculos de programadores de alta performance.

O aumento da popularidade vem à reboque não só do barateamento de hardware, mas da proliferação de software livre que exploram recursos direcionados ao machine learning. A seguir, apresentamos 11 ferramentas capazes de fornecer funcionalidades tanto para aplicativos individuais quanto para estruturas inteiras. Confira. 

Scikit-learn  

Python se transformou em uma ótima linguagem de programação com recursos de matemática, ciências e estatística devido a sua facilidade de adoção e amplitude de bibliotecas disponíveis, que permite que seja usado para criação de praticamente qualquer aplicação. Os níveis de aprendizagem do Schikit possibilitam construir soluções sobre pacotes existentes em Python – como NumPy, SciPy e matplotlib. 

As bibliotecas resultados podem ser usadas para aplicações interativas em uma “bancada de trabalho” ou serem incorporadas em outros softwares, com reutilização. O kit está disponível por meio de uma licença BSD, totalmente aberta e reutilizável. 

Projeto: scikit-learn 

GitHub: https://github.com/scikit-learn/scikit-learn

Shogun 

Entre as mais antigas e veneráveis bibliotecas de aprendizado de máquina está o Shogun, que nasceu em 1999 escrito em C++, mas que já não se limita apenas a trabalhar em C++ . Graças à biblioteca SWIG, a ferramenta pode ser usada de forma transparente em linguagens e ambientes como Java, Python, C#, Ruby, R, Lua, Octave e Matlab. 

O Shogun tem um concorrente também em C++, a biblioteca baseada em machine learning, Mlpack, que ganhou espaço a partir de 2011 e que traz vantagens de ser mais rápida e fácil de trabalhar (pois carrega um conjunto mais integral de APIs) frente a seus competidores.

Projeto: Shogun 

GitHub: https://github.com/shogun-toolbox/shogun

Accord Framework/AForge.net 

O Accord, um framework para aprendizado de máquinas e processamento de sinais em .Net é uma extensão de um projeto prévio com o mesmo intuito, o AForge.net. A propósito, “signal processing” se refere a uma gama de algoritmos de aprendizado de máquinas para imagens e áudio que pode ser aplicado para questões como reconhecimento facial, por exemplo. 

Projeto: Accord Framework/AForge.net 

GitHub: https://github.com/accord-net/framework/

Mahout 

Trata-se de um framework alinhado ao Hadoop, mas muitos dos algoritmos sob o seu guarda-chuva pode também rodar fora disso. É bastante útil para aplicações stand-alone e, eventualmente, pode ser migrado dentro e para projetos em Hadoop. 

Projeto: Mahout 

MLlib 

Própria biblioteca de aprendizado de máquina do Apache para Spark e Hadoop, o MLlib possui uma gama de algoritmos comuns e tipos de dados úteis destinados a funcionar em grande velocidade e escala. Como seria de esperar com qualquer projeto Hadoop, Java é a linguagem primária para trabalhar na ferramenta, mas os usuários podem se conectar a Python MLlib através da biblioteca NumPy (também usado em Scikit), e os usuários Scala podem escrever códigos contra o MLlib. Se a criação de um cluster Hadoop é impraticável, o MLlib pode ser implantado em cima do Spark sem Hadoop - e no EC2 ou no Mesos. 

Outro projeto é o MLbase, construído em cima de MLlib para torná-lo mais simples na obtenção de obter resultados. Ao invés de escrever o código, os usuários fazem consultas por meio de uma linguagem declarativa à la SQL. 

Projeto: MLlib

H2O

Algoritmos de H2O do 0xdata são voltados para processos de negócios – de previsões de fraude ou de tendência, por exemplo. O H2O pode interagir de forma independente com lojas HDFS, em cima de YARN, MapReduce ou diretamente em uma instância do Amazon EC2. Especialistas em Hadoop podem usar Java para interagir com a ferramenta, mas a estrutura também fornece ligações para Python, R e Scala, proporcionando integração cruzada com todas as bibliotecas disponíveis nessas plataformas também. 

Projeto: H20 

GitHub: https://github.com/0xdata/h2o 

Cloudera Oryx 

Outro projeto de aprendizagem máquina projetado para Hadoop, o Oryx vem como uma espécie de cortesia dos criadores da distribuição Cloudera Hadoop. O nome no rótulo não é o único detalhe que define a ferramenta, que enfatiza na análise de dados em tempo real por meio do projeto Spark e é projetado para permitir que modelos de aprendizado de máquina possam ser implantados em transmissões de informações “ao vivo”, como filtros de spam ou mecanismos de recomendação. Uma nova versão do projeto encontra-se em obras. 

Projeto: Cloudera Oryx 

GitHub: https://github.com/cloudera/oryx 

GoLearn  

A linguagem Go, do Google, está no ar faz cerca de cinco anos. Apesar da vida ainda curta, já desfruta uma utilização ampla e tem uma evolução constante em suas bibliotecas. O GoLearn foi criado com a ambição de ser uma biblioteca que reúne tudo de aprendizado de máquinas na plataforma da gigante de buscas. A ideia geral é que seja uma maneira simples de tratar o carregamento e manipulação dos dados na biblioteca. 

Projeto: GoLearn 

GitHub: https://github.com/sjwhitworth/golearn 

Weka  

Produto da Universidade neozelandesa de Waikato, o Weka reúne um conjunto de algoritmos de aprendizado de máquina Java projetados especificamente para mineração de dados. Esta coleção com licenciamento GNU GPLv3 tem um sistema de pacotes para estender sua funcionalidade. Weka vem com um livro para explicar tanto o software e quanto as técnicas utilizadas, que pode ser um bom ponto de partida aos que querem se aventurar nessa ferramenta. Apesar de não ser voltado especificamente, pode ser usado com Hadoop graças a um conjunto de wrappers produzidos para as versões mais recentes do Weka. Note-se que ainda não suporta Spark, só o MapReduc. 

Projeto: Weka 

CUDA-Convnet  

Quase todo mundo sabe como GPUs (sigla para unidade de processamento gráfico) podem mastigar certos problemas de maneira mais veloz do que CPUs. Mas os aplicativos não levam automaticamente a vantagem da aceleração GPU. Aliás, eles têm que ser escritos com formas específicas para que isso ocorra. O CUDA-Convnet é uma biblioteca de aprendizado de máquina para aplicações de rede neural escrito em C++ para explorar a tecnologia CUDA de processamento de GPU da Nvidia (placas de, pelo menos, a geração Fermi são obrigatórios). Para aqueles que usam Python em vez de C++, as redes neurais resultantes podem ser salvos como objetos Python em conserva e, assim, acessado a partir de Python. Note que a versão original do projeto não está mais sendo desenvolvida, mas desde que foi reformulado em um sucessor, CUDA-Convnet2 (com suporte para múltiplas GPUs). 

Projeto: CUDA-Convnet 

ConvNetJS 

Como o nome indica, ConvNetJS fornece bibliotecas de aprendizado de máquina de rede neural para uso em JavaScript o que facilita o uso do navegador como uma bancada de dados. Uma versão NPM também está disponível para aqueles que utilizam Node.js e a biblioteca é projetada para fazer uso adequado de assincronia de JavaScript - por exemplo, operações de treinamento podem executar retornos de chamadas, 

Projeto: ConvNetJS 

GitHub: https://github.com/karpathy/convnetjs

  

Dezoito ferramentas grátis do Watson disponíveis no Bluemix

Dezoito ferramentas grátis do Watson disponíveis no Bluemix

Além dos recursos de computação cognitiva, IBM também disponibiliza analytics, IoT e desenvolvimento em sua plataforma de serviços em nuvem

Felipe Dreher

23 de Fevereiro de 2016 - 16h15


Você sabe que praticamente todas as ferramentas disponíveis no Bluemix são de uso gratuito, certo? Pois bem, isso vale, também, para as soluções do Watson. E, atualmente, existem nada menos que 18 tecnologias da plataforma de computação cognitiva prontas para o uso.

Trata-se de um leque de sistemas diversos, que vão desde reconhecimento de sentimento até serviços orientados para o varejo, por exemplo. Essas peças podem ser integradas de forma que ajudem sua empresa a explorar novas frentes de inovação.

Antes de prosseguirmos, aqui vai um alerta que é importante deixar bem claro: os serviços seguem a lógica do freemium e são gratuitos até determinado ponto - além disso, alguns conectores e recursos também são tarifados. Porém, as cobranças começam a valer a partir do momento que há ganhos de escala - e, quando isso ocorre, é de se supor que o usuário já consiga vislumbrar certo ROI.

É bastante simples acessar os serviços, basta entrar no site do Bluemix (www.bluemix.net) e preencher um breve cadastro. Feito isso, você receberá um e-mail de confirmação que te levará à página para entrar com login e senha na plataforma que agrupa vários serviços em nuvem da IBM.

Dito isso, vamos a lista das dezoito ferramentas grátis disponíveis no Watson!


1. AlchemyAPI
A oferta contempla três serviços que permitem que empresas e desenvolvedores construam aplicações cognitivas que compreendem conteúdos e contextos em imagens e textos. A ferramenta é capaz de identificar nomes de pessoas, companhias e outros dados mencionados em artigos ou analisar fotos. A solução é gratuita para até 1 mil eventos por empresa.

2. Concept Expansion
A ferramenta permite analisar textos e aprender termos similares (palavras ou frases) baseada no contexto. A tecnologia ajuda usuários a criar rapidamente um léxico (conjunto de termos relacionados) de um grupo de dados ou fragmentos de textos. Os recursos podem, também, serem usados na compreensão de dados e melhorar estruturas de análise textual. O Concept Expansion, em beta, é gratuito.

3. Concept Insights
O serviço conecta documentos que você oferece como base a gráficos ou conceitos baseados no Wikipedia. Dois tipos de links são identificados: explícitos (quando se referem a uma menção direta ao conceito) e implícito (que conecta seus documentos com conceitos relevantes não diretamente mencionados no texto). Usuários do serviço podem, também, procurar documentos relevantes a um determinado tema ou coleção de conceitos explorando essas conexões. As primeiras 25 mil chamadas de APIs em cada mês são gratuitas, depois disso, há cobrança.

4. Dialog Service
A ferramenta permite que desenvolvedores projetem formas para que aplicações interajam com usuários finais por meio de uma interface de conversação. O Dialog Service habilita aplicações com linguagem natural para prover respostas automáticas para questões encaminhadas por consumidores, encaminhamento de processos, ou atendimento para resolução de tarefas. A tecnologia pode, ainda, armazenar e mapear informações dos perfis dos usuários para aprender mais sobre os consumidores de uma empresa, guiando os consumidores por meio de processos ou os abastecendo de informações relevantes. A ferramenta é grátis para as primeiras 1 mil chamadas de APIs por mês.

5. Document Conversion
O serviço converte HTML, PDF ou arquivos de Word em um HTML normalizado, planilha de textos ou conjunto de unidades de respostas formatadas que podem ser aplicadas junto a outras ferramentas disponíveis no Watson. Os primeiros 100 MB de cada mês são grátis. Depois, há cobrança por megabyte.

6. Language Translation
Quer traduzir dinamicamente notícias ou documentos ou publicar conteúdos de forma  instantânea em múltiplos idiomas? O Watson Language Translation pode ajudá-lo na comunicação em diferentes línguas. Para isso, basta conectar o serviço ao seu código e ele fará o trabalho. Há disponibilidade entre diversos idiomas, inclusive tradutor do inglês para o português (e vice-versa). O primeiro milhão de caracteres é grátis.

7. Natural Language Classifier
A ferramenta aplica técnicas de computação cognitiva para ajudar os usuários a criarem melhores frases ou parágrafos. Por exemplo, você submete uma questão e o serviço retorna com termos-chave que melhor se encaixam naquela resposta. Para “ensinar a máquina”, o usuário classifica instâncias provendo uma série de pontos representativos e marca as mais adaptadas dentro de um contexto. Depois desse treino, a solução vai evoluindo com o tempo. O que é grátis: uma instância do serviço por mês, 1 mil chamadas de APIs, quatro eventos de treinamento.

8. Personality Insights
A ferramenta oferece insights baseados em dados transacionais e mídias sociais para identificar perfis psicológicos que podem determinar decisões de compra, intensões e comportamentos e, assim, ampliar taxas de conversão. As primeiras 100 chamadas de APIs são grátis.

9. Relationship Extraction
A tecnologia capta termos em frases e detecta a relação entre seus vários componentes. O serviço pode processar uma nova palavra (como um nome em um feed de notícias) que não havia sido analisado anteriormente e prover uma avaliação contextual. Os componentes rastreados incluem diversas partes de um discurso (sujeito, verbo, adjetivo, conjunção...) e funções (predicado, objeto, etc...). O serviço mapeia a relação entre os componentes, então, os usuários ou motores de análise podem, mais facilmente, compreender o significado individual de uma sentença ou documento. Em versão beta, o serviço é gratuito.

10. Retrieve and Rank
O serviço ajuda usuários a encontrar informações mais relevantes para suas buscas usando uma combinação de pesquisa com algoritmos de aprendizado de máquinas que detectam “sinais” nos dados.

11. Speech to Text
O serviço converte a fala humana para texto e pode ser usado para toda aplicação que precisa de uma ponte entre a voz e um documento escrito, incluindo sistemas de controle, transcrição de entrevistas ou conferências telefônicas e ditar e-mails e notas. A ferramenta usa inteligência de máquinas combinadas com informações de gramática e estruturas de linguagem com arquivos de áudio por gerar transcrições mais precisas. O serviço está disponível em inglês, japonês, mandarim, português e espanhol. O serviço é gratuito para transcrição dos primeiros mil minutos.

12. Text to Speech
Essa tecnologia faz justamente o oposto do serviço anterior, transformando texto em áudio com entonação e cadência apropriada. Está disponível em diverso idiomas. Em português, há uma versão com voz feminina disponível. O primeiro milhão de caracteres.  é gratuito.

13. Tone Analyser
Alegria, tristeza, raiva, etc. As pessoas expressam diversas informações por meio de entonação de seus textos. Essa entonação pode impactar a efetividade de uma comunicação em diferente contextos. O Tone Analyser realiza análise cognitiva linguística para identificar melhores entonações para diferentes contextos de comunicação. Ele detecta três tipos de tons: emocionais (raiva, desgosto, medo, alegria e tristeza), propensão social (abertura, conhecimento) e estilos de escrita (analítica, confessional e argumentativa) em um texto. A versão beta é gratuita.

14. Tradeoff Analytics
A tecnologia ajuda pessoas a fazerem melhores escolhas levando em conta pontos múltiplos objetivos, conflitos e outros fatores que compõem o processo de tomada de decisão. O serviço pode ser usado para ajudar na tomada de decisões complexas ou simples. O Tradeoff Analytics usa a lógica de Pareto (80/20) para filtrar técnicas com a finalidade de identificar melhores alternativas entre distintos critérios. A tecnologia pode ser usada também em abordagens visuais para os usuários tomarem decisões. As primeiras 1 mil chamadas de APIs de cada mês são gratuitas.

15. Visual Recognition
O serviço permite analisar imagens ou trechos de vídeos para compreender o que acontece em uma cena. Usando recursos de aprendizado de máquinas, um sistema ajuda no reconhecimento e classificação semântica de informações visuais, com objetos ou eventos. A ferramenta vem com alguns modelos de imagens já reconhecidos para prover resultados com base em analise e aproximação. A versão beta é gratuita.

16. Cognitive Commerce
A inteligência e os conselhos de personalização e contexto trazem oportunidades comerciais para consumidores e negócios por meio de recomendações mais relevantes. O serviço, disponibilizado no Bluemix por um parceiro IBM chamado Cognitive Scale, ajuda empresas em transações comerciais. Também é gratuito em versão beta.

17. Cognitive Graph
O recurso agrupa conhecimento fornecido por terceiros, dados internos, fontes privadas de informações e usa modelos de domínio específico em respostas com representação gráfica. A solução usa machine learning e pode ser aplicada para solução de diferentes tipos de problemas. Grátis em versão beta.

18. Cognitive Insights
O serviço oferece insights e previsões com base em contexto e observações personalizadas que tem como propósito evocar ações nos usuários. Os insights servem para aumentar o conhecimento, percepção e identificação de um tópico por um usuário com o objetivo de aumentar a eficiência, melhorar processos de decisão e fortalecer sua habilidade de reagir rapidamente a um cenário emergente. A versão beta é gratuita.


O Bluemix é uma plataforma em nuvem na qual as pessoas podem consumir várias soluções IBM e explorar a integração de aplicações. O catálogo de soluções disponíveis é bastante amplo e segue em constante evolução. As possibilidades com base na tecnologia são bastante amplas.

Além dos recursos de Watson listados nos pontos acima, o portal da Big Blue disponibiliza também 25 soluções orientadas a analytics e análise de dados; 24 orientados à aplicações web, 11 de DevOps; sete para mobile; seis para integração; cinco de contêineres de imagens; quatro para segurança; uma para storage e uma para rede. Esse número de recursos disponíveis cresce de maneira constante.