Inteligência Artificial e Machine Learning – visão geral, estratégias de aprendizado e tendências
Gravado no evento Semana do Administrador - PET ADM UFCG · 1 h 43 min de gravação
Sobre o conteúdo
O vídeo apresenta a palestra intitulada "Inteligência Artificial e Machine Learning – visão geral, estratégias de aprendizado e tendências", ministrada pelo Dr. Vinícius Andrade Brei durante a Semana do Administrador - PET ADM UFCG. A abertura é conduzida pelos mediadores discentes, que introduzem o currículo acadêmico e profissional do convidado, destacando sua atuação como professor associado na UFRGS e suas pesquisas com inteligência artificial.
O palestrante inicia a apresentação desmistificando a visão popular sobre a inteligência artificial, frequentemente influenciada pela ficção científica, soluções milagrosas de consultoria ou metáforas econômicas que a tratam como o novo petróleo. Ele pontua que, na prática cotidiana, a inteligência artificial está ancorada em programação e desenvolvimento de algoritmos. Em seguida, estabelece as distinções entre Inteligência Artificial, Machine Learning, Deep Learning, Data Science e Analytics, detalhando os diferentes tipos de análise (descritiva, detecção, preditiva e prescritiva) e as competências essenciais necessárias para quem deseja ingressar e atuar profissionalmente na área de ciência de dados.
Na sequência, são abordadas as duas principais estratégias pedagógicas de aprendizado em machine learning: a abordagem bottom-up, focada nos alicerces matemáticos, estatísticos e de otimização para o aprimoramento de algoritmos; e a abordagem top-down, mais voltada à aplicação prática de bibliotecas e ferramentas para resolução de problemas de negócio. O expositor analisa também os pilares que possibilitaram a explosão tecnológica recente da área, a saber: a abundância de dados digitalizados, os avanços em hardware como CPUs, GPUs e processamento distribuído em nuvem, e o aprimoramento de funções de ativação e rotinas de inicialização.
O professor explica minuciosamente o conceito de aprendizado em algoritmos como uma busca pelo espaço de hipóteses para minimizar funções de perda e erros em conjuntos de treinamento e teste. Em seguida, categoriza as três grandes famílias de Machine Learning: aprendizado supervisionado (tarefas de regressão e classificação), aprendizado não supervisionado (clusterização e redução dimensional) e aprendizado por reforço (agentes interagindo com ambientes sob regime de recompensas e penalidades). Cada modalidade é exemplificada com casos práticos do cotidiano e da indústria, como sistemas de recomendação em plataformas de streaming e e-commerce.
Na etapa final e durante as respostas aos questionamentos da plateia, são debatidas tendências e preocupações emergentes, tais como AutoML, visão computacional, diagnósticos em saúde, cibersegurança e privacidade de dados, além dos dilemas éticos da interpretabilidade de modelos e do viés algorítmico (justiça de algoritmos). O palestrante conclui demonstrando plataformas abertas de busca e análise de bases de dados, como o Google Dataset Search e as competições do Kaggle, reforçando a importância do domínio da língua inglesa e de linguagens como Python e R para administradores e pesquisadores.
O que é abordado
- Abertura e apresentação do palestrante
- Desmistificando a Inteligência Artificial e conceitos fundamentais
- Competências essenciais em Data Science e primeira rodada de perguntas
- Estratégias de aprendizado: Bottom-up versus Top-down
- Fatores da explosão do Machine Learning e funcionamento do aprendizado
- Perguntas do público: Carreira e interação humano-robô
- Representação de dados, espaço de hipóteses e generalização
- Perguntas do público: Empatia em IA e panorama brasileiro
- Famílias de Machine Learning: Supervisionado, Não Supervisionado e Reforço
- Perguntas do público: Adoção no mercado e sistemas de recomendação
- Tendências: AutoML, saúde, interpretabilidade e viés algorítmico
- Perguntas finais, demonstração no Kaggle e encerramento
Dúvidas que o conteúdo responde
Qual a diferença entre as estratégias de aprendizado bottom-up e top-down?
A estratégia bottom-up foca na base teórica (álgebra linear, geometria analítica, cálculo, otimização e probabilidades) com o objetivo de entender a fundo e aprimorar os algoritmos, sendo típica de áreas como ciência da computação e estatística. Já a abordagem top-down parte dos problemas práticos e das ferramentas (como bibliotecas em Python e R) com foco na aplicação e escolha de modelos existentes, sendo mais adotada por áreas aplicadas, como a administração.
Quais foram os fatores centrais que possibilitaram a explosão recente do Machine Learning?
Os três grandes fatores foram a grande disponibilidade de dados digitalizados, a evolução substancial da capacidade de hardware (CPUs, GPUs especializadas em cálculo matricial paralelo e computação em nuvem) e os aprimoramentos técnicos nos próprios algoritmos, como novas funções de ativação, técnicas de otimização e transfer learning.
Como funcionam as três principais famílias de Machine Learning?
O aprendizado supervisionado utiliza dados com rótulos e saídas conhecidas para ensinar a máquina a classificar ou realizar regressões. O aprendizado não supervisionado trabalha com dados sem rótulos prévios, identificando padrões intrínsecos por similaridade, como no agrupamento (clusterização) ou na redução dimensional. Já o aprendizado por reforço treina um agente que toma decisões em um ambiente buscando maximizar recompensas e minimizar penalidades.
O que é o problema do viés algorítmico ou justiça de algoritmos?
Como os modelos de machine learning aprendem a partir de dados históricos reais gerados pela sociedade, eles tendem a reproduzir ou amplificar os preconceitos e discriminações neles contidos caso os dados reflitam desigualdades estruturais. Isso gera decisões enviesadas em áreas críticas, como no sistema judiciário ou em concessões de crédito.
Onde estudantes e pesquisadores podem obter bases de dados gratuitas para treinar modelos?
O professor destaca ferramentas como o Google Dataset Search, que indexa repositórios de dados abertos globais, e a plataforma Kaggle, que reúne conjuntos de dados gratuitos de diversas áreas e competições com problemas reais patrocinados por empresas e organizações.
Assuntos
Palestrantes

Dr. Vinícius Andrade Brei
Palestrante
Vinicius Brei é Visiting Scholar e Connection Science Fellow do Massachusetts Institute of Technology (MIT) EUA, Professor Associado de Marketing da Escola de Administração da UFRGS, Coordenador Cátedra Tramontina Eletrik na UFRGS e Bolsista Produtividade em Pesquisa (PQ) do CNPq. Ele tem pós-doutorado em social psychology e machine learning na universidade de Harvard (EUA), doutorado em Ciências de Gestão pela École des Hautes Études Commerciales (HEC – Paris, França) e em Marketing pela UFRGS.
Outros conteúdos deste evento
Gravados no evento Semana do Administrador - PET ADM UFCG
Case Netshoes – Dos fundos de um estacionamento a um e-commerce de R$ 1 bilhão
Gravado no evento Semana do Administrador - PET ADM UFCG
Durante o evento Semana do Administrador - PET ADM UFCG, a professora Adriana Chim Miki apresenta o projeto do Living Lab da Unidade Acadêmica de Administração e Contabilidade…
Ver resumo e capítulosVulnerabilidade do Consumidor: discutindo a realidade de consumidores "esquecidos"
Gravado no evento Semana do Administrador - PET ADM UFCG
Nesta apresentação da Semana do Administrador - PET ADM UFCG, o Dr. Nelsio Rodrigues de Abreu aborda a vulnerabilidade do consumidor e a realidade dos grupos frequentemente…
Ver resumo e capítulosBolsa de valores e a volatilidade em tempos de pandemia
Gravado no evento Semana do Administrador - PET ADM UFCG
O webinar aborda o comportamento do mercado de capitais e da volatilidade acionária frente aos choques gerados pela pandemia da Covid-19. Inicialmente, ocorre a apresentação da…
Ver resumo e capítulosExperiências de ex-alunos no mercado de trabalho
Gravado no evento Semana do Administrador - PET ADM UFCG
Durante a Semana do Administrador promovida pelo PET ADM UFCG, a atividade Experiências de ex-alunos no mercado de trabalho reuniu egressos para compartilhar suas trajetórias…
Ver resumo e capítulosWebinar "Realidade aumentada na experiência do consumidor"
Gravado no evento Semana do Administrador - PET ADM UFCG
O webinar aborda o impacto da tecnologia de realidade aumentada na experiência do consumidor dentro do varejo online. A palestrante Andrea Ribeiro Carvalho de Castro apresenta…
Ver resumo e capítulosWebinar "Estamos formando administradores para diferentes modelos de negócios?"
Gravado no evento Semana do Administrador - PET ADM UFCG
Durante a Semana do Administrador - PET ADM UFCG, representantes do Centro Acadêmico e da empresa júnior Prospect apresentam suas estruturas e resultados. Em seguida, o Dr.…
Ver resumo e capítulos




