Amazon-YouTube

Amazon lança canal no YouTube com aulas de machine learning

A Amazon criou um canal no Youtube parra disponibilizar gratuitamente parte do conteúdo da a Machine Learning University (MLU). Criada em 2016, a MLU é uma iniciativa da Amazon com o objetivo de capacitar o maior número possível de funcionários para dominar a tecnologia, essencial para que a empresa consiga oferecer aos clientes produtos com maior chance de compra.

Parte do conhecimento produzido dentro dos escritórios da marca acabou de ser disponibilizada de forma online e gratuita desde o início de agosto.

A companhia disponibilizou atualmente três cursos, todos em inglês: processamento de linguagem natural, visão computacional e dados tabulares.

Mais cursos da Amazon

Em comunicado, a empresa informou que pretende disponibilizar mais seis cursos até o final do ano. Os cursos foram criados para resolver problemas enfrentados pela Amazon ao longo dos anos, então a abordagem é mais voltada para resolver problemas relacionados ao universo varejista.

O tempo das aulas varia de 4 a 45 minutos e a empresa disponibilizou no GitHub slides, anotações e datasets que podem ser usados pelos alunos para colocar em prática alguns dos conhecimentos apresentados na aula.

Fonte: e-commerce Brasil

machine learning

Machine Learning – O que é e qual sua importância?

O aprendizado de máquina (em inglês, machine learning) é um método de análise de dados que automatiza a construção de modelos analíticos. É um ramo da inteligência artificial baseado na ideia de que sistemas podem aprender com dados, identificar padrões e tomar decisões com o mínimo de intervenção humana

Evolução do machine learning

Graças às novas tecnologias computacionais, o machine learning de hoje não é como o machine learning do passado. Ele nasceu do reconhecimento de padrões e da teoria de que computadores podem aprender sem serem programados para realizar tarefas específicas; pesquisadores interessados em inteligência artificial queriam saber se as máquinas poderiam aprender com dados. O aspecto iterativo do aprendizado de máquina é importante porque, quando os modelos são expostos a novos dados, eles são capazes de se adaptar independentemente. Eles aprendem com computações anteriores para produzir decisões e resultados confiáveis, passíveis de repetição. Isso não é uma ciência nova – mas uma ciência que está ganhando um novo impulso.

Embora diversos algoritmos de machine learning existam há muito tempo, a capacidade de aplicar cálculos matemáticos complexos ao big data automaticamente – de novo e de novo, mais rápido e mais rápido – é um desenvolvimento recente. Eis alguns exemplos bem conhecidos de aplicações de machine learning, dos quais você já deve ter ouvido falar:

  • Os carros autônomos super esperados do Google? A essência do machine learning;
  • Ofertas recomendadas como as da Amazon e da Netflix? Aplicações de machine learning para o dia-a-dia;
  • Saber o que seus clientes estão falando de você no Twitter? Machine learning combinado com criação de regras linguísticas;
  • Detecção de fraudes? Um dos usos mais óbvios e importantes de machine learning no mundo de hoje.

Machine learning e inteligência artificial

Enquanto a inteligência artificial (IA) pode ser definida, de modo amplo, como a ciência capaz de mimetizar as habilidades humanas, o machine learning é uma vertente específica da IA que treina máquinas para aprender com dados. Assista a este vídeo para entender melhor a relação entre a inteligência artificial e o aprendizado de máquina. Você verá como essas duas tecnologias funcionam, com exemplos úteis e alguns apartes divertidos.

Qual a importância do machine learning?

O interesse renovado no aprendizado de máquina se deve aos mesmos fatores que tornaram a mineração de dados e a análise Bayesiana mais populares do que nunca: coisas como os crescentes volume e variedade de dados disponíveis, o processamento computacional mais barato e poderoso, o armazenamento de dados acessível etc.

Tudo isso significa que é possível produzir, rápida e automaticamente, modelos capazes de analisar dados maiores e mais complexos, e entregar resultados mais rápidos e precisos – mesmo em grande escala. E ao construir modelos precisos, uma organização tem mais chances de identificar oportunidades lucrativas – ou de evitar riscos desconhecidos.

O que é preciso para criar bons sistemas de machine learning?

  • Capacidade de data preparation;
  • Algoritmos – básicos e avançados;
  • Processos automatizados e iterativos;
  • Escalabilidade;
  • Modelagem conjunta.
Machine learning infographic

Quem está usando?

A maioria das indústrias que trabalham com grandes quantidades de dados tem reconhecido o valor da tecnologia de aprendizado de máquina. Ao extrair insights desses dados – frequentemente em tempo real – as organizações são capazes de trabalhar com mais eficiência ou de ganhar uma vantagem competitiva sobre seus concorrentes.

Serviços financeiros

Bancos e outros negócios na indústria financeira usam tecnologias de machine learning para dois propósitos principais: identificar insights importantes nos dados e prevenir fraudes. Esses inisghts podem identificar oportunidades de investimento, ou ajudar investidores a saber quando fazer o trade. A mineração de dados também pode identificar clientes com alto perfil de risco ou usar cyber-vigilância para encontrar sinais de fraudes.

Governo

Agências governamentais, como segurança pública e utilities, têm uma necessidade particular para machine learning, uma vez que elas possuem múltiplas fontes de dados que podem ser mineradas para deles obterem insights. Analisar dados de sensores, por exemplo, identifica maneiras de aumentar a eficiência e economizar dinheiro. O aprendizado de máquina também pode ajudar na detecção de fraudes e na minimização de roubos de identidade.

Operadoras de saúde

Machine learning é uma tendência crescente na assistência médica graças ao advento dos dispositivos wearables e sensores que permitem aos profissionais de saúde acessar os dados de pacientes em tempo real. A tecnologia também pode ajudar especialistas médicos a analisar dados para identificar tendências ou alertas, levando ao aperfeiçoamento de diagnósticos e tratamentos.

Marketing e vendas

Websites que recomendam produtos e serviços com base em suas compras anteriores estão usando machine learning para analisar seu histórico de compras – e promover outros itens pelos quais você pode se interessar. Essa capacidade de capturar dados, analisá-los e utilizá-los para personalizar a experiência de compra (ou implementar uma campanha de marketing) é o futuro do varejo.

Petróleo & gás

Descobrir novas fontes de energia. Analisar minerais no solo. Prever falhas em sensores de refinarias. Acelerar a distribuição de petróleo para torná-la mais eficiente e econômica. O número de aplicações de machine learning nesta indústria é vasto – e continua crescendo.

Transportes

Analisar dados para identificar padrões e tendências é essencial para a indústria de transportes, a qual depende da elaboração de rotas mais eficientes e da previsão de problemas potenciais para aumentar a rentabilidade. Os aspectos de análise e modelagem de dados de machine learning são ferramentas importantes para transportadoras, transporte público e outras organizações do setor.

Estes são alguns pontos sobre o machine learning, precisa saber mais? Entre em contato conosco!

Fonte: sas.com

a_5423_cda2faa49c0b29a37d06f0479d357670

As principais aplicações da Inteligência Artificial no Marketing Digital

Conheça usos da Inteligência Artificial no Marketing Digital, além do papel do Machine Learning nessa relação

Neste post, vamos falar sobre como a Inteligência Artificial pode atuar no Marketing Digital. Algumas coisas já são realidade, enquanto outras ainda têm muito a se desenvolver. O importante é estarmos preparados para quando a revolução vier.

O que é Marketing Digital

Marketing Digital é o conjunto de estratégias voltadas para a promoção de uma marca na internet. É diferente do marketing “tradicional” por envolver o uso diferentes canais online e métodos que permitem a análise dos resultados em tempo real.

Os canais mais usados – que apresentam historicamente melhores resultados – são os seguintes: Marketing de Conteúdo, Email Marketing, Redes Sociais, Otimização da Conversão (CRO) e Marketing de Busca (SEM).

Se você está lendo este post, é porque fomos bem sucedidos em te atrair usando algum dos canais acima. Pode ser, também, que já leia habitualmente nosso blog. De qualquer forma, em algum momento nosso trabalho de Marketing Digital te impactou, certo?

Inteligência Artificial

O que é Inteligência Artificial

Muitas pessoas — incluindo a mim, no começo deste post — fazem a ligação, meio brincando, meio levemente desesperadas, da Inteligência Artificial com um domínio das máquinas sobre os humanos. Ao menos por enquanto, é o contrário: elas nos ajudam a resolver problemas.

Inteligência Artificial é algo amplo demais para uma definição direta. O termo em si se refere a uma inteligência parecida com ou que simula a humana, porém através de um mecanismo ou de um software. Ela também é um campo de estudo científico.

Sua face mais visível, além da de Arnold Schwarzenegger (prometo que essa é a última piada com o tema), são os bots de atendimento. Você certamente já viu um — aqui no blog, por exemplo, tem um robozinho. Eles resumem bem uma das grandes vantagens da IA: fazer uma tarefa em escala maior, liberando humanos para resolver problemas mais complexos.

Mas resolver problemas mais complexos não seria, exatamente, a função da tecnologia? Sim e não. A criatividade e a capacidade de adaptação ainda são características que nos diferenciam das máquinas.

Inteligência Artificial fail

Antes que você se ache muito especial, porém, saiba que há campos de estudos tentando acabar com essa nova vantagem. Entre eles, está o Machine Learning, que é relevante para falar sobre as aplicações de Inteligência Artifical no Marketing Digital.

O que é Machine Learning

Machine Learning é mais fácil de conceituar: é a habilidade de uma máquina ou sistema aprender sem necessidade de programação. Quem deu essa definição foi Avinash Kaushik, um especialista no assunto.

Para esse aprendizado, os computadores identificam padrões em uma grande quantidade de dados. A partir dessas informações, fazem previsões com alta precisão, lançando mão de algoritmos e técnicas estatísticas.

Dessa forma, o Machine Learning pode auxiliar empresas de diversos setores. Quer um exemplo do seu dia a dia? As sugestões que sites de ecommerce lhe apresentam após uma compra. Elas são o resultado da análise de milhões de interações de consumidores.

Os dois lados dessa relação têm vantagens: você recebe promoções que fazem sentido para o seu perfil, enquanto a empresa pode fazer uma nova venda. A Inteligência Artificial ajuda a criar uma relação de fidelização natural.

Usos da Inteligência Artificial no Marketing Digital

Os principais usos da Inteligência Artificial no Marketing Digital passam por Machine Learning. A seguir, listamos algumas ações que já combinam as duas coisas:

Qualificação de Leads

A mensuração das contribuições do time de Marketing para o aumento da receita da empresa é cada vez mais precisa e rápida. Saber o que gera mais Marketing Qualified Leads (MQLs) e Sales Qualified Leads (SQL) é um dos muitos benefícios que o Machine Learning traz.

Com ele, a Inteligência Artificial ajuda a qualificar de forma muito precisa as listas de clientes e os prospects, usando dados relevantes disponíveis online. Assim, eles podem construir um ideal customer profile (ICP).

A cada venda feita, os dados vão sendo atualizados, melhorando o prognóstico de novas possíveis vendas, ajudando os vendedores e pré-vendedores a economizarem tempo. Assim, podem priorizar os Leads mais qualificados e canalizar esforços de vendas para os locais e estratégias corretas.

Mídia paga

A Inteligência Artificial também pode ajudar a criar anúncios mais personalizados, chegando  a serem específicos para uma única pessoa. A partir das informações que você fornece para criar os anúncios, o Machine Learning interpreta qual combinação faz mais sentido para determinado perfil de cliente, usando as informações que os consumidores fornecem.

Isso inclui seus dados e também seu comportamento na internet, como sites que ele visita, onde ele clica etc. O Google anunciou que, em breve, todos os anúncios vão ser otimizados na sua plataforma por meio do Machine Learning.

Chatbots

Os simpáticos e prestativos chatbots já estão por todos os lados na internet. Pois eles também se utilizam do Machine Learning para auxiliar um visitante em determinado site.

Os bots de serviço ao cliente usam o processamento de linguagem natural e os dados de atendimento ao cliente. Assim, respondem perguntas comuns, melhorando a qualidade dessas respostas ao longo do tempo.

Sistemas de recomendação

Amazon, Netflix e Spotify estão sempre tentando acertar o seu gosto, não é? Nem sempre acertam, mas a verdade é que os mecanismos de recomendação online utilizados por essas plataformas são sim bons exemplos de como funciona o Machine Learning.

inteligência artificial recomendação

Esse tipo de Inteligência Artificial usa dados coletados de milhões de usuários e compradores. Dessa forma, pode prever itens que você gostará, de acordo com suas compras anteriores, hábitos de visualização e correlações mais comuns entre os usuários.

Marketing de Conteúdo

Antes de entrar neste item, vale lembrar: textos produzidos com criatividade e que buscam um diálogo verdadeiro com o leitor são essenciais para uma boa estratégia de Marketing de Conteúdo. Isso posto, é possível usar Machine Learning para analisar dados, criar novas ideias e construir uma estratégia de conteúdo personalizada.

Ou seja, profissionais de Marketing podem ter mais chances de criar conteúdos mais eficientes, personalizados e que gerem mais valor. Além disso, torna-os mais fáceis de serem encontrados pelos mecanismos de busca.

Evitar o churn

O churn também pode ser impactado positivamente. Ao invés de depender de abordagem caras e demoradas para minimizá-lo, o Machine Learning usa modelos de risco para ajudar a determinar como ações para evitar o churn geram, de fato, resultados.

Assim, profissionais de Customer Success, por exemplo, podem levar em consideração quando e como devem intervir para reduzir a probabilidade de churn, e também para calcular o lifetime value (CLV).

Fonte: resultadosdigitais