{"id":1314,"date":"2021-11-26T13:20:05","date_gmt":"2021-11-26T16:20:05","guid":{"rendered":"http:\/\/treinamentolivre.com\/aluno01\/?p=1314"},"modified":"2022-10-23T12:06:13","modified_gmt":"2022-10-23T15:06:13","slug":"panorama-de-aplicacoes-modernas-da-inteligencia-artficial-exemplos-e-desdobramentos","status":"publish","type":"post","link":"https:\/\/treinamentolivre.com\/aluno01\/arquivos\/1314","title":{"rendered":"Panorama de aplica\u00e7\u00f5es modernas da intelig\u00eancia artficial: exemplos e desdobramentos."},"content":{"rendered":"\n<blockquote class=\"wp-block-quote\"><p>Erick Muzart Fonseca dos Santos<\/p><p>Graduado em computa\u00e7\u00e3o, especializado em an\u00e1lise de dados e Deep Learning (DL). Egresso do Deep Learning Summer School da Universit\u00e9 de Montreal, Canad\u00e1, em 2017, onde teve contato com o estado da arte de DL e com alguns dos melhores pesquisadores mundiais da \u00e1rea. Auditor e cientista de dados no Tribunal de Contas da Uni\u00e3o (TCU), lotado no CePI onde atua no programa de capacita\u00e7\u00e3o dos auditores em an\u00e1lise de dados. Um dos fundadores do grupo de estudo em DL de Bras\u00edlia, que congrega volunt\u00e1rios para acompanhar em conjunto os melhores cursos dispon\u00edveis na internet e participar de projetos colaborativos, tendo j\u00e1 realizado mais de 40 encontros presenciais no ISC\/TCU em 2018<\/p><\/blockquote>\n\n\n\n<figure class=\"wp-block-embed is-type-video is-provider-youtube wp-block-embed-youtube wp-embed-aspect-16-9 wp-has-aspect-ratio\"><div class=\"wp-block-embed__wrapper\">\n<iframe loading=\"lazy\" title=\"Panorama de aplica\u00e7\u00f5es modernas de Intelig\u00eancia Artificial: exemplos e desdobramentos\" width=\"500\" height=\"281\" src=\"https:\/\/www.youtube.com\/embed\/4Y8nKlWPqZ0?feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture\" allowfullscreen><\/iframe>\n<\/div><\/figure>\n\n\n\n<p>Palestra com um panorama de aplica\u00e7\u00f5es modernas de Intelig\u00eancia Artificial: exemplos e desdobramentos.<\/p>\n\n\n\n<p>Apresentado em 12\/2\/2019 no TCU em Bras\u00edlia, por Erick Muzart Fonseca dos Santos<br>Link para as transpar\u00eancias: <a href=\"https:\/\/www.dropbox.com\/s\/4twq017z1o9\" target=\"_blank\" rel=\"noreferrer noopener\">https:\/\/www.dropbox.com\/s\/4twq017z1o9<\/a>\u2026<\/p>\n\n\n\n<p>Link para o Grupo de Estudo em Deep Learning de Bras\u00edlia: <a href=\"https:\/\/t.me\/DeepLearningBSB\" target=\"_blank\" rel=\"noreferrer noopener\">https:\/\/t.me\/DeepLearningBSB<\/a><\/p>\n\n\n\n<p>Objetivos: Entenda em que consiste a Intelig\u00eancia Artificial (IA) moderna, baseada em redes neurais artificias ou Deep Learning (DL), por meio de exemplos recentes de aplica\u00e7\u00f5es que est\u00e3o transformando diversas \u00e1reas de neg\u00f3cio ao automatizar a gera\u00e7\u00e3o de previs\u00f5es para suporte \u00e0 tomada de decis\u00e3o. Esta apresenta\u00e7\u00e3o visa exibir um panorama coerente de aplica\u00e7\u00f5es de IA e expor uma intui\u00e7\u00e3o de seu funcionamento, para facilitar a identifica\u00e7\u00e3o de novas oportunidades de aplica\u00e7\u00e3o em outras \u00e1reas, como no governo e no controle externo. Ser\u00e3o apresentadas quais atividades de um processo de trabalho possuem maior potencial de produ\u00e7\u00e3o de bons resultados com as t\u00e9cnicas da IA\/DL, quais as limita\u00e7\u00f5es dessas t\u00e9cnicas e como conduzir um projeto de desenvolvimento em DL. Ser\u00e3o abordados os requisitos para um projeto bem sucedido, em termos de quantidade e qualidade dos dados necess\u00e1rios para treinar diversos tipos de modelo, seu custo computacional e os frameworks dispon\u00edveis para m\u00e1xima produtividade.<\/p>\n\n\n\n<p>1 &#8211; Contexto geral de IA.<\/p>\n\n\n\n<p>2 &#8211; Machine Learning e Deep Learning: intui\u00e7\u00e3o dos modelos, como e porque funcionam.<\/p>\n\n\n\n<p>3 &#8211; Relev\u00e2ncia: novos resultados que ampliam as perspectivas de previs\u00f5es em larga escala e baixo custo. Ex. ImageNet 2012. Arquiteturas pr\u00e9-treinadas, reaproveit\u00e1veis para vis\u00e3o computacional (VGG, ResNet, DenseNet); conceitos de transfer\u00eancia de aprendizado entre dom\u00ednios conexos.<\/p>\n\n\n\n<p>4 &#8211; Aplica\u00e7\u00f5es -cl\u00e1ssicas- de IA|DL: percep\u00e7\u00e3o (vis\u00e3o, audi\u00e7\u00e3o), sensoriamento e controle com carros aut\u00f4nomos, dados estruturados, Processamento de Linguagem Natural (NLP): tradu\u00e7\u00e3o, an\u00e1lise de sentimento, classifica\u00e7\u00e3o de documentos.<\/p>\n\n\n\n<p>5 &#8211; Aplica\u00e7\u00f5es mais originais: vis\u00e3o computacional sobre imagens de sat\u00e9lite com aplica\u00e7\u00f5es em diversos neg\u00f3cios: monitoramento de projetos de infraestrutura por indicadores indiretos; estoques e vendas de combust\u00edveis e atividade do com\u00e9rcio varejista; necessidade de criatividade para identificar novas aplica\u00e7\u00f5es.<\/p>\n\n\n\n<p>6 &#8211; Acoplamento de redes neurais: vis\u00e3o e NLP, para descri\u00e7\u00e3o de fotos|v\u00eddeos; leitura labial. Exemplo de codifica\u00e7\u00e3o de uma rede neural.<\/p>\n\n\n\n<p>7 &#8211; Aplica\u00e7\u00f5es m\u00e9dicas: interpreta\u00e7\u00e3o confi\u00e1vel de exames m\u00e9dicos e diagn\u00f3stico para ganho de escala de medicina de alta qualidade a baixo custo; Ex: DeepMind|Google retinopatologias.<\/p>\n\n\n\n<p>8 &#8211; Reinforcement learning: jogos Alpha Go e AlphaZero; <code>cria\u00e7\u00e3o aut\u00f4noma<\/code> de conhecimento.<\/p>\n\n\n\n<p>9 &#8211; GANS: cria\u00e7\u00e3o e gera\u00e7\u00e3o de novos dados originais seguindo distribui\u00e7\u00e3o conhecida. Ex: gera\u00e7\u00e3o de rostos humanos, pela nVidia. Aplica\u00e7\u00f5es: transfer\u00eancia de estilo, transforma\u00e7\u00e3o de imagens|v\u00eddeos, aumento de resolu\u00e7\u00e3o; mapeamento; ambientes virtuais.<\/p>\n\n\n\n<p>10 &#8211; Aplica\u00e7\u00f5es contra-intuitivas, para soltar a imagina\u00e7\u00e3o: &#8220;vis\u00e3o WiFi&#8221;; tradu\u00e7\u00e3o n\u00e3o-supervisionada, cria\u00e7\u00e3o art\u00edstica original.<\/p>\n\n\n\n<p>11 &#8211; Aplica\u00e7\u00f5es question\u00e1veis: fake v\u00eddeos indistingu\u00edveis da realidade; armas aut\u00f4nomas; infer\u00eancia de orienta\u00e7\u00e3o sexual por foto.<\/p>\n\n\n\n<p>12 &#8211; Limita\u00e7\u00f5es da IA|DL: o que DL ainda n\u00e3o permite fazer e quais os principais obst\u00e1culos ao seu uso.<\/p>\n\n\n\n<p>13 &#8211; Principais riscos relacionados a IA n\u00e3o regulamentada: Concentra\u00e7\u00e3o de poder\/riqueza nos controladores da IA; Desemprego em massa, podendo levar a &#8220;irrelev\u00e2ncia&#8221; de parte da popula\u00e7\u00e3o; Manipula\u00e7\u00e3o ou controle da opini\u00e3o em grande escala (ex. Facebook).<\/p>\n\n\n\n<p>14 &#8211; Como desenvolver compet\u00eancia t\u00e9cnica em IA|DL: Acesso aos cursos atuais das melhores universidades do mundo, MOOCs; Grupos de Estudo em Bras\u00edlia; Desenvolvimento de projetos piloto; Laborat\u00f3rios, Start-ups e inova\u00e7\u00e3o.<\/p>\n\n\n\n<p>15 &#8211; Refer\u00eancias para aprofundamento no tema<\/p>\n\n\n\n<p>V\u00eddeos referenciados na apresenta\u00e7\u00e3o:<\/p>\n\n\n\n<ul><li>Two Minute Papers, demonstra\u00e7\u00f5es de GAN da Nvidia: <a rel=\"noreferrer noopener\" href=\"https:\/\/youtu.be\/-cOYwZ2XcAc\" target=\"_blank\">https:\/\/youtu.be\/-cOYwZ2XcAc<\/a><\/li><li>Two Minute Papers, Everybody dance now, AI-Based Motion Transfer: <a rel=\"noreferrer noopener\" href=\"https:\/\/www.youtube.com\/watch?v=cEBgi\" target=\"_blank\">https:\/\/www.youtube.com\/watch?v=cEBgi<\/a>\u2026<\/li><li>Autonomous weapons: <a rel=\"noreferrer noopener\" href=\"https:\/\/www.youtube.com\/watch?v=9CO6M\" target=\"_blank\">https:\/\/www.youtube.com\/watch?v=9CO6M<\/a>\u2026 [at\u00e9 3:39]<\/li><li>Prevendo a destrui\u00e7\u00e3o florestal antes que aconte\u00e7a: <a href=\"https:\/\/orbitalinsight.com\/blog\/deep-learning-predict-deforestation-happens-3\" target=\"_blank\" rel=\"noreferrer noopener\">https:\/\/orbitalinsight.com\/blog\/deep-learning-predict-deforestation-happens-3<\/a> <\/li><\/ul>\n","protected":false},"excerpt":{"rendered":"<p>Erick Muzart Fonseca dos Santos Graduado em computa\u00e7\u00e3o, especializado em an\u00e1lise de dados e Deep Learning (DL). Egresso do Deep Learning Summer School da Universit\u00e9 de Montreal, Canad\u00e1, em 2017,&#8230;<\/p>\n<div class=\"more-link-wrapper\"><a class=\"more-link\" href=\"https:\/\/treinamentolivre.com\/aluno01\/arquivos\/1314\">Continuar a ler&#8230;<span class=\"screen-reader-text\">Panorama de aplica\u00e7\u00f5es modernas da intelig\u00eancia artficial: exemplos e desdobramentos.<\/span><\/a><\/div>\n","protected":false},"author":3,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[60,10,50],"tags":[],"_links":{"self":[{"href":"https:\/\/treinamentolivre.com\/aluno01\/wp-json\/wp\/v2\/posts\/1314"}],"collection":[{"href":"https:\/\/treinamentolivre.com\/aluno01\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/treinamentolivre.com\/aluno01\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/treinamentolivre.com\/aluno01\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/treinamentolivre.com\/aluno01\/wp-json\/wp\/v2\/comments?post=1314"}],"version-history":[{"count":2,"href":"https:\/\/treinamentolivre.com\/aluno01\/wp-json\/wp\/v2\/posts\/1314\/revisions"}],"predecessor-version":[{"id":1316,"href":"https:\/\/treinamentolivre.com\/aluno01\/wp-json\/wp\/v2\/posts\/1314\/revisions\/1316"}],"wp:attachment":[{"href":"https:\/\/treinamentolivre.com\/aluno01\/wp-json\/wp\/v2\/media?parent=1314"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/treinamentolivre.com\/aluno01\/wp-json\/wp\/v2\/categories?post=1314"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/treinamentolivre.com\/aluno01\/wp-json\/wp\/v2\/tags?post=1314"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}