Você sabe o que é Data Science, ou Ciência de Dados?
Alguns dias atrás, eu publiquei um artigo que pode ser lido aqui que fala sobre o universo do design. Seguindo o tema de profissões ligadas ao mercado de TI, hoje eu vou te contar um pouco sobre Data Science.
Veja abaixo as profissões ligadas ao mundo do Data Science que eu separei pra você. Em seguida, falaremos um pouco sobre cada uma delas:
Análise Preditiva
Análise Descritiva
Reconhecimento de Padrões
Machine Learning
Inteligência Artificial
Data analytics
Análise preditiva
“O mais competente não discute, domina a sua ciência e cala-se”. Voltaire, filósofo francês
Análise preditiva, um dos desdobramentos da analítica, surgiu junto com uma área de estudos chamada inteligência de negócios, que permite que se tome decisões não influenciadas pela subjetividade ou qualquer desvio irracional, mas com base em estatísticas e dados históricos.
A análise preditiva se ocupa de fatos que ainda não aconteceram, ou seja, funcionam como um planejamento. Enquanto isso, a análise descritiva, que vamos ver no tópico seguinte, se ocupa de fatos já ocorridos.
Veja alguns pontos que podem ser apoiados por uma análise preditiva bem-feita:
Clientes em atrito
Perdas por fraude
Chamados abertos no suporte técnico
Localização geográfica dos clientes
Etc.
Em suma, a análise preditiva possibilita um planejamento mais estruturado.
A análise preditiva, por sua vez, gera o chamado modelo preditivo, que é uma função matemática capaz de aprender o mapeamento de um conjunto de dados, além de prever uma resposta a eles. Trocando em miúdos, conforme a combinação de dados de entrada, gera-se uma resposta adequada à situação.
Análise descritiva
“A vida sem ciência é uma espécie de morte”. Sócrates, filósofo grego
Conforme adiantamos no tópico anterior, a análise descritiva diz respeito a fatos já ocorridos, ou seja, é o ato de olhar os acontecimentos a fim de identificar pontos de oportunidades que possam ser corrigidos em ações similares futuras.
Enquanto o elemento central da análise preditiva é a possibilidade do planejamento baseado em estatísticas, na análise descritiva é a interpretação de dados, ou melhor dizendo, a melhor forma possível de interpretar os dados.
Nesse sentido, a compreensão dos dados deve ser guiada pela identificação de padrões e tendências nos fenômenos analisados.
É claro que isso não é nada novo, mas com o avanço tecnológico, sofreu uma clara evolução em seus processos.
A análise descritiva serve como suporte para explicar fatos já ocorridos, além de ser uma boa forma de analisar não apenas a empresa em si, mas também o mercado no qual ela está inserida.
Veja quais são as 5 etapas da análise descritiva:
Identificação do problema
Recolhimento dos dados
Crítica dos dados
Apresentação dos dados
Análise e interpretação
Note que a análise descritiva parte de um ponto passivo, que é a simples identificação do problema, e termina em um ponto ativo, que é a interpretação dos dados que nem sempre são tão visíveis assim.
Reconhecimento de Padrões
“Existe uma coisa que uma longa existência me ensinou: toda a nossa ciência, comparada à realidade, é primitiva e inocente; e, portanto, é o que temos de mais valioso”. Albert Einstein, físico alemão
Reconhecimento de padrões é a área de pesquisa que classifica objetos em categorias e classes.
Veja algumas áreas que se beneficiam da área de reconhecimento de padrões:
Bioinformática
Mineração de dados
Classificação de documentos
Análise de imagens
Inspeção visual
Automação industrial
Base de dados multimídia
Reconhecimento biométrico
Reconhecimento de fala
Machine Learning
“Os que se encantam com a prática sem a ciência são como os timoneiros que entram no navio sem timão nem bússola, nunca tendo certeza do seu destino”. Leonardo Da Vinci, artista e inventor italiano
Machine Learning (ou aprendizado de máquina) é uma tecnologia que permite que os computadores aprendam através da combinação de dados, conforme os usuários vão inserindo novas informações.
Dessa forma, o machine learning ocorre conforme certos padrões vão sendo identificados pela máquina em questão.
O que diferencia o machine learning de uma máquina tradicional é a forma como os algoritmos são desenvolvidos.
Enquanto na programação tradicional é criado um conjunto de padrões que vão fornecer respostas padronizadas, no machine learning o próprio algoritmo vai criando novas respostas conforme as informações que recebe.
Dentro do machine learning, temos um conceito muito importante, que é o do aprendizado iterativo.
Como você já deve ter entendido, um algoritmo de machine learning vai evoluindo com o tempo, e a iteratividade é o que permite esse processo, ou seja, aprendizado iterativo é o processo de melhoria contínua através das diversas associações que vão sendo realizadas com o passar do tempo e do uso.
Inteligência Artificial
“Existem muitas hipóteses em ciência que estão erradas. Isso é perfeitamente aceitável, eles são a abertura para achar as que estão certas”. Carl Sagan, cientista norte americano
Segundo o cientista da computação americano John McCarthy, Inteligência Artificial é “a ciência e a engenharia de fabricar máquinas inteligentes, especialmente programas de computador inteligentes. Ela está relacionada à tarefa semelhante de usar computadores para entender a inteligência humana, mas a IA não precisa se limitar aos métodos biologicamente observáveis".
Alan Turing, chamado de “pai da ciência da computação”, já refletia, lá na década de 1950, se os computadores um dia poderiam pensar, e é disso que trata a inteligência artificial.
A inteligência artificial, portanto, pode ser resumida como “sistemas que agem como humanos” no sentido da resolução de problemas.
Um componente de suma importância no debate sobre a inteligência artificial sem dúvida é o da ética, pois quanto mais amplo se tornam o tema e suas múltiplas possibilidades, mais os agentes envolvidos devem discutir até que ponto uma máquina pode “pensar” sem que isso se torne um ato antiético, não por parte da máquina em si, mas dos seres humanos que estão nos bastidores da coisa.
Data analytics
“Não é na ciência que está a felicidade, mas na aquisição da ciência”. Edgar Allan Poe, escritor norte americano
Data Analytics (ou análise de dados) é um salto tanto quantitativo como qualitativo em relação à forma como os dados são tratados.
O data analytics diz respeito não à quantidade bruta de dados, mas à capacidade de mineração, organização e estruturação dos mesmos.
Data analytics é um conceito que tem muita proximidade com outros dois conceitos, que são o Big Data e o Data Science.
Big data se refere aos dados gerados online, como quantidade de acessos, de navegação simultânea e de vídeos assistidos nas plataformas de streaming, por exemplo.
Enquanto isso, data science se refere ao estudo dos dados gerados pelo big data. Finalmente, o data analytics é quem vai gerar a organização e a estruturação necessárias para que o data science seja colocado em prática.
Para finalizar
E aí, o que achou do universo do Data Science? Em uma sociedade baseada em conhecimento e informações, existe uma vasta gama de possibilidades para esse tipo de profissional. Pesquise e se aprofunde para entender mais.
Um abraço e até o próximo artigo!
Davi Valukas - Alpha EdTech
