Olá, tudo bem? Meu nome é Anderson, serei seu professor nesse conteúdo de dados e fazendo para você a minha autodescrição. Sou um homem branco com cabelos castanhos.
Estou utilizando uma camisa preta e uso barba. Fundamentos de dados. Módulo um, como os dados são usados na inteligência artificial.
Bem, vamos para o slide então. E eu quero apresentar para você o que nós discutiremos. Qual será então o tema abordado aqui nesta aula, tá?
Essa é a aula número dois do módulo um, como os dados são usados na inteligência artificial. Então você lembra que no anúncio dessa aula, né, a gente falou um pouquinho que nessa aula agora a gente ia discutir um pouco desse assunto, né, sobre inteligência artificial. Vocês terão um outro módulo que vai trabalhar somente especificamente disso, né, mas eu preciso falar um pouco até porque tá representado, né, tá associado aos dados, tá?
Então, os objetivos para você desta aula entender como os dados são utilizados para treinar sistemas de inteligência artificial, tá? Então você vai ver que dentro dessa aula eu vou colocar ali um mapa mental, tá? E esse mapa mental ele vai trazer eh alguns caminhos, né?
eh, que você faz ali para ter então essa essa representação, né, de como os dados são utilizados paraa gente treinar realmente os robôs, os nossos algoritmos para eles terem esse comportamento como se fosse uma inteligência humana aprendendo, né, só que é uma inteligência artificial. E o segundo ponto que será trabalhado, né, é conhecer as eh algumas aplicações, né? Eu vou mostrar aqui, na verdade, eh qual é o padrão que é feito para ter aquele reconhecimento facial, né?
Eh eh assistentes virtuais e recomendações personalizadas também aí durante esta aula. Perfeito? Bom, então vamos lá então pro nosso primeiro slide e aí eu trago para você a definição de inteligência artificial.
O que que é uma inteligência artificial? Então, né? Então, vamos lá.
A inteligência artificial é a capacidade das máquinas de aprender. Essa essa capacidade da máquina de aprender, ela tá ligado ao ML, que é o machine learning, tá? Do inglês, aprendizagem de máquina ou aprendizado de máquina, o ML, tá?
Machine learning. E tem várias aplicações que nós utilizamos esse braço da IA, como se fosse um braço da IA, o ML, né, esse machine learning, para você colocar ali dentro do seu sistema, para você colocar dentro do seu algoritmo para fazer, enfim, com que tem esses comportamentos aí de IA, como eh para que o teu sistema tenha esses comportamentos de IA. De repente, você fez um sistema ali, eh, que você vai, eh, colocar eh para prestar um serviço para pessoas, tá, que estão, por exemplo, em situação de de rua, né, ou então para pessoas que estão perdidas, né, essas pessoas mais idosas, né, quando elas saem de casa, né, e de repente ali elas se perdem e não sabe voltar.
Isso é um problema. Teve pessoas, né, que eh se perderam, ficou dias eh desaparecidas por conta dessa questão aí de falta de instrução mesmo, né? Então, o que que acontece?
Você pode desenvolver programas que vão auxiliar essas pessoas, né? Eh, através de drones que possem que possam ficar monitorando e de acordo com alguns sinais, né? Quais sinais são esses?
Ah, a pessoa fica parada, por exemplo, eh, mais do que um minuto, né? Então seja pode ser, por exemplo, um primeiro sinal ou então a pessoa não conseguir atravessar a rua mesmo se não tiver nenhum carro passando, mesmo estando na faixa de pedestre, ela pode estar passando mal. Então alguns sintomas, então são gatilhos que eh vai eh que vai acionar, né, esses mecanismos desses robôs, desses algoritmos da inteligência artificial que tá por trás ali, vamos supor desse drone que eu tô dando esse exemplo, tá bom?
Então isso é o treinamento. Então você tem que expor o seu sistema, expor esses dispositivos a várias situações. Dessa maneira ele vai conseguindo aprender esses comportamentos, tá bom?
Então isso é uma aprendizagem de máquina, tá? Eh, você pode, por exemplo, utilizar um robô para fazer separação de grãos, tá? Você tá eh, sabe quando você vai, por exemplo, escolher o feijão, você compra lá um pacote de feijão no mercado, só que daí você vai lavar o feijão, tal, e aí tem aquele pessoal que escolhe o feijão, né, para você selecionar os grãos ali que você vai consumir ou não.
Tem gente que já não faz, não tem mais esse hábito, né? Mas antigamente o pessoal tinha bastante esse hábito de você escolher. Então você pode desenvolver uma aplicação com IA para ela executar esse tipo de trabalho, né?
É um trabalho manual. E aí você pode colocar uma máquina para fazer isso aí e você vai treinar ela para que ela consiga então fazer isso da melhor forma possível. E quanto mais você treinar ela, mais ela vai ficando, mais ela vai aprender.
Por isso que chama aprendizagem de máquina, tá? Vamos lá no slide mais uma vez, por gentileza. Então isso é aprendizagem de máquina, tá?
E qual é o objetivo disso, ó? E tomar decisões com base em dados. Concorda comigo?
De acordo com você vai treinando esse, vamos pegar esse exemplo que eu dei aí da da é de uma máquina ali fazendo a escolha dos grãos, né? Selecionando os grãos. Quanto mais ela fizer isso, mais ela vai est treinada nisso.
Então qual é, quais são as decisões, né? Você vai treinar essa máquina para quê? Para que ela tome decisões assertivas na escolha desses grãos, tá?
E cada vez mais ela vai tomar decisões mais assertivas nesta atividade, a ponto de uma hora ela tá eh igual uma pessoa humana, né, fazendo um trabalho tão bem feito quanto uma pessoa humana faz. Só que ela não precisa descansar, ela não precisa parar. Por quê?
Porque é uma máquina. Então a intenção da inteligência artificial, né, qual é a intencionalidade, né, de você ter uma inteligência artificial. Tem gente que se preocupa muito e às vezes pensa: "Ah, mas ela vai tomar o meu espaço, ela vai tomar o meu trabalho, ela vai tomar o meu cargo, né?
" Então elas são treinadas, né? Para substituir as pessoas humanas, sim, mas somente nessas funções que exigem exigem reforços repetitivos, tá? Então, por exemplo, ah, eh, ficar escolhendo o feijão ali, não desmerecendo esse ato, né?
Mas uma coisa que eu posso treinar uma IA para fazer, enquanto eu posso aproveitar o meu tempo para fazer uma outra coisa mais útil que de repente a IA não vai conseguir fazer tão bem feito quão como eu faço. Então quando a gente tem esse medo, né, esse receio de perder o nosso espaço de para uma Ia, eu sempre falo assim, a gente não tem que ter esse medo de perder o nosso cargo, o nosso trabalho, a nossa função para uma IA. A gente tem que ter medo de perder o nosso espaço para uma pessoa que saiba utilizar a IA, que saiba utilizar os artifícios da inteligência artificial melhor do que eu, tá?
Então, por isso que nós temos que cada vez mais nos habituarmos aí a incluir a inteligência artificial na nossa rotina de trabalho, né? Então, muita gente utiliza hoje os prompts, né, o Chat GPT, entre outros aí, né, o Mônica, eh, o Dipsic, né, o Copilot, entre outros assistentes ali para ajudar você em algumas coisas, eh, em algumas tarefas rotineiras. Vamos pensar assim, em automação.
Tudo aquilo que é repetido, eu posso automatizar. Tudo que eu posso automatizar, deixar o processo mais automático, né? Por isso e eu o nome automatizar, então eu posso colocar uma Ia ali para fazer o meu trabalho.
Perfeito. Lá no quadro mais uma vez, por favor. E aí continuamos ali, ó.
Ele coloca assim, ó. Diferente de um programa comum que apenas segue instruções fixas, aí analisa padrões nos dados e melhora seu desempenho ao longo do tempo. Então é isso que eu falei.
Quanto mais dados você tem, né? Quanto mais, vamos pegar o outro exemplo do drone que eu falei que ele vai ficar monitorando pessoas eh que estão desorientadas ali e tal. Então, quanto mais pessoas ele fizer esse trabalho, mais dados ele vai ter.
Concorda comigo? Você tá eh você tá inserindo dados, tá, no banco de dados dessa desse dispositivo, né, dessa inteligência artificial. Então ele vai analisar esses padrões.
Quanto mais dados tem, mais ele vai conseguir criar esses padrões nos dados e melhorar o desempenho aí ao longo do tempo, ao longo eh eh desse como esse dispositivo, né, a quantidade de tempo que esse dispositivo está ficando em uso. Perfeito. E aí eu tenho lá no meu slide eh uma e são três imagens, tá?
Eu trouxe ali no meio do nosso slide duas logos, né? uma na parte de cima que é o logo da Siri ou da Siri, e a de baixo que é a logo do da Alexa, tá? Que são os nossos dois assistentes aí.
Quem usa, por exemplo, o iPhone, né, o celular da Apple, vai trabalhar com a Siri, né? E aí você fala lá: "E aí, Siri, como é que tá o tempo hoje? " Alguma coisa assim.
E aí o celular já começa a responder para você ali. São os assistentes virtuais. E a Alexa, a mesma coisa já é mais popular, né?
Eh, tá dentro aí, por exemplo, tem TVs que já vem com a Alexa dentro, né? E aí você pergunta algumas coisas ali e ah, abre o YouTube, procura essa música, toca para mim, eu quero essa música aqui versão rock. Então, tudo isso daí ele vai procurar para você.
E no canto direito do nosso slide, né, mais à direita, eu tenho uma outra imagem que é um chatboat. O que que é um chatboat? Chatbo é um atendimento eh automatizado, né?
Isso é um chatbot. Então, qualquer serviço que você vai fazer, né, hoje em dia, através de uma clínica médica, marcar uma consulta, vou usar um exemplo meu. Eu sempre eh perco, né, por exemplo, o boleto da companhia eh elétrica, né, da minha energia elétrica que eu pago lá, que eles mandam, mas aí às vezes some, extravia, enfim, às vezes acontece do e-mail não chegar.
Então eu tenho o WhatsApp dessa companhia de energia elétrica que presta serviço lá no meu na minha residência. Então através de um chatbot, eles eles proporcionam um atendimento. Eu coloco lá, por exemplo, o meu CPF, algo que me identifique, eles já me dão um menu, pergunto o que que eu quero fazer.
Eu eu escolho lá, que eu me lembro, a opção três para consultar eh boletos ou mensalidades que estão em aberto, que não foram pagas ainda. Ele vai me dar, ele me pergunta se eu quero o código de barro. falo que sim, ele já me dá ali, eu já consigo através desse código de barra efetuar o pagamento, né?
E depois ele me pergunta se eu quero fazer mais alguma coisa, eu falo que não, OK? De repente ele ainda me pede para avaliar se o atendimento foi útil, qual nota que eu dou de 0 a 10. Então, tudo isso é um chatboot.
E percebe aí que você tá fornecendo dados? Essa última informação mesmo que ele fala, ó, eh eh você tem um tempinho para responder uma pesquisa? Você fala assim, ele te te manda, é uma pergunta só, né?
de 0 a 10 ou de 1 a 10, como você considera o seu atendimento, né? Eh, ruim, eh, regular ou ou bom ou ótimo. Ou então você não foi atendido, você foi parcialmente atendido, ou você foi totalmente atendido.
Você respondendo essa pesquisa, você gera dados para essa empresa. E essa empresa, através desses dados com a inteligência artificial, ela pode montar dashboards, ela pode montar apresentações, tá? que vai servir ali para mostrar o cenário da empresa, né, eh, daquelas daquelas situações que os dados são representados pros gestores, pros diretores, e eles podem tomar decisões ali a partir desses dados.
Ó, eu acho que tá bacana. Olha só, o pessoal aqui tá eh falando que ficou muito ruim. Será que não é o chatbot que tá eh ruim?
Será que a gente não tem que aperfeiçoar ele? Será que a gente não tem que trocar o sistema, né? Então, baseado nessas pesquisas que você também é responsável por gerar, né, por produzir esses dados, eles podem tomar decisões assertivas.
OK? Vamos então para o próximo slide. E aí, vamos lá.
Eu quero que você visualize, né? Eh, nessa tela tá sendo projetado um mapa mental, tá? Além de duas fotos também à direita desse mapa, tá?
Então, esse mapa, o título do slide é como a IA aprende. Será que ela aprende do mesmo jeito que nós aprendemos, como quando éramos crianças, né? Então, ele tem ali um mapa mental que mostra alguns caminhos, tá?
Que eh como como a IA faz ali para aprender alguma coisa, né? Como é que ela como que ela executa esse aprendizagem, essa a essa aprendizagem de máquina, o machine learning que nós estamos discutindo, tá? E do lado direito desse mapa mental tenho duas imagens.
A imagem que está acima é uma mãe com uma criança de colo. Ela representa somente isso, tá? É uma mãe como com uma criança no colo dela.
E a imagem de baixo é como se fosse um robô estudando. Então tem a imagem de um quadro negro, tá? Eh, feito a gis ali mesmo, cheio de de fórmulas, tá?
de figuras geométricas, como se a pessoa estivesse estudando ali matemática ou física. Só que essa pessoa é um robô, né? Então, visualiza ali como que se fosse um robô com um giz na mão, olhando pro quadro, estudando aquilo ali.
Isso representa então a aprendizagem de uma máquina, certo? A aprendizagem de máquina que é o nosso machine learning. E a foto de cima que eu falei que tem uma uma mãe com uma criança de colo, representa uma das formas que o nosso mapa mental está falando, que é como a criança aprende.
Então, como a IA aprende. Aí o primeiro braço do meu mapa mental é comparação com bebês, tá? Então essa imagem tá ligada a essa comparação.
Então agora vamos pro mapa mental. Então, a o primeiro leque ali que esse mapa mental abre é esse, comparação com bebês. O segundo que tá no meio do slide é método de aprendizado, tá?
E o terceiro que está mais logo abaixo são fatores de influência. Perfeito. São os fatores de influência.
Então, vamos olhar lá o primeiro, né? Comparação com bebês. Que que tá acontecendo aí?
Tá? Então eu tenho ali na frente aprendizado de falar. Então como que a criança aprende falar?
Uma comparação, né, da IA com o aprendizado de uma criança. Como é que a criança aprende a falar? Ela tem um processo gradual, né?
Então ela vai progredindo ali todos os dias, todas as semanas, todos os meses, ela vai ficando diferente nessa, nesse desenvolvimento aí da sua fala. Qual é o método mais eh eh mais comum aí de aprendizagem de uma criança? observação e repetição.
Então ela observa você falando algumas palavras e vai repetir. Por isso que o pessoal fala: "Ó, cuidado com o que você vai falar perto da criança". Por quê?
Porque a criança ouve e repete, né? Até tem aquelas coisas assim, né? Onde você aprendeu isso aí, menino, né?
Onde você aprendeu isso aí, menina? Né? Então você já sabe aí com quem a criança ficou, vai saber mais ou menos aí quem quem que ensinou aquela palavra pra criança.
Por quê? Porque ela observa, ela escuta, né? Ela ouve ali e aí ela vai reproduzindo, tá?
uma das formas de aprendizagem de uma criança. Aí uma outra comparação, então, é são os métodos de aprendizado, tá? Que que acontece?
Como o A? Então eu tenho o segundo fator ali, que são os métodos de aprendizado. Aí eu tenho o aprendizado supervisionado, o aprendizado não supervisionado e o aprendizado por reforço.
O aprendizado supervisionado, eu tenho dados rotulados e um feedback contínuo, tá? Então tô supervisionando ali continuamente, vamos supor que seja um algoritmo ali, eu tô dando aquele, eu tô acompanhando de perto, tá? São dados que eu entrego para ele.
Eu não deixo ele ir a captura de dados, são dados rotulados, ó. São esses dados aqui que eu vou utilizar para treinar você. E o feedback contínuo.
E eu vou fazendo os ajustes ali que eu quero, que eu pretendo e eu vou deixando aquele robô, aquela máquina, aquela inteligência artificial do jeito ali que eu quero ou que o cliente quer, tá? Eu tenho também um outro tipo de aprendizado, né, desses métodos, que é o aprendizado não supervisionado, que é o que tá no meio aí dessa parte, tá? E aí eu tenho duas vertentes, a identificação de padrões e o agrupamento de dados.
Então eu posso ter ali eh deixar com que essa máquina identifique padrões. Então eu tenho, por exemplo, um gráfico de linha onde representa ali a idade eh dos alunos do oitavo ano do ensino fundamental. E aí eu tenho um gráfico de dispersão, posso ter um gráfico de barras, nós vamos chegar nesse conteúdo de gráficos, né?
Mas eu tenho dados representados ali. E aí eu deixo aí analisar esse gráfico e ela vai identificando padrões, tá? Então ela pode identificar um padrão assim, ó.
Os alunos aqui, 80% dos alunos que estão neste ano do ensino fundamental estão com a idade correta, né? Pega o corte etário lá, eh, sei lá, tem 13 anos ou 14 anos, né? a idade que é certinha lá para aquela série.
Então, é um padrão que ele pode identificar. Outro tipo de padrão com outro exemplo, eh as pessoas que eh nasceram aqui nesse país, vamos pegar um país aí, eh Suécia, tá? Tem uma pele eh tende a ter uma pele mais clara ou um cabelo mais claro, né?
loiro, um loiro mais claro. Perfeito. Então são padrões que ele vai identificar.
Lógico que nós temos pessoas, né, de todas as as raças em todos os lugares do mundo, mas predominantemente, né? Então, por isso que tá que fala aqui, claro, identificação de padrões. Então, ele vai ver um padrão, tá bom?
E assim também você pode, eh, eh, explodir, né? Ou seja, pôr para fora assim esse exemplo em todas as as esferas aí do mundo, tá bom? se você for lá para pro Canadá ou então pro sul da África, paraa Índia, enfim, e assim por diante.
Bom, aí eu tenho o terceiro ali, que é o aprendizado por reforço, que é um pouco mais fácil de entender, que é o recompensa e punição. Igual isso é muito utilizado quando a gente vai eh quando a gente vai fazer isso daí em animais domésticos, quando você vai adestrar o seu cãozinho ali para ele obedecer, para ele se comportar um pouco melhor, né, para ele controlar ali a sua ansiedade, né? Então, os animais domésticos também t muito ansiedade.
Então, recompensa e punição. Ou seja, quando ele faz a coisa certinha ali, de acordo com o treinamento que ele deu, você dá um petisco, certo? Quando você, quando ele não faz, existe a punição.
A punição não é uma coisa que você vai judiar, não. Pelo contrário, você simplesmente você vai ensinar que quando ele faz certo, ele ganha o petisco. E quando ele não faz certo, ele não ganha.
Essa seria a punição, né, entre aspas aí. Eh, creio que você entendeu. E aí eu tenho ali a tomada de decisões, tá?
O aprendizado por reforço. Então você vai também eh fazer com que a a máquina, né, eh seja incentivada a essa tomada de decisões pelo aprendizado por reforço. Tá bom?
Faltou agora falar só mais de um método, eh, aliás, de uma de uma área aqui de como a aprende, né? Falamos da comparação de com bebês, o que tá sendo projetado aí no mapa mental. No meio tem os métodos de aprendizado que nós acabamos de falar agora.
E aí nós temos mais um braço que tá ali embaixo que é são os fatores de influência. E aí eu tenho o que tá mais ligado à área de tecnologia. Eu tenho o primeiro fator dados, que é na quantidade e na qualidade.
Ou seja, os dados estão brutos ou eles já estão tratados, né? Então, quantidade e qualidade. Aí eu tenho os algoritmos.
Eu tenho vários modelos diversos de treinamento, tá? E eu tenho os ajustes e e otimização. E no terceiro ponto ali, eu tenho a experiência, que é o processamento de informações e o aprimoramento contínuo, tá?
Então, tem tudo isso daí que eu posso utilizar de acordo com esse mapa mental para representar eh pra gente entender um pouco, né, como a IA faz para aprender alguma coisa, tá? No próximo slide, eu trago ali exemplos de A para você. Então, nós temos quatro imagens aí sendo projetadas nessa tela para você, tá?
Vou começar pelo meio. No meio eu trago novamente as logos dos nossos dois assistentes ali vinculados aos smartphones, vinculados aos nossos celulares, tá? Eh, na parte de cima tem a logo do assistente da Siri e na parte de baixo eu tenho a logo do assistente ali da Alexa.
Perfeito. Do lado direito eu tenho uma representação de um streamer, tá? De um streaming, né?
de filmes, de séries, né? Eh, enfim, né? De TV aberta, jogos.
Hoje em dia no streaming você consegue fazer tudo também, né? Você assiste jogo, né? Então, você tem ali os alguns canais, eu falei TV aberta, mas não, alguns canais de TV fechada que você tem ali também dentro dos streamers, além de ter os conteúdos que eh você pode, eh, dar pause e e voltar, enfim, né?
que são conteúdos passivos que você vai eh consumir ali. São os filmes, as séries que a gente já tá acostumado. Do lado esquerdo, tá?
Eu tenho uma outra imagem representando um conceito que tava lá nos objetivos dessa aula, que é o reconhecimento facial. Você já deve ter percebido, né, que o reconhecimento facial ele invadiu aí, né, a a a o nosso mundo, né, a nossa cidade, nosso estado, nosso país aí e o mundo também tá rodeado dessa questão da tecnologia de reconhecimento facial, né? Então, eh, prédios comerciais, portarias de condomínios, tanto verticais quanto horizontais, né, eh, empresas estão colocando essa questão do reconhecimento facial.
Por quê? porque ele é mais seguro do que simplesmente você digitar a senha. Antigamente para você entrar no condomínio, né, você era cadastrado, lá você tinha a senha, então você colocava a senha e entrava.
Só que uma outra pessoa moida da da tua senha, ela podia ter roubado a tua senha digital, né? Né? Certo?
Então ela ela hackeou o teu teu Instagram, então ela hackeou o teu WhatsApp, eh pegou essa senha que de repente você passou paraa sua mãe, passou para algum amigo seu para pegar alguma coisa da sua casa lá e ela pode entrar no condomínio. Se for um condomínio que não tem uma portaria física, né, tudo bem, tem câmera para gravar, mas a pessoa coloca capuz, né, então tem essa essa questão também de você burlar até achar quem foi, né, aí já é tarde. Então a pessoa tava dentro do prédio e dentro do prédio ela pode fazer o que ela quer, né?
Então, a gente eh não pode duvidar aí da capacidade, né, que as pessoas têm de fazer esse tipo de coisa também, aplicar golpes, enfim. Então, o reconhecimento facial ele é muito mais assertivo, né, eh, do ponto de vista que você, a pessoa tem que tá ali, né, então você não consegue emprestar o teu rosto para outra pessoa, né? Então, você tem que ser a pessoa que tá ali mesmo para reconhecimento, para ter o reconhecimento facial e aí sim você ser liberado ali para entrar, né?
Por exemplo, nos condomínios existem existe o mercadinho, né, que você é naquele modelo self service, então não tem nenhum atendente lá. Você entra lá de acordo com o reconhecimento facial para já saber que você tá dentro do mercado e aí eles já sabem o seu nome, já sabe o seu rosto, já sabe qual apartamento que você mora, qual a casa que que você mora. É fácil de identificar ali se você de repente eh pegou alguma coisa e não pagou, tá?
Que eh daí já parte até para um para um crime, né? Eh, OK. E aí dentro dos mercadinhos tem uma outra parte lá que é que daí tem um outro reconhecimento facial, uma outra porta, né?
E essa porta também tem um dispositivo de reconhecimento facial que é de bebida alcoólica. E aí ele vai reconhecer mais uma vez ali e no sistema ele tem que bater, né? Tem que casar ali que você é maior de idade.
Você tem que ter no mínimo 18 anos para entrar ali, senão ele vai entrar, ele vai liberar para você entrar no mercadinho, mas a Lily não vai liberar para você entrar, tá? Então, bem bacana também esse tipo de situação. E isso eu tô te dando algumas ideias do que você pode fazer e do que já existe nos sistemas.
Por isso que nós precisamos dos sistemas. Mas aí eu te confronto, né? Tá.
O que que adianta o sistema se ele não se não tiver o teu rosto lá no banco de dados para conferir? Por isso que a gente fala o banco de dados, onde estão os dados, as informações, que é o objetivo do nosso conteúdo aqui, entender um pouco desse cenário, né, macro, que é engenharia de dados, que são os dados, é você produzir dados, para você ter dados para você utilizar a IA. A IA também sem esses dados, né, ela não consegue fazer nada porque ela precisa de dados, certo?
Na verdade, todos os sistemas sem dados eles seriam totalmente inúteis. Então, vamos supor, ah, o reconhecimento facial, tá OK, mas o sistema não tem informação nenhuma, não tem nenhum rosto lá, ele vai servir para alguma coisa? Não, ele precisa que pelo menos uma pessoa se cadastre para ter as informações, né, do rosto dessa pessoa lá dentro, baseado e entre outras informações, para identificar corretamente ali, né, ou então eh testar se uma outra pessoa que não não tá não está cadastrada, será que vai abrir?
Não, ele vai brecar. Aí eu tenho dados no banco para fazer o teste desse sistema. Então, até para fazer teste do sistema, eu tenho que ter dados, tá?
Então, espero que você tem eh tenha eh fic tenha ficado claro para você esses objetivos, né? Os dados eles são total importantes. Vamos lá no quadro mais uma vez.
E aí do lado esquerdo, né, tem essa imagem que a gente tá falando aí do reconhecimento facial. Então, o que que essa imagem está descrevendo para você? Eu tenho ali um rosto com algumas marcações, né?
que são algumas medidas que os sistemas de reconhecimento facial utilizam para identificar o rosto de uma pessoa. Então, é a distância entre os olhos, a distância do nariz, da boca ali, tudo isso claro, né, de acordo com fotos que ela vai tirando do seu rosto. Então, alguns sistemas eles pedem para tirar somente a foto de frente do seu rosto.
Já é o bastante para identificar. outros sistemas, né? Eh, principalmente do governo, né?
Para você, eh, fazer a carteira de habilitação ali digital, ele pede para você tirar uma foto de frente, daí ele pede, ó, vire um pouco, incline o seu, o seu rosto um pouco pra direita. Aí você vira aqui. Aí ele fala: "Ó, tá muito perto, tá muito longe.
" Aí você direciona a câmera, a hora que f a hora que fica certinho ali, que o sistema e eh identificou que tá OK, aí ele vai bater a foto e vai fazer a captura do seu rosto. A mesma coisa pro outro lado também. E aí ele precisa de três fotos, quatro, né?
eh um número de fotos ali de algumas dimensões para você fazer esse tipo de coisa também. Outra coisa que utiliza, né, bastante essa questão de foto, de câmera, de reconhecimento, é aí não é mais reconhecimento facial, mas utiliza também é para você fazer seguro de um veículo. Hoje em dia eles não mandam mais uma pessoa lá na sua casa para eh tirar fotos do seu veículo.
você mesmo recebe um login no aplicativo e você tem que tirar as fotos do veículo ali do jeito que tá sendo orientado para você mandar lá para eles eh fazerem, né, para eles efetivarem o seguro. Se alguma foto você não tirou corretamente, vai voltar para você refazer, né? Então, tudo isso são questões, né, que os sistemas junto com a IA, né, eh, de acordo com os dados que você tem ali armazenados, facilitam a nossa vida aí como usuário, né, como pessoas que utilizam também da tecnologia para desenvolver as suas tarefas.
Perfeito. Vamos então para mais um slide ali, na verdade, de conclusão desse conteúdo, tá? Então, falamos um pouquinho da inteligência artificial, né?
Mostrei para vocês ali aquele mapa mental. foi bem bacana. E algumas tecnologias como reconhecimento facial.
Então, de conclusão, tá? Conclusão. A primeira que nós podemos tirar sem dados, né?
Ou seja, sem o banco de dados, sem os dados, sem as informações, a IA não conseguiria aprender ou melhorar suas respostas. Lembra? Ela tem que treinar, você precisa de informação para treinar o algoritmo ali.
Então, entendemos que a IA usa dados para aprender a e identificar padrões. O reconhecimento facial, né? Eh, assistentes virtuais e recomendações personalizadas são exemplos práticos da IA, tá?
E outra questão é quanto mais dados a IA tem, mais ela pode melhorar a sua precisão. Perfeito. Eu vou ficando por aqui nesse conteúdo.
Vamos lá no slide mais uma vez, somente para o spoiler aí, ó, do próximo vídeo, né? No próximo vídeo, ó, vamos compreender as formas de armazenamento de dados. Aí é o módulo dois.
a gente vai trabalhar um pouquinho com as várias formas, né, que existem para você armazenar dados. Perfeito, vou ficando por aqui. Um grande abraço para você e te espero no nosso próximo encontro.
