[Música] sejam bem vindos ao neurologia até que eu sou átila biólogo pesquisador e organizador de informação em vídeos oi tudo bem eu sou paulo programador e marqueteiro da lua cursos online de tecnologia hoje a gente vai ver como usar o poder dos dados para prever o futuro no episódio sobre o dilúvio de dados falamos sobre como a gente está produzindo cada vez mais dados e como o poder de computação aumenta como episódio de singularidade humana explica agora a gente consegue analisar esses dados e extrair lições e uma das ferramentas mais poderosas que a gente tem
pra isso é a área de deitar science imagine que você recebeu a mesma tarefa que o matemático húngaro empurra molde na segunda guerra e está encarregado de otimizar a blindagem de aviões de combate ingleses o problema dessa blindagem é que ela é pesada demais num avião completamente blindado e à prova de balas simplesmente não têm como decolar então ao invés de fazer o encouraçado aéreo a gente precisa planejar bem onde colocar as poucas partes blindadas desse avião foi o que os militares e o grupo de pesquisa em estatística do qual fazia parte fizeram checar os
aviões que voltavam de combate e anotar onde eles tinham um furo de bala e com isso virão quais as partes dos aviões que mais levavam tiros então esses são os lugares para colocar a blindagem certo e é aí que a capacidade de análise do od faz a diferença ele entendeu que os aviões não tinham mais furos na fuselagem e nas asas à toa não é como se essas áreas atrás sem mais tiros do que o motor ou sistema de abastecimento o ponto é que os aviões que voltavam e podiam ser observados eram os aviões sobreviventes
o audi soube dar um passo para trás e reconhecer mais do que a estatística de distribuição de furos ele soube reconhecer o que gera essa distribuição se quase nenhum avião medida tinha o motor baleado não é porque os tiros não acertava os motores mas sim porque aviões que levaram tiros no motor caíram e não sobraram para serem observados usar os locais mais atingidos dos aviões que voltar para brindar seria como fazer um colete à prova de balas para as pernas pensando nas pessoas baleadas que estão no hospital fazer o que o outro fez é pensar
como um cientista de dados onde a eta sites pensar em como usar os dados para saber mais do que eles mostram durante a década de 80 e 90 físicos e matemáticos e invadiram áreas como as finanças e aplicaram modelos que mudaram a forma como o wall street opera por exemplo agora a gente está sempre falando sobre big data algoritmos como a gente sabe o que as pessoas fazem mas o que a gente nunca vem detalhes é o que acontece por trás disso e como a gente pode usar esses dados para saber o que vem pela
frente o volume de dados que a gente tem para analisar hoje permite fazer modelos para prever situações futuras a gente está na transição entre explicar o que aconteceu e predizer o que vem pela frente não é mais com a página mais visitada do ano passado e sim com base nas páginas que mais foram visitadas ano passado quais serão as mais usadas nesse ano e no ano que vem é como a diferença entre keller e nilton o kepler observar os planetas pelo telescópio e calculou como a gente gira em torno do sol em órbitas elípticas ele
interpretou os dados para saber o que está acontecendo já o nilton usou essa informação e novas observações cair além de calcular lei da gravitação universal e desenvolveu uma fórmula que não só explicar o que está acontecendo com o credit onde e quando a gente vai estar em um outro ponto da órbita nilton entendeu os padrões para reconhecer como astros de massas que a gente nunca observou se comportavam aliás não só como o astro se comportam como os foguetes até os satélites que a gente usa hoje em dia precisam ser acelerados para chegar onde eles são
necessários a estatística é a ferramenta matemática explicou com muitas situações acontecem da mesma forma que o kepler especialmente em casos como o comportamento das pessoas interpretação de linguagem ou mesmo direção automatizada até agora a gente usou estatística para catalogar o que acontece mais de 30% das pessoas pretendem votar no tucano em 2018 doze por cento dos motoristas dão seta antes de trocar de faixa e por aí vai já que são os sistemas tão complexos que a gente não tem uma lei simples e universal como a lei da gravitação mas agora a gente tem uma nova
ferramenta que ajuda a achar respostas mesmo quando a gente não sabe a pergunta a se fazer o aprendizado de máquinas o machine learning ea resposta nem precisa ser 42 agora a gente pode deixar o programa um algoritmo checar os dados pra aprender como eles estão distribuídos e construir as regras para predizer como os próximos vão se comportar mesmo se a gente não conhece ou nem entende que regras são essas principalmente quando o que a gente tem para analisar não só mais números estruturados nem todo mundo vai ter acesso aos dados de compras ao longo do
tempo que deixaram a target saber que uma consumidora estava grávida antes do pai dela porque comprou um hidratante como a gente já explicou o episódio de big data muitas vozes de informação hoje em dia não são estruturadas como textos vídeos ou até as fotos de satélite que alguns mercados usam pra saber o movimento ea saúde financeira dos concorrentes com base no número de carros parados no estacionamento e parece interessante descobrir os padrões nos dados mas como essa informação vêm de todo o lado o grosso do trabalho de 12 horas antes pode ser gasto garantindo que
os dados estão limpos como garantir que vírgula e ponto nos números estão sendo usados de maneira consistente ou checar as datas e ver se elas estão todas no formato dia mês e ano e não no formato mês de ano em uma análise normal dados ruins vão gerar um resultado ruim mas trocando dado o resultado se resolve já em uma análise mais arrojada com o aprendizado de máquinas dados ruins criou modelos errados e aí não tem dado novo que corrija o modelo que foi construído errado por exemplo se você treinar o seu programa tem mil para
reconhecer motos mas todas as fotos e vídeos que usar tiverem alguém montado na moto ele pode entender que motos precisam de pessoas em cima ou que as pessoas montadas fazem parte do que é uma moto já se você só treinar ontem mil com fotos de motos 100 pessoas em cima ele pode não reconhecer uma moto embaixo de alguém e se você quer ver como esse programa e se te mil pra não só reconhecer mortos e o john connor como continuar aprendendo depois do programado espera só um pouquinho escrete porque a gente vai falar de aprendizado
de máquinas e um outro episódio eu nem preciso ser esse tipo de cientista para saber que é provável que você está interessado em tenta sais uma das dez formações mais procuradas no linkedin e o melhor emprego do relatório glassdoor de 2018 é uma das carreiras mais quentes do momento há exageros à parte tem sim muito mercado ciência e diversão por trás da ciência dos dados que para trabalhar com isso você vai precisar saber modelar programar e fazer e usar ferramentas específicas então cada vez mais fácil de aprender que trabalhar e claro que a aluna tem
a carreira de dentista sair pra você e com 10% de desconto em halo a ponto com ponto br barra promoção barra supertec e lá você também encontra estatística e inteligência artificial python machine lane e muito mais e tem um conteúdo que tem crescido bastante na ura afinal não falta demanda aí quando você minerals tecnologias e achar o tema que é o mais proveito do calote posta aqui nos comentários e descreve no fórum da loura como você descobriu e nanotecnologia tech anterior onde a gente falou sobre como o youtube entrega os vídeos um comentário que eu
acho bem legal para discutir do leandro lourenço e mais uma galera que comentou com ele como o youtube não entrega os vídeos das pessoas para quem quer saber por que todo mundo comenta sobre o algoritmo do youtube como que entregam os vídeos notificam quem assiste por aí e por aí vai vale ver o episódio sobre teste saab não tem mais uma versão fixa de como plataforma desse tamanho funciona todas as redes sociais grandes estão o tempo todo mexendo aqui e ali pra ver como manter as pessoas lá dentro por mais tempo e claro trazem mais
anunciantes por outro lado nessa situação que a gente esquece rápido que há uma chance muito maior de poder fazer conteúdo e aparecer por aqui eu teria muito menos chances de ter um canal de tv se tivesse alguma falando que a gente fala por aqui sem falar no que dá pra assistir a aprender com o youtube inteiro ao contrário da tv que tem que atender uma audiência enorme com conteúdo mais ou menos interessante pra todo mundo a gente aqui pode falar de um conteúdo de um interesse enorme para um público bem escolher um assunto legal responder
comentários e interagir como a gente interage por aqui o que eu pelo menos considera um privilégio absurdo com essa plataforma que não se esquece de curtir e compartilhar o vídeo assim o canal pra mais dados usados de maneira inteligente que até a próxima quinta [Música]
