Pesquisar aqui

Mostrar mensagens com a etiqueta machine learning. Mostrar todas as mensagens
Mostrar mensagens com a etiqueta machine learning. Mostrar todas as mensagens

segunda-feira, 17 de fevereiro de 2020

Coronavírus? A IoT pode ajudar a prevenir este tipo de surtos mundiais!

O surto atual do mais recente coronavírus tem gerado uma grande repercussão por todo o globo. Tendo sido até decretado o estado de emergência mundial pela OMS (Organização Mundial de Saúde). Felizmente, o surto não só possui uma taxa de mortalidade bastante baixa, mas também está a ser bem contido pelas autoridades chinesas. Mas será que já se perguntou de que maneira a Internet das Coisas pode ajudar? Eu digo-lhe.
Talvez não saiba mas a China é a líder mundial em termos de investimentos na IoT, seguida pelo Japão. Para além disso, a China já usa um complexo sistema de vigilância que usa IoT para cobrir uma grande parte das suas cidades. Como tal, já possui o dinheiro e até alguma infraestrutura para suportar aquele que seria um projeto pionário com um intuito de ser global, mas com grande dificuldade de tal ser concretizado. A ideia surge de Dilip Sarangan (um pesquisador da área da Internet das Coisas) que propõe colocar sensores por todo o mundo que fossem capazes de identificar a presença de algum vírus, que utilizariam as câmaras de vigilância e a inteligência artificial para identificar e monitorar essa pessoa, podendo até monitorar todos os indivíduos que se relacionaram com a pessoa infetada. 
Apesar de ser muito improvável a aplicação desta proposta num futuro próximo em escala global, a China poderia ser um bom começo, tendo já experiência na adoção de soluções de IoT em larga escala.
Com o mundo cada vez mais pequeno devido ao tráfego aéreo de pessoas, soluções destas podem vir a ser cruciais para assegurar que surtos como a Peste negra, o Sarampo ou a Gripe A não voltam a acontecer. E que tal ser você o próximo impulsionador deste tipo de soluções?



imagem:

  • URL
  • consultada no dia 09/02/2020


fontes:

segunda-feira, 21 de outubro de 2019

Como IoT aliada a Machine Learning pode mudar a nossa vida!

Embora não tenhamos noção, estamos rodeados por sensores. Certamente o nosso smarthpone possui sensor de luminosidade, acelerómetro, giroscópio, bússola, microfone, GPS, câmara, etc... Para além disso, podemos também adicionar muitos mais à nossa residência ou a outro espaço de interesse.
Através da IoT poderíamos ter todos esses dispositivos conectados, usando uma IA (inteligência artificial) para os controlar. Melhor ainda é não ter que lhes dar indicações. É aí que entra o machine learnig (aprendizagem de máquina).
Primeiramente, este conceito é  o "campo de estudo que dá aos computadores a habilidade de aprender sem serem explicitamente programados" - Arthur Samuel. Sendo assim, podemos ter previsões de dados.
Voltemos ao título do artigo. Em que é que isto muda a nossa vida? Imagine possuir um sensor cardíaco no seu smart watch que detete a que horas se costuma deitar e esse sensor comunicar esses dados às lâmpadas do seu quarto que vão diminuindo de intensidade conforme essa hora se aproxima. Para além disso, o seu despertador comunica a que horas irá tocar aos seus estores, que, por sua vez, levantarão gradualmente até à hora marcada. Todo isto sem ter que indicar nada, apenas deixar a IoT recolher os dados, transmiti-los entre si e o machine learning aprender e detetar as suas rotinas. Isto é apenas um exemplo entre muitos outros. Um futuro que está bem mais próximo do que pensa.


Imagem:

  • URL
  • consultada no dia 20/10/2019
Blogue pessoal sobre tech:

domingo, 3 de fevereiro de 2019

Machine Learning no Youtube: Controlar as Fake News


Resultado de imagem para youtube


O YouTube anunciou que vai começar a reduzir as recomendações a "conteúdo que possa desinformar os utilizadores de formas prejudiciais", como vídeos que promovem uma milagrosa cura para uma doença grave, alegando que a Terra é plana ou fazendo descaradamente afirmações falsas sobre eventos históricos como o 11 de setembro."

O algoritmo do YouTube seleciona vídeos com base nos seus históricos de visualização e pesquisa num modo de reprodução automática, com sugestões de outros vídeos para assistir também.

Esta não é a primeira vez que o YouTube tenta resolver o problema de conspiração. Em março de 2018, a companhia afirmou que colocaria links para a Wikipedia sobre eventos em caixas de texto em redor de "eventos amplamente aceitos, como a chegada à lua (1969)".

O YouTube estava a responder ao public backlash depois da sua guia de vídeos de tendências oferecer uma ampla plataforma para clips que partilhavam informações falsas ou enganosas sobre a divulgação de notícias nacionais, como o tiroteio escolar em Parkland, Flórida, ou o tiroteio em massa de 2017 em Las Vegas.

O YouTube diz que essa mudança de algoritmo aplicar-se-à a menos de 1% do conteúdo do YouTube, mas que "limitar a recomendação desses tipos de vídeos significará uma melhor experiência para a comunidade".

A rede sublinhou que a alteração afetará as recomendações de quais vídeos assistir, não se um vídeo está disponível no YouTube.

"Como sempre, as pessoas ainda podem aceder a todos os vídeos que estão em conformidade com nossas Community Guidelines e, quando relevante, esses vídeos podem aparecer nas recomendações dos inscritos e nos resultados de pesquisa."

O YouTube recebe mais de 400 horas de vídeos enviados para o site a cada minuto, por isso muitos vídeos questionáveis ​​passam despercebidos. Críticos há muito que pedem por mais supervisão humana, e o YouTube respondeu dizendo que contrataria 10 mil pessoas para procurar vídeos ofensivos. Além disso, a rede divulgou o seu uso de machine learning para obter um melhor controle sobre os vídeos publicados.

Os vídeos permanecem até que sejam "sinalizados" pelos membros da comunidade por não aderirem às diretrizes do YouTube, como mostrar violência, conteúdo sexual ou, no caso de recentes tiroteios no ensino médio na Flórida, informações falsas.

Um exemplo do problema de conspiração. 

Resultado de imagem para youtube not available

Em fevereiro de 2018, quando estudantes sobreviventes de um tiroteio na Flórida começaram a falar, um vídeo que sugeriu que os estudantes eram "atores de crise", contratados por democratas e defensores do controle de armas, subiu para o topo da secção Trending do YouTube, atraindo 200.000 visualizações. Assim que a Internet se apecebeu, o Youtube removeu o vídeo.


Essa mudança na política depende de uma combinação de machine learning e pessoas reais, diz o YouTube. "Trabalhamos com avaliadores humanos e especialistas de todos os Estados Unidos para ajudar a treinar os sistemas de machine learning que geram recomendações. Esses avaliadores são treinados usando diretrizes públicas e fornecem informações críticas sobre a qualidade de um vídeo."

O YouTube resistiu a fazer mudanças no seu algoritmo por causa da preocupação com a liberdade de expressão. A rede disse que a mudança "estabelece um equilíbrio entre manter uma plataforma para a liberdade de expressão e cumprir nossa responsabilidade com os usuários".

quarta-feira, 30 de janeiro de 2019

As melhores linguagens de programação para machine learning

As melhores linguagens de programação para machine learning

Machine learning é algo que está muito na moda com a criação de inteligências artificiais que arrasaram com os antigos programas de vários jogos como o xadrez, e por isso muita gente quer aprender como fazer estas aplicações e por isso eu irei dizer as 10 melhores linguagens de programação para poderes começar a aprender a fazer um programa de machine learning!

1. Python

2. C++

3. JavaScript

4. Java

5. C#

6. Julia

7. Shell

8. R

9. TypeScript

10. Scala

Para aprenderes algumas destas linguagens podes utilizar a aplicação sololearn que te ajudará a aprenderes os básicos de cada uma destas linguagens.