Neste fim de ano, preparamos para vocês a série Melhores do Ano. Primeiro, nós selecionamos sete temas que, em 2018, foram relevantes para a comunidade dev em geral. E dentro de cada tema, nossos desenvolvedores, João Neto e Rodrigo Pokemao, vão sugerir o artigo mais interessante publicado neste ano, na opinião deles. Assim, você pode revisitar os nossos melhores conteúdos de 2018, escritos por grandes nomes do mercado.
Dando continuidade à nossa série, vamos falar hoje sobre um tema que vem ganhando cada vez mais destaque no mercado: machine learning! O número de empresas que estão investindo esforços, inteligência e mão de obra na área não para de crescer. Aqui no iMasters, você consegue ficar por dentro dos maiores esforços nesse tema. Confira agora os escolhidos da nossa equipe para o ano de 2018!
João Neto:
Transformando previsão financeira com Ciência de Dados e Aprendizado de Máquina na Uber – Uber Engineering
“A previsão financeira e o planejamento orçamentário para uma organização que toca a vida de tantas pessoas diariamente é um desafio incrível. Para enfrentar o desafio de administrar um negócio global em escala e tomar decisões estratégicas inteligentes de investimento, a equipe do Uber Engineering foi mobilizada para a trabalhar em ciência de dados, aprendizado de máquina e tecnologia financeira.
Nesse artigo do Chunyan Song, ele conta como o aprendizado de máquina é utilizado como parte do esforço para permitir previsões contínuas e como a automação desses processos agiliza o ciclo de feedback e melhora continuamente a precisão do modelo.”
Rodrigo Pokemao:
Machine Learning aplicado à indústria 4.0 – Alex Lattaro
“Muito se fala sobre machine learning e como ele vem sendo um conceito revolucionário que mudará o jeito que iremos interagir com a máquina. Porém, na realidade, são conceitos matemáticos que estudávamos a muito tempo atrás e que não podiam ser aplicados pois nos faltavam uma quantidade significativa de dados.
Nesse artigo, Alex Lattaro fala um pouco sobre alguns algoritmos de machine learning e onde eles podem ser aplicados na indústria 4.0″.