WWW.CARDIOESSENTIALS.COM.BR
Sexta, 25 de março de 2022
A ciência de dados tem ganhado espaço
O que importa não é quantidade de dados, o Big Data, e sim a qualidade dos dados. Quando temos informações relevantes, conseguimos utilizar os dados para tomada de decisão.
A definição de Big Data mais utilizada é de uma quantidade de dados suficientemente grande, que leve a uma mudança nas formas tradicionais de análise de dados.
*Mudança nas formas tradicionais = inteligência artificial
Os cientistas de dados, que são matemáticos, cientistas da computação, entre outros, ganharam destaque no mercado. Temos aumento da disponibilidade de dados, pois aumentou a necessidade de conhecer o cliente, aumentar lucros e desenvolvimento de novos produtos.
E a tomada de decisão não pode mais ser baseada em "feeling", e sim em dados. A formação de ecossistemas de mercado, e agora esse movimento na saúde, com grandes bases de dados, segue essa tendência.
E nesse momento, pensamos em Machine Learning. No nosso dia-a-dia, diversos processos rotineiros tem machine Learning inserido...
Mas em saúde, o machine learning entra como suporte à decisão.
Hoje, as universidades têm laboratórios de análises de dados, para uma assertividade cada vez maior na relevância e utilização de dados e tomada de decisão. Podemos montar algoritmos, entre outras formas de análise com assertividade.
A demanda por esses profissionais capazes de extrair informação relevante dos dados é cada vez maior. Temos algumas habilidades em destaque:
-Blockchain: forma de trabalhar dados, em que todos os dados estão encriptados.
-Cloud computing: disponibilidade sob demanda de recursos do computador
-Analytical reasoning: capacidade de olhar para as informações e discernir padrões
-Inteligência artificial
Ocorreram muitos avanços nos últimos anos, pois: aumentaram a quantidade de dados (para melhorar a performance do algoritmo), ocorreram avanços em capacidade dos computadores pois machine learning exige muita memória e resolução de problemas complexos via algoritmos (deep learning).
Podemos comparar machine learning a uma criança aprendendo a ler e escrever. A máquina passa a aprender sozinha, desenvolvendo um conjunto de regras complexas a partir de dados inseridos. O objetivo final é a tomada de decisão via identificação de padrões complexos nos dados.
Diferente da inteligência artificial clássica, que se compõe de regras para tomada de decisão ensinada por humanos.
Por final, em machine learning, o objetivo final não é interpretar, e sim predizer. Isso traz liberdade para trazer modelos complexos de mundo real, e modelar as probabilidades e interação de fatores. Os algoritmos permitem uma melhor alocação de recursos e tempo, e com o passar do tempo isso pode possibilitar às pessoas melhor gestão do tempo e qualidade de vida.
Ref:
-YouTube: canal LabDaps
