Você já parou para se perguntar qual é o tipo de carreira em IA que você deseja iniciar e o que irá fazer nela, seria coordenar? Programar? Inovar?
Considero que todas essas coisas são possíveis. Na primeira, você gerenciaria um time de IA, na segunda faria parte desse time e na terceira trabalharia em um laboratório de inovação ou com pesquisa.
Partindo disso um ponto fundamental é que você goste da tal lógica. Algoritmos são a base da IA, quanto mais desenvolvido for o seu raciocínio lógico, melhor.
tenha interesse em questões filosóficas, de neurociência, matemática, física e até de psicologia. Na Filosofia, além da área de Lógica, a de Teoria do Conhecimento propõe pensar como definir o que é conhecer algo, e isso é importante para IA.
De um modo geral, em machine learning nós precisamos desenvolver um modelo matemático que possa representar certas suposições sobre um problema do mundo real que estamos tentando resolver e confirmar nossas suposições, ou hipóteses, sobre tal problema. Assim, nós precisamos elaborar uma função de custo que nos permita medir o quão bem estas suposições correspondem à realidade. Para tanto, nós precisamos de um algoritmo de treino que se baseie em conjuntos de dados representativos em relação ao problema (os dados de treino relativos ao domínio da tarefa), e que seja capaz de minimizar a função custo (também conhecida como função de perda), pois este é o objetivo. Durante este processo, a matemática é utilizada diversas vezes por meio de uma camada de software, no que pode chegar a ser uma mistura de modelagem estatística com teoria da probabilidade, álgebra linear, cálculo diferencial e outras aplicações matemáticas. A esta altura, você já percebeu do que precisará para trabalhar com Machine Learning, certo? Pois é, o ML é, fundamentalmente, matemática aplicada e software.
Mas calme fique tranquilo!…
Saiba uma linguagem de programação. Assim pode aplicar os algoritmos, a lógica e as teorias usando um computador. Aconselho Node (para as APIs de serviços), Python (para os códigos e bibliotecas). C ou C++ são uma boa também. Teste programar em algumas dessas linguagens e veja com a qual sente maior afinidade e qual você se sente mais a vontade.
Você já pensou sobre os pontos acima e sabe que tem um super interesse. Agora pratique. Procure pegar um problema simples e resolva-o até o final. E então pegue um próximo, outro, e assim por diante.
Isso é importante para que você sinta como é desenvolver uma solução.
Após ter implementado alguns processos e colhido os frutos dessa automação, o próximo passo nessa jornada é incluir alguns elementos cognitivos no caminho, como reconhecimento de imagens, chatbots – é um robô (robot) que conversa com as pessoas via chat – ou até alguns algoritmos baseados em aprendizado de máquina (Machine Learning). Por exemplo, é possível automatizar todo o processo de pagamento de uma nota fiscal, com robôs que reconhecem o valor da nota, validam o processo e executam o pagamento.
E como fazer isso?
Machine Learning – A matemática da aprendizagem supervisionada
Mais algumas dicas para começar a aprender Machine Learning.
com os exemplos ou competições do Kaggle (em inglês).
executando os exemplos da Google AI (em inglês).
fazendo o curso de Inteligência Artificial do MIT (em inglês).
também pelos cursos de Machine Learning e IA do Andrew Ng (em inglês).
estudando as apostilas do Silvio do Lago Pereira do IME-USP.
Independentemente de como você classifique esse conhecimento que adquiriu, iniciante, intermediário ou avançado, é sempre bom que ele seja compartilhado 🙂
