O termo ‘Machine Learning’ é quase autoexplicativo, o computador aprende a partir de dados e experiências anteriores, mas como isso acontece? Em qual contexto este método pode ser utilizado? Neste post você encontra uma introdução sobre o assunto, trazendo também alguns exemplos de aplicações em estudos desenvolvidos no laboratório.
O aprendizado computacional é resultado do desenvolvimento de algoritmos e modelos que fazem com que o computador aprenda a partir de informações e experiências prévias, sem ser explicitamente programado para realizar uma tarefa específica. O objetivo do Machine Learning é permitir que os sistemas aprendam e melhorem sua performance a partir de dados, sem a necessidade de intervenção humana constante, aplicando o conhecimento adquirido na resolução de novos desafios.
Os modelos de Machine Learning são treinados com dados históricos e padrões, utilizados para prever ou classificar novos dados com base em suas características, aprendendo continuamente assim que novas informações são recebidas. Existem várias técnicas de Machine Learning, incluindo aprendizado supervisionado, não supervisionado e por reforço.
Os modelos desenvolvidos podem ser aplicados para análise de dados, reconhecimento de fala, visão computacional, processamento de linguagem natural, previsão de demanda, detecção de fraudes, personalização de conteúdo, identificação de imagens, e muito mais.
Com todas essas funções o Machine Learning se torna cada vez mais importante e relevante para empresas e organizações em todo o mundo.
Aqui no laboratório, alguns alunos aplicaram Machine Learning em suas pesquisas das mais diversas temáticas. Caso queira ver mais de seu desenvolvimento e as diferentes aplicações propostas, confira os artigos:
1- Integration of Machine Learning and Simulation for dynamic rescheduling in Truck Appointment Systems – Simulation Modelling Practice and Theory – Disponível aqui
2- A data-driven approach to adaptive synchronization of demand and supply in omni-channel retail supply chains – Disponível aqui
3- A supervised machine learning approach to data-driven simulation of resilient supplier selection in digital manufacturing – Disponível aqui
4- Machine Learning in Production Scheduling: An Overview of the Academic Literature. – Disponível aqui
5- Towards a data-driven predictive-reactive production scheduling approach based on inventory availability. – Disponível aqui
