<img height="1" width="1" style="display:none" src="https://www.facebook.com/tr?id=633097343493783&amp;ev=PageView&amp;noscript=1">
canal-comstor-logo
O blog dos negócios de TI.
Comstor Americas
  • Nextmove Security 2019
  • Baixar E-book
  • Westcon-Comstor lança o BlueSky Solutions Marketplace
  • Partner Portal
  • Baixar agora
  • Baixar agora
  • Nextmove Security 2019
  • Baixar E-book
  • Acesse agora
  • Partner Portal
  • Baixar agora
  • Baixar agora

5 dicas para superar barreiras na adoção de Machine Learning

Publicado em 25/mai/2018 5:00:00

Convencimento depende de resultados. Veja como ser mais ágil e eficiente no treinamento das máquinas.

 

5 dicas para superar barreiras na adoção de Machine Learning

 

 

Relatório recente da consultoria Deloitte aponta que os empresários não estão sabendo tirar proveito dos benefícios oferecidos pelo Machine Learning. De acordo com o estudo, menos de 10% dos entrevistados disseram que suas empresas investem nessa tecnologia.


Alguns dos motivos apontados são a falta de equipe capacitada para lidar com o Aprendizado de Máquinas, ferramentas ainda em desenvolvimento e que não dão total confiança aos empresários para investirem, aguardando a maturidade dos serviços oferecidos pelos provedores e, ainda, a falta de grandes conjuntos de dados necessários para treinarem as máquinas.

 

Realmente são fatores básicos para a inserção do Machine Learning na rotina de qualquer negócio, mas que fazem parte do processo. Impossível automatizar tarefas se pelo menos um desses fatores citados está defasado, porém, é preciso iniciar para não correr o risco de deixar a empresa tecnologicamente desatualizada.

 


Por isso, listamos aqui algumas dicas para superar as barreiras na adoção de Machine Learning e incentivar os executivos das empresas a investirem:

 

1. Inicie automatizando as funções dos cientistas de dados: esses talentosos cientistas estão com alta demanda no mercado e são cada vez mais raros. Por isso, suas funções precisam ser automatizadas para que se ganhe produtividade e agilidade dos processos.


80% de suas funções, ainda de acordo com o estudo da Deloitte, são passíveis de serem automatizados de forma parcial ou total, como por exemplo, disputas de dados, engenharia e seleção de recursos. Startups e outras empresas especialistas podem fazer essa programação, diminuindo de meses para dias uma prova de conceito de máquinas.


2. Reduza a quantidade de dados de testes e ganhe agilidade com dados reais: para ensinar as máquinas, é preciso ter, lógico, informações para alimentar os algoritmos. O que é certo, o que é errado. Criar muitos dados falsos, que imitem o real para testes pode ser demorado e oneroso para as equipes.

 

A própria Deloitte chegou a testar uma ferramenta que utiliza 20% dos dados de treinamento necessários, alcançando uma média de acerto em 80%. O índice pode ser realmente melhor, mas que tal ir ajustando os parâmetros, utilizado os dados reais e já colocar o sistema para rodar?

 

A Cisco e a Internet de todas as coisas

 

 

3. Invista em ferramentas certas para acelerar o treinamento das máquinas: processadores especializados, como GPUs, estão sendo desenvolvidos para encurtarem as semanas que são necessárias para o treinamento de um modelo de aprendizado de máquinas. Investir nestes equipamentos faz a diferença total no ganho de agilidade e corte de custos de implementação do Machine Learning.


4. Convença a equipe que toma as decisões pela empresa a partir de resultados: muitas vezes, executivos de alto escalão podem barrar o investimento em Aprendizado de Máquinas ou em outras tecnologias porque não conseguem entender a real utilização dessas inovações. Porém, se a apresentação de resultados for feita de forma didática, fica mais fácil esclarecer os benefícios e convencer as pessoas que tomam decisões sobre os investimentos.


Um exemplo é o método de treinamento desenvolvido pelos cientistas do MIT de uma rede neural que além de fornecer previsões precisas, justificam os usos dessas previsões.


5. Inicie implantando o Machine Learning em dispositivos próximos e em tarefas mais comuns do negócio: o relatório da Deloitte resume que o Aprendizado de Máquinas já se mostrou uma tecnologia muito valiosa e com muitas possibilidades.


Por isso, para que a empresa comece a conviver com essa inovação e ganhar confiança para avançar, mesmo que aos poucos, o ideal é automatizar tarefas mais comuns, repetitivas, para que as pessoas comecem a enxergar em tempo real os benefícios das ferramentas. São muitos softwares e hardwares disponíveis no mercado que possibilitam a implantação dessa forma.

 

Em resumo, sempre que entra no mercado uma nova tecnologia e que seus benefícios são explícitos, a reação humana de desconfiança e questionamento sobre a eficiência da ferramenta devem ser combatidas com conhecimento, exemplificação e resultados.

 

Categorias: Machine Learning