Recursos/White Papers

Tecnologia

3 erros comuns no uso do machine learning

Muitas empresas estão desperdiçando dinheiro, reduzindo o desempenho de aplicativos e obtendo resultados ruins

David Linthicum , InfoWorld/EUA

Publicada em 02 de julho de 2018 às 07h39

Sou um grande fã do Machine e do Deep Learning baseados em nuvem e da Inteligência Artificial em geral. Afinal, você não pode ser um geek sem imaginar ter uma conversa com um ser artificialmente inteligente que possa responder a perguntas e realizar suas tarefas!

Dito isso, também estou vendo o Machine Learning e o Deep Learning sendo mal aplicados repetidas vezes. Todos têm consertos fáceis na maior parte do tempo e, certamente, o Machine Learning baseado em nuvem veio para ficar. Mas use-o com sabedoria e apropriadamente.

Aqui estão os três principais erros recorrentes que devem ser evitados. 

1. Dados insuficientes para o treinamento do modelo
Machine Learning sem aprendizado é inútil. O verdadeiro caso de uso para o aprendizado de máquina é a aplicação de algoritmos a uma quantidade massiva de dados, para a identificação de padrões usados no treinamento das aplicações. 

Então, sem dados, sem aprendizado. Embora um aplicativo de Machine Learning possa coletar dados ao longo do tempo e se tornar mais inteligente, ele precisa de um ponto de partida em que haja dados suficientes para ensinar ao sistema como pensar em primeiro lugar.

2. Uso do Machine Learning onde ele não é necessário
Essa é a falha mais comum que vejo, resultando em empresas gastando três ou quatro vezes os custos de desenvolvimento para usar Machine Learning em um aplicativo - sem absolutamente nenhuma razão. Os sistemas de aprendizado da máquina simplesmente não oferecem vantagens reais em muitos casos de uso. 

A lógica processual funciona bem na maior parte do tempo, portanto, construir uma base de conhecimento para, digamos, um sistema de contabilidade ou de agendamento é um pouco exagerado. Pior, os aplicativos resultantes são muito menos eficientes. 

3. Falta de entendimento do seu real impacto 
Incorporar sistemas de Machine Learning em aplicativos às vezes pode torná-los muito mais valiosos para os negócios. No entanto, também pode matar o desempenho do aplicativo.

Pense nisso: um serviço de aprendizado de máquina incorporado pode ter vários segundos de latência à medida que executa seus algoritmos. Se esta aplicação fornecer uma resposta quase em tempo real, qualquer valor do aprendizado de máquina desaparecerá rapidamente, considerando a perda de produtividade da resposta atrasada.

machinelearning



Reportagens mais lidas

Acesse a comunidade da CIO

LinkedIn
A partir da comunidade no LinkedIn, a CIO promove a troca de informações entre os líderes de TI. Acesse aqui