Início Machine Learning no InfoQ Brasil
Artigos
Feed RSS-
/articles/covid-social-media-machine-learning/pt/smallimage/covid-social-media-machine-learning-s-1601562448288.jpeg)
COVID-19 e Mineração de Redes Sociais - Habilitando Cargas de Trabalho de Aprendizado de Máquina com Big Data
Neste artigo, a autora, Adi Pollock, discute como habilitar cargas de trabalho de aprendizado de máquina com big data para consultar e analisar tweets relacionados ao COVID-19 para entender o sentimento social em relação ao COVID-19.
-
/articles/AI-Closer-Common-Sense/pt/smallimage/AI-Closer-Common-Sense-s-1602793883610.jpeg)
A inteligência artificial estaria mais próxima do bom senso?
Os agentes de inteligência são carentes de bom senso para refletir sobre o mundo. Tivemos duas abordagens malsucedidas para fazer os computadores raciocinarem sobre o mundo: Lógica simbólica e deep learning. Um novo projeto, denominado COMET, tenta aproximar essas duas abordagens. Embora ainda sem resultados, mostra grande possibilidade de progresso.
-
/articles/human-pose-estimation-ai-powered-fitness-apps/pt/smallimage/human-pose-estimation-ai-powered-fitness-apps-s-1602698421552.jpeg)
Desafios na avaliação postural humana em aplicativos de condicionamento físico baseados em IA
Neste artigo, o autor discute a solução de avaliação postural humana feita por tecnologias baseadas em IA e os desafios enfrentados por aplicativos de exercícios físicos online que usam a avaliação postural para prever a posição do corpo humano tendo como base uma imagem ou vídeo de uma pessoa.
-
/articles/innovation-startup-agile-culture/pt/smallimage/innovation-s-1594939001871.jpg)
Startups Inovadoras Modelando a Cultura Ágil
Inovação não envolve apenas a tecnologia mais avançada; gestão e processos são a nova era das startups inovadoras. Combinar o poder dos dados e a importância das pessoas para oferecer inteligência de negócio é um ponto chave hoje em dia. O resultado não é o mais importante, mas sim a maneira como se faz. Ser ágil é se adaptar ao mercado atual.
-
/articles/apache-spark-graphx/pt/smallimage/big-data-spark-1530723071452.jpg)
Big Data com Apache Spark - Parte 6: Análise de grafos com Spark GraphX
Este artigo apresenta o GraphX do Apache Spark usado para o processamento e análise de grafos, com exemplos de algoritmos de grafo como: PageRank, Componentes Conectados e Contagem de triângulos.
-
/articles/tornadovm-java-gpu-fpga/pt/smallimage/java-1591918279658.jpeg)
TornadoVM: Acelerando o Java com GPUs e FPGAs
O aumento de hardwares heterogêneos representa um problema para linguagens de programação como Java, direcionadas às CPUs. O TornadoVM estende o compilador Graal JIT para aproveitar as GPUs e FPGAs, fornecendo um modelo flexível e de alto nível, ao mesmo tempo em que permite alto desempenho e recursos como migração de tarefas em tempo real.
-
/articles/get-hired-machine-learning-engineer/pt/smallimage/How-to-become-a-machine-learning-engineer-logo-small-1595838313042.jpg)
Como ser contratado como Engenheiro de Machine Learning
Para se tornar um engenheiro de machine learning, será preciso fazer uma entrevista. É necessário adquirir conhecimentos relevantes em livros, cursos, eventos e projetos. Inclua tecnologias, estruturas e projetos no currículo. Na entrevista, espere que sejam feitas perguntas técnicas, de insights e de programação. Ao receber uma teste técnico, demonstre as habilidades como se já tivesse o emprego.
-
/articles/apache-spark-machine-learning/pt/smallimage/Spark-MLib.jpg)
Big Data com Apache Spark - Parte 4: Spark Machine Learning
Neste quarto artigo da série Apache Spark, o autor Srini Penchikala explica os conceitos de machine learning e a biblioteca Spark MLlib para criar uma aplicação de análise preditiva.
-
/articles/book-review-handson-genetic-algorithms/pt/smallimage/cover-1589583189819.jpg)
Bate-papo com o autor do livro Hands-On Genetic Algorithms with Python
Hands-On Genetic Algorithms with Python, de Eyal Wirsansky, é um novo livro que explora o mundo dos algoritmos genéticos para solucionar problemas de busca, otimização, tarefas relacionadas à AI, e melhorar modelos de machine learning. O InfoQ entrevistou Eyal Wirsansky sobre como funcionam os algoritmos genéticos e para que eles servem.
-
/articles/java-machine-learning-djl/pt/smallimage/java-logo-1590441719825.jpeg)
Aprendizado de máquinas em Java com o Deep Java Library da Amazon
Neste artigo, apresentamos como os desenvolvedores Java podem usar a JSR-381 VisRec API para implementar um classificador de imagens ou detecção de objetos com modelos pré treinados do DLJ em menos de 10 linhas de código.
-
/articles/book-review-AI-crash-course/pt/smallimage/AI-Crash-Course-logo-1583922540128.jpg)
Entrevista sobre o livro AI Crash Course
O livro AI Crash Course, de Hadelin de Ponteves, contém um conjunto de quatro modelos diferentes de IA: Thompson Sampling, Q-Learning, Deep Q-Learning e Deep Convolutional Q-learning. Ele ensina a teoria desses modelos de IA e fornece exemplos de codificação para resolver casos da indústria com base nesses modelos.
-
/articles/privacy-attacks-machine-learning-models/pt/smallimage/privacy-attacks-machine-learning-models-S-1564820511524.jpeg)
Ataques de privacidade em modelos de Machine Learning
A pesquisa mostrou que modelos de machine learning podem expor informações pessoais presentes nos dados de treinamento. Essa vulnerabilidade expõe informações confidenciais dos usuários a hackers experientes que sabem como invadir uma API de machine learning. Detalhes de ataques à privacidade contra esses modelos são explorados e soluções em potencial deste problema de segurança serão discutidas.