KaBuM!

Samsung

EXCLUSIVO! Cupom  de Desconto Dell: 5% off

Dell

Amazon

Casas Bahia

Fast Shop

banner-image-2024-04-30T03:02:04.075Z

Imagem de Analisando conjuntos de dados médicos abertos para obter insights no tecmundo

Como o uso de machine learning com Watson Studio e scikit-learn ajuda a prever como será a prescrição de opioides nos Estados Unidos


Por Madison Meyers
<h3 dir="ltr">Resumo</h3>
Com tantos problemas de sa&uacute;de no mundo de hoje, cientistas de dados encontraram uma mina de ouro no trabalho de extrair significado e interpretar dados relacionados a estes problemas. Esta padroniza&ccedil;&atilde;o se aprofunda no conjunto de dados sobre as mortes por overdose de opioides. Leia a seguir sobre como explorar esses dados em um notebook do Watson&trade; Studio, visualizar algumas descobertas iniciais utilizando o Pixie Dust, e depois usar o scikit-learn para testar diversos modelos e avaliar quais apresentam as previs&otilde;es mais exatas de como ser&atilde;o as prescri&ccedil;&otilde;es de opioides.
<h3 dir="ltr">Descri&ccedil;&atilde;o</h3>
Overdoses de opioide est&atilde;o se tornando um problema cada vez maior nos Estados Unidos. Embora cientistas de dados n&atilde;o possam resolver esse problema sozinhos, eles podem olhar para os dados, observar o que exatamente acontece e quais elementos podem levar a determinados resultados.
Este padr&atilde;o de c&oacute;digo mostra o uso de scikit-learn e do Python (no IBM Watson Studio) para prever como ser&aacute; a prescri&ccedil;&atilde;o de opioides com base em um conjunto de dados Kaggle, que inclui valores como mortes por overdose da droga, tipo de medicamento prescrito e a prescri&ccedil;&atilde;o em si. Com esse padr&atilde;o, voc&ecirc; poder&aacute; explorar os dados em um notebook do Watson Studio e usar o Pixie Dust para visualizar algumas descobertas iniciais de diversas maneiras. Ap&oacute;s terminar a explora&ccedil;&atilde;o inicial, voc&ecirc; pode usar o scikit-learn para testar diversos modelos, e assim descobrir quais apresentam as previs&otilde;es mais exatas de prescri&ccedil;&otilde;es de opioides. Com a biblioteca do scikit-learn, voc&ecirc; poder&aacute; acessar facilmente diversos classificadores de machine learning que podem ser implementados com um n&uacute;mero relativamente baixo de linhas de c&oacute;digo.
Este padr&atilde;o de c&oacute;digo foi criado para cientistas e amantes de dados que se interessem por quest&otilde;es de justi&ccedil;a social ou de sa&uacute;de, ou para aqueles que estejam aprendendo DSX e machine learning. Ele vai te guiar pela explora&ccedil;&atilde;o de dados, limpeza de dados, modelos de treinamento e avalia&ccedil;&atilde;o.
Ap&oacute;s completar esse padr&atilde;o, voc&ecirc; dever&aacute; saber como:
<ul>
<li dir="ltr">
Utilizar o Watson Studio;
</li>
<li dir="ltr">
Explorar diversos dataframes;
</li>
<li dir="ltr">
Visualizar explora&ccedil;&otilde;es;
</li>
<li dir="ltr">
Limpar os dados usando Python e pandas;
</li>
<li dir="ltr">
Construir diversos modelos de machine learning para prever uma vari&aacute;vel target;
</li>
<li dir="ltr">
Avaliar o desempenho dos modelos.
</li>
</ul>
<h3 dir="ltr">Fluxo</h3>
<img alt="Watson Studio" src="https://tm.ibxk.com.br/2020/08/19/watson-studio-19193543880033.png" />Fluxo do uso de machine learning com Watson Studio
<ul>
<li dir="ltr">
Fa&ccedil;a o login no Watson Studio;
</li>
<li dir="ltr">
Fa&ccedil;a o upload dos dados em forma de ativos de dados no Watson Studio;
</li>
<li dir="ltr">
Inicie um notebook no Watson Studio e insira o ativo de dados criado anteriormente;
</li>
<li dir="ltr">
Crie visualiza&ccedil;&otilde;es de dados com o Pixie Dust;
</li>
<li dir="ltr">
Explore os dados com pandas;
</li>
<li dir="ltr">
Teste modelos de machine learning com o scikit-learn;
</li>
<li dir="ltr">
Avalie o desempenho das predi&ccedil;&otilde;es.
</li>
</ul>
<h3 dir="ltr">Instru&ccedil;&otilde;es</h3>
Encontre os passos detalhados para o padr&atilde;o no <a href="https://github.com/IBM/predict-opioid-prescribers/blob/master/README.md" target="_blank">README</a>. Estes passos devem te mostrar como:
<ul>
<li dir="ltr">
Inscrever-se no IBM Watson Studio;
</li>
<li dir="ltr">
Criar o notebook;
</li>
<li dir="ltr">
Rodar o notebook;
</li>
<li dir="ltr">
Salvar e compartilhar;
</li>
<li dir="ltr">
Limpar os dados utilizando Python;
</li>
<li dir="ltr">
Rodar diversos modelos usando o scikit-learn para prever como ser&aacute; a prescri&ccedil;&atilde;o de opioides;
</li>
<li dir="ltr">
Avaliar os modelos.
</li>
</ul>
...
Quer ler mais conte&uacute;do especializado de programa&ccedil;&atilde;o? Conhe&ccedil;a a <a href="https://www.tecmundo.com.br/desenvolvendo-com-ibm-cloud?utm_source=tecmundo&amp;utm_medium=cta&amp;utm_campaign=ibm-blue-profile" target="_blank">IBM Blue Profile</a> e tenha acesso a mat&eacute;rias exclusivas, novas jornadas de conhecimento e testes personalizados. Confira agora mesmo, consiga as badges e d&ecirc; um upgrade na sua carreira.

thumb-image-2024-04-30T03:02:04.075Z

Analisando conjuntos de dados médicos abertos para obter insights

banner-image-2024-04-30T03:03:42.502Z

Imagem de Acelere pesquisa reversa de imagens com GPU para extrair características no tecmundo

Extraia feature vectors para machine learning usando GPU para aumento de desempenho

Por: <a href="https://developer.ibm.com/profiles/krbalaga" target="_blank">Krishna Chaitanya Balaga</a>, <a href="https://developer.ibm.com/profiles/scott.dangelo" target="_blank">Scott Dangelo</a> e Sandhya Nayak.
Publicado em: 18 de maio de 2020.
<h2 dir="ltr">Resumo</h2>
Nesse padr&atilde;o de c&oacute;digo, trabalhe por meio do processo de an&aacute;lise de um conjunto de dados de imagem utilizando uma rede convolucional pr&eacute;-treinada (VGG16) e extraia vetores de representa&ccedil;&atilde;o num&eacute;rica de caracter&iacute;sticas (feature vectors) para cada imagem atrav&eacute;s de um notebook do Jupyter.
<h2 dir="ltr">Descri&ccedil;&atilde;o</h2>
Os algoritmos de machine learning (aprendizado de m&aacute;quina) fornecem muitas ferramentas &uacute;teis para a solu&ccedil;&atilde;o de problemas concretos. Uma das esferas na qual o machine learning teve grande sucesso &eacute; o reconhecimento de imagens. Por meio do uso do poder computacional para a identifica&ccedil;&atilde;o de imagens e compara&ccedil;&atilde;o destas com outras, voc&ecirc; pode utilizar m&aacute;quinas para executar tarefas que, alguns anos atr&aacute;s, poderiam ser realizadas apenas por humanos. Engenheiros e cientistas de dados que trabalham com reconhecimento de imagem podem encontrar alguns desafios que, por sua vez, possivelmente limitam o trabalho que pode ser feito com algoritmos de machine learning. A maior limita&ccedil;&atilde;o &eacute; o tempo e o poder computacional necess&aacute;rios para criar as camadas de machine learning em uma rede neural profunda, necess&aacute;rias para o reconhecimento de imagens. Embora grandes conjuntos de dados e algoritmos complexos possam ser executados em muitas configura&ccedil;&otilde;es comuns de hardware, o tempo necess&aacute;rio para criar camadas neurais, treinar um modelo e extrair recursos pode ser proibitivamente alto. O uso de uma Unidade de Processamento Gr&aacute;fico (GPU) para realizar uma grande quantidade de c&aacute;lculos em paralelo revolucionou o mundo da computa&ccedil;&atilde;o gr&aacute;fica, e a descoberta de que as mesmas GPUs tamb&eacute;m podem ser usadas para acelerar o desempenho de tarefas de machine learning produziu um efeito semelhante no mundo da intelig&ecirc;ncia artificial. Nesse padr&atilde;o de c&oacute;digo, demonstramos uma tarefa comum para recupera&ccedil;&atilde;o de imagem por conte&uacute;do (CBIR) e comparamos a execu&ccedil;&atilde;o na CPU com o desempenho superior obtido ao execut&aacute;-la em uma GPU.
No padr&atilde;o de c&oacute;digo, te orientamos ao longo do processo de an&aacute;lise de um conjunto de dados de imagem utilizando uma rede neural convolucional pr&eacute;-treinada (VGG16) e de extra&ccedil;&atilde;o de feature vectors para cada imagem utilizando um notebook do Jupyter. Esse &eacute; um processo computacionalmente caro que demora 300 vezes mais em uma CPU do que em uma GPU. Utilizaremos o ambiente de GPU no IBM&reg; Watson&trade; Studio ou em sua m&aacute;quina local para acelerar a extra&ccedil;&atilde;o de caracter&iacute;sticas. Feita a an&aacute;lise, demonstraremos a pesquisa reversa de imagens, um dos aplicativos populares da an&aacute;lise de imagens. Essa pesquisa &eacute; uma t&eacute;cnica de consulta em CBIR que envolve fornecer ao sistema CBIR uma imagem de amostra para servir de base em sua pesquisa. Em termos de recupera&ccedil;&atilde;o de informa&ccedil;&otilde;es, a imagem de amostra &eacute; o que formula uma pesquisa. Normalmente, a pesquisa reversa de imagens &eacute; caracterizada por uma aus&ecirc;ncia de termos de pesquisa.
Com a conclus&atilde;o desse padr&atilde;o de c&oacute;digo, voc&ecirc; entende como:
<ul>
<li dir="ltr">
Utilizar a acelera&ccedil;&atilde;o da GPU no Watson Studio ou localmente para melhorar o desempenho da extra&ccedil;&atilde;o de caracter&iacute;sticas;
</li>
<li dir="ltr">
Fazer o download de um modelo VGG16 pr&eacute;-treinado usando o Keras;
</li>
<li dir="ltr">
Executar a extra&ccedil;&atilde;o de caracter&iacute;sticas. Nesse ponto, removemos a &uacute;ltima camada (ou seja, a camada de classifica&ccedil;&atilde;o softmax) para que nosso modelo de sa&iacute;da agora tenha apenas 12 camadas e a &uacute;ltima camada seja f2 (Densa), uma camada totalmente conectada;
</li>
<li dir="ltr">
Obter feature vectors para todas as imagens e reduzi-las usando o PCA,
</li>
<li dir="ltr">
Utilizar a dist&acirc;ncia de cosseno entre os recursos do PCA para comparar a imagem da consulta com as 5 imagens mais pr&oacute;ximas e retorn&aacute;-las como miniaturas (thumbnails).
</li>
</ul>
<h2 dir="ltr">Fluxo</h2>
<img alt="Extra&ccedil;&atilde;o de caracter&iacute;sticas
" src="https://tm.ibxk.com.br/2020/08/12/extracao-de-caracteristicas-12204356812577.png" />Extra&ccedil;&atilde;o de caracter&iacute;sticas 
<ul>
<li dir="ltr">
1. O usu&aacute;rio interage com o Jupyter Notebook para importar e usar os m&oacute;dulos Python;
</li>
<li dir="ltr">
2. 101_Object_Categories do caltech-101 s&atilde;o importadas para a pesquisa de imagens;
</li>
<li dir="ltr">
3. O modelo Keras VGG16 &eacute; importado, com pesos pr&eacute;-treinados no ImageNet;
</li>
<li dir="ltr">
4. O usu&aacute;rio pode executar a extra&ccedil;&atilde;o de caracter&iacute;sticas usando a GPU para um melhor desempenho.
</li>
</ul>
<h2 dir="ltr">Instru&ccedil;&otilde;es</h2>
Obtenha instru&ccedil;&otilde;es detalhadas no arquivo <a href="https://github.com/IBM/reverse-image-search-gpu-studio/blob/master/README.md" target="_blank">readme</a>. Essas etapas mostram como:
<ul>
<li dir="ltr">
1. Clonar o reposit&oacute;rio;
</li>
<li dir="ltr">
2. Criar um notebook no Watson Studio ou localmente;
</li>
<li dir="ltr">
3. Executar o notebook.
</li>
</ul>
...
Quer ler mais conte&uacute;do especializado de programa&ccedil;&atilde;o? Conhe&ccedil;a a <a href="https://www.tecmundo.com.br/desenvolvendo-com-ibm-cloud?utm_source=tecmundo&amp;utm_medium=cta&amp;utm_campaign=ibm-blue-profile" target="_blank">IBM Blue Profile</a> e tenha acesso a mat&eacute;rias exclusivas, novas jornadas de conhecimento e testes personalizados. Confira agora mesmo, consiga as badges e d&ecirc; um upgrade na sua carreira!

thumb-image-2024-04-30T03:03:42.502Z

Acelere pesquisa reversa de imagens com GPU para extrair características

banner-image-2024-04-30T03:03:42.516Z

Imagem de Monitorando o modelo com o Watson OpenScale no tecmundo

Treine, crie e implemente um modelo de machine learning utilizando o IBM Watson Machine Learning no IBM Cloud Pak for Data


Por: Scott Dangelo e Lukasz Cmielowski.
Publicado em: 4 de outubro de 2019. 
Esse padr&atilde;o de c&oacute;digo faz parte dos seguintes caminhos de aprendizado: <a href="https://developer.ibm.com/series/cloud-pak-for-data-learning-path/" target="_blank">Introdu&ccedil;&atilde;o ao IBM Cloud Pak for Data</a> e <a href="https://developer.ibm.com/series/learning-path-watson-openscale/" target="_blank">Introdu&ccedil;&atilde;o ao Watson OpenScale</a>.
<h3 dir="ltr">Sum&aacute;rio</h3>
Nesse padr&atilde;o de c&oacute;digo, utilizaremos os dados do German Credit (cr&eacute;dito alem&atilde;o) para treinar, criar e implementar um modelo de machine learning usando o Watson Machine Learning no IBM Cloud Pak for Data. Criaremos um reposit&oacute;rio de dados para este modelo com o Watson OpenScale e configuraremos o OpenScale para monitorar essa implementa&ccedil;&atilde;o. Em seguida, inseriremos sete dias de registros hist&oacute;ricos e medi&ccedil;&otilde;es para visualiza&ccedil;&atilde;o no painel do OpenScale Insights.
<h3 dir="ltr">Descri&ccedil;&atilde;o</h3>
O conjunto de dados utilizado para esse padr&atilde;o cont&eacute;m informa&ccedil;&otilde;es sobre aplicativos de cr&eacute;dito de v&aacute;rios usu&aacute;rios. Podemos usar uma rede neural profunda a fim de criar um modelo de machine learning utilizando o <a href="https://www.ibm.com/support/producthub/icpdata/docs/content/SSQNUZ_current/com.ibm.icpdata.doc/dsx/wmlservices.html" target="_blank">Watson Machine Learning</a> e, em seguida, implementar esse modelo para uso na previs&atilde;o de risco futuro de padr&atilde;o. Devido &agrave; natureza sens&iacute;vel da pontua&ccedil;&atilde;o de cr&eacute;dito, este &eacute; um caso de uso ideal para a solu&ccedil;&atilde;o local oferecida pelo IBM Cloud Pak for Data.
O modelo de ML implementado agora pode ser monitorado pelo Watson OpenScale. O uso cont&iacute;nuo gera dados que permitem aos administradores garantir a qualidade do modelo e oferece explica&ccedil;&otilde;es sobre quais recursos do conjunto de dados s&atilde;o mais influentes na cria&ccedil;&atilde;o da pontua&ccedil;&atilde;o de risco. A detec&ccedil;&atilde;o de polariza&ccedil;&atilde;o ser&aacute; configurada para permitir uma vis&atilde;o mais detalhada da equidade das previs&otilde;es do modelo. Todas essas informa&ccedil;&otilde;es est&atilde;o dispon&iacute;veis no painel do OpenScale e em grandes detalhes.
Depois de concluir esse padr&atilde;o de c&oacute;digo, voc&ecirc; entender&aacute; como:
<ul>
<li dir="ltr">
Criar e implementar um modelo de machine learning atrav&eacute;s do servi&ccedil;o Watson Machine Learning no IBM Cloud Pak for Data.
</li>
<li dir="ltr">
Configurar o Watson OpenScale Data Mart.
</li>
<li dir="ltr">
Associar o Watson Machine Learning ao Watson OpenScale Data Mart.
</li>
<li dir="ltr">
Adicionar assinaturas ao Data Mart.
</li>
<li dir="ltr">
Ativar o registro de carga &uacute;til e o monitor de desempenho para ativos registrados.
</li>
<li dir="ltr">
Ativar o monitor de qualidade (precis&atilde;o).
</li>
<li dir="ltr">
Ativar o monitor de legitimidade.
</li>
<li dir="ltr">
Classificar o modelo de cr&eacute;dito alem&atilde;o utilizando o Watson Machine Learning.
</li>
<li dir="ltr">
Inserir cargas hist&oacute;ricas, m&eacute;tricas de legitimidade e m&eacute;tricas de qualidade no Data Mart.
</li>
<li dir="ltr">
Utilizar o Data Mart para acessar os dados das tabelas via assinatura.
</li>
</ul>
<h3 dir="ltr">Fluxo</h3>
&nbsp;<img alt="Fluxo" src="https://tm.ibxk.com.br/2020/08/12/fluxo-12203521105573.png" />Fluxo
<ul dir="ltr">
<li>
<div>1. O desenvolvedor cria um Jupyter Notebook no IBM Cloud Pak for Data.</div>
</li>
<li>
<div>2. O OpenScale no IBM Cloud Pak for Data est&aacute; conectado a um banco de dados DB2, utilizado para armazenar dados do Watson OpenScale.</div>
</li>
<li>
<div>3. O notebook est&aacute; conectado ao Watson Machine Learning, e um modelo &eacute; treinado e implementado.</div>
</li>
<li>
<div>4. O Watson OpenScale &eacute; utilizado pelo notebook para registrar a carga &uacute;til e monitorar o desempenho, a qualidade e a legitimidade.</div>
</li>
<li>
<div>5. O OpenScale monitorar&aacute; o modelo do Watson Machine Learning quanto a desempenho, legitimidade, qualidade e explicabilidade.</div>
</li>
</ul>
<h3 dir="ltr">Instru&ccedil;&otilde;es</h3>
Pronto para utilizar esse padr&atilde;o de c&oacute;digo? Encontre detalhes completos sobre como come&ccedil;ar a executar no <a href="https://github.com/IBM/monitor-ibm-cloud-pak-with-watson-openscale/blob/master/README.md" target="_blank">README</a>. As etapas mostram a voc&ecirc; como:
<ul dir="ltr">
<li>
<div>1. Clonar o reposit&oacute;rio</div>
</li>
<li>
<div>2. Criar um novo projeto e espa&ccedil;o de implementa&ccedil;&atilde;o</div>
</li>
<li>
<div>3. Configurar o OpenScale em um Jupyter Notebook</div>
</li>
<li>
<div>4. Utilizar o painel para o OpenScale</div>
</li>
</ul>
<h3 dir="ltr">Conclus&atilde;o</h3>
Esse padr&atilde;o de c&oacute;digo mostrou como treinar, criar e implementar um modelo de machine learning atrav&eacute;s do Watson Machine Learning no IBM Cloud Pak for Data. O padr&atilde;o de c&oacute;digo faz parte da s&eacute;rie de caminhos de aprendizado <a href="https://developer.ibm.com/series/cloud-pak-for-data-learning-path/" target="_blank">Introdu&ccedil;&atilde;o ao IBM Cloud Pak for Data</a>.
O padr&atilde;o tamb&eacute;m faz parte do caminho de aprendizado Introdu&ccedil;&atilde;o ao Watson OpenScale. Para continuar com esse caminho, consulte <a href="https://developer.ibm.com/series/configure-monitor-and-understand-machine-learning-models/" target="_blank">Utilizando o OpenScale com qualquer modelo, em qualquer lugar</a>.
...
Quer ler mais conte&uacute;do especializado de programa&ccedil;&atilde;o? Conhe&ccedil;a a <a href="https://www.tecmundo.com.br/desenvolvendo-com-ibm-cloud?utm_source=tecmundo&amp;utm_medium=cta&amp;utm_campaign=ibm-blue-profile" target="_blank">IBM Blue Profile</a> e tenha acesso a mat&eacute;rias exclusivas, novas jornadas de conhecimento e testes personalizados. Confira agora mesmo, consiga as badges e d&ecirc; um upgrade na sua carreira!

thumb-image-2024-04-30T03:03:42.516Z

Monitorando o modelo com o Watson OpenScale

banner-image-2024-04-30T03:03:46.477Z

Imagem de Obtenha insights dos consumidores em análises de produtos no tecmundo

Crie um app em Node.js desenvolvido com Watson Discovery e Watson Knowledge Studio para interpretar feedback dos consumidores

<a href="https://github.com/IBM/watson-discovery-food-reviews" target="_blank">Confira o c&oacute;digo</a>
<a href="https://www.youtube.com/watch?v=gzlUSyLccSg" target="_blank">Veja a demo</a>
Esse padr&atilde;o de c&oacute;digo &eacute; parte do <a href="https://developer.ibm.com/series/learning-path-watson-discovery" target="_blank">percurso de aprendizado do Watson Discovery</a>
<h2 dir="ltr">Resumo</h2>
Voc&ecirc; sabe o que seus consumidores realmente pensam do seu produto ou servi&ccedil;o? Ter essa informa&ccedil;&atilde;o &eacute; vital para seu neg&oacute;cio e sua carreira, al&eacute;m de viabilizar adapta&ccedil;&otilde;es necess&aacute;rias para seu neg&oacute;cio. Esse padr&atilde;o de c&oacute;digo usa an&aacute;lises de refei&ccedil;&otilde;es para explicar qu&atilde;o f&aacute;cil &eacute; extrair insights de textos brutos de review. Ele exemplifica com uma aplica&ccedil;&atilde;o web funcional que ordena e manipula dados do Watson Discovery. E, com a ajuda de modelos customizados vindos do Watson Knowledge Studio, os dados s&atilde;o enriquecidos e podem gerar insights das an&aacute;lises dos clientes.
<h2 dir="ltr">Descri&ccedil;&atilde;o</h2>
Em vez de depender de suas pr&oacute;prias conclus&otilde;es, como voc&ecirc; pode saber exatamente o que seus consumidores est&atilde;o falando sobre seu neg&oacute;cio? A resposta &eacute; a habilidade de analisar feedbacks oriundos de an&aacute;lises, f&oacute;runs e outras fontes. Por meio do uso de v&aacute;rios componentes de UI, o app Node.js nesse padr&atilde;o de c&oacute;digo demonstra como extrair e visualizar dados interpretados pela engine do Watson Discovery. Depois, os dados s&atilde;o aprimorados por um modelo customizado do Watson Knowledge Studio criado especificamente para lidar com dados de an&aacute;lise de comida. Voc&ecirc; pode usar os m&uacute;ltiplos componentes de UI nesse app como um ponto de partida para desenvolver suas pr&oacute;prias aplica&ccedil;&otilde;es Watson Discovery.
Assim como voc&ecirc; aprendeu nos padr&otilde;es de c&oacute;digo anteriores, o principal benef&iacute;cio de usar o Watson Discovery &eacute; ter acesso ao poderoso sistema que fornece enriquecimento cognitivo e insights sobre seus dados. O aplicativo neste padr&atilde;o de c&oacute;digo d&aacute; exemplos de como apresentar esses enriquecimentos atrav&eacute;s de filtros, listas e gr&aacute;ficos.
Com Watson Knowledge Studio, voc&ecirc; poder&aacute; ensinar ao Watson sobre entidades adicionais e relacionamentos que v&atilde;o al&eacute;m da extra&ccedil;&atilde;o de entidade padr&atilde;o e do processo de enriquecimento com um modelo personalizado de anota&ccedil;&otilde;es. Atrav&eacute;s do uso de anota&ccedil;&otilde;es, voc&ecirc; poder&aacute; indicar entidades e os relacionamentos entre elas em um pequeno grupo de documentos, que podem ser aplicadas em um grupo muito maior de documentos semelhantes posteriormente. Esse modelo pode, ent&atilde;o, ser aplicado ao Watson Discovery e incorporado no processo de enriquecimento do Discovery conforme os documentos s&atilde;o enviados para o servi&ccedil;o.
Quando voc&ecirc; completar esse padr&atilde;o de c&oacute;digo, voc&ecirc; saber&aacute; como:
<ul>
<li dir="ltr">
carregar e enriquecer dados no Watson Discovery;
</li>
<li dir="ltr">
usar o Watson Knowledge Studio para criar um modelo de anota&ccedil;&otilde;es customizado;
</li>
<li dir="ltr">
lan&ccedil;ar um modelo Watson Knowledge Studio no Discovery;
</li>
<li dir="ltr">
ordenar e manipular dados no Discovery;
</li>
<li dir="ltr">
criar componentes em UI para representar dados enriquecidos gerados pelo Discovery;
</li>
<li dir="ltr">
construir um web app completo que use tecnologia JavaScript para obter dados do Discovery e dados enriquecidos.
</li>
</ul>
<h2 dir="ltr">Fluxo</h2>
<ol>
<li dir="ltr">
Importar as an&aacute;lises dos consumidores na cole&ccedil;&atilde;o do Discovery.
</li>
<li dir="ltr">
Carregar um conjunto de documentos com an&aacute;lises no Watson Knowledge Studio para criar anota&ccedil;&otilde;es.
</li>
<li dir="ltr">
Criar um modelo no Watson Knowledge Studio e trein&aacute;-lo.
</li>
<li dir="ltr">
Lan&ccedil;ar o modelo do Watson Knowledge Studio em uma inst&acirc;ncia do Watson Discovery.
</li>
<li dir="ltr">
O usu&aacute;rio interage com o servidor back-end atrav&eacute;s da UI do app. O app front-end usa o React para apresentar resultados de pesquisas e pode reutilizar todos as visualiza&ccedil;&otilde;es do back-end para renderiza&ccedil;&atilde;o server-side. O front-end usa componentes semantic-UI-react e &eacute; responsivo.&nbsp;
</li>
<li dir="ltr">
Processar as entradas do usu&aacute;rio e encaminhar isso de volta para o servidor back-end, que agora &eacute; respons&aacute;vel pela renderiza&ccedil;&atilde;o server-side das visualiza&ccedil;&otilde;es que ser&atilde;o mostradas no navegador. O servidor back-end &eacute; escrito usando Express e usa a engine express-react-views escrito usando o React.
</li>
<li dir="ltr">
O servidor back-end envia os pedidos do usu&aacute;rio para o Watson Discovery. Ele atua como um servidor proxy, encaminhando consultas do front-end para a API do Discovery &mdash; enquanto mant&eacute;m as chaves sens&iacute;veis da API ocultas do usu&aacute;rio.
</li>
</ol>
<h2 dir="ltr">Instru&ccedil;&otilde;es</h2>
Pronto para p&ocirc;r esse padr&atilde;o de c&oacute;digo em a&ccedil;&atilde;o? Detalhes completos de como come&ccedil;ar a rodar e usar essa aplica&ccedil;&atilde;o est&atilde;o no README.
<h2 dir="ltr">Conclus&atilde;o</h2>
Esse padr&atilde;o de c&oacute;digo mostra como voc&ecirc; pode usar an&aacute;lises de comida para explicar qu&atilde;o f&aacute;cil &eacute; extrair insights de dados brutos. Esse padr&atilde;o de c&oacute;digo &eacute; parte da s&eacute;rie <a href="https://developer.ibm.com/series/learning-path-watson-discovery" target="_blank">Percurso de aprendizado: come&ccedil;ando com Watson Discovery</a>. Para continuar e aprender mais sobre os servi&ccedil;os do Watson Discovery, d&ecirc; uma olhada no pr&oacute;ximo padr&atilde;o de c&oacute;digo: Aprimore o atendimento ao cliente com Smart Document Understanding. 
...
Quer ler mais conte&uacute;do especializado de programa&ccedil;&atilde;o? Conhe&ccedil;a a <a href="https://www.tecmundo.com.br/desenvolvendo-com-ibm-cloud?utm_source=tecmundo&amp;utm_medium=cta&amp;utm_campaign=ibm-blue-profile" target="_blank">IBM Blue Profile</a> e tenha acesso a mat&eacute;rias exclusivas, novas jornadas de conhecimento e testes personalizados. Confira agora mesmo, consiga as badges e d&ecirc; um upgrade na sua carreira!

thumb-image-2024-04-30T03:03:46.477Z

Obtenha insights dos consumidores em análises de produtos

banner-image-2024-04-30T03:03:46.490Z

Imagem de Crie app com detecção de objetos em tempo real com Watson Machine Learning no tecmundo

Treine seu próprio modelo sem necessitar de muito poder computacional e tempo

<a href="https://github.com/cloud-annotations/object-detection-ios" target="_blank">Confire o c&oacute;digo iOS</a>
<a href="https://github.com/cloud-annotations/object-detection-android" target="_blank">Confire o c&oacute;digo Android</a>
<a href="https://github.com/cloud-annotations/object-detection-react" target="_blank">Confire o c&oacute;digo em React</a>
<a href="https://docs.annotations.ai/workshops/object-detection" target="_blank">Fa&ccedil;a o workshop</a>
<a href="https://www.youtube.com/watch?v=ijbbPT1NBl4" target="_blank">Assista ao workshop</a>
<h2 dir="ltr">Resumo</h2>
Seja contando carros na estrada ou pessoas presas em telhados durante um desastre natural, h&aacute; v&aacute;rios usos para detec&ccedil;&atilde;o de objetos. Frequentemente, modelos treinados de detec&ccedil;&atilde;o de objetos n&atilde;o atendem &agrave;s suas necessidades, e &eacute; preciso ser criativo para criar os pr&oacute;prios modelos. Como voc&ecirc; pode usar machine learning para treinar seu pr&oacute;prio modelo sem tanto poder computacional e tempo? Watson Machine Learning. Como voc&ecirc; pode usar seus modelos personalizados para detectar objetos, em tempo real, com privacidade garantida ao usu&aacute;rio e com um dispositivo com poder computacional limitado? Apple&rsquo;s Core ML, TensorFlow.js e TensorFlow Lite.
<h2 dir="ltr">Descri&ccedil;&atilde;o</h2>
Neste padr&atilde;o de c&oacute;digo, voc&ecirc; desenvolver&aacute; um app iOS, Android ou web (ou todos os tr&ecirc;s) que permite utilizar seu modelo com treino customizado para detec&ccedil;&atilde;o de objetos. Voc&ecirc; criar&aacute; uma inst&acirc;ncia no IBM Cloud Storage para armazenar os dados rotulados, e depois que as informa&ccedil;&otilde;es estiverem prontas, voc&ecirc; aprender&aacute; a iniciar uma inst&acirc;ncia no Watson Machine Learning para treinar seu pr&oacute;prio modelo em GPUs top de linha. Ap&oacute;s completar o treino, voc&ecirc; pode implementar seu modelo na aplica&ccedil;&atilde;o com um simples &ldquo;drag-and-drop&rdquo;.
Quando voc&ecirc; completar este padr&atilde;o de c&oacute;digo, voc&ecirc; saber&aacute;:
<ul>
<li dir="ltr">
rotular dados que podem ser usados para detec&ccedil;&atilde;o de objetos;
</li>
<li dir="ltr">
usar seus dados personalizados para treinar um modelo usando Watson Machine Learning;
</li>
<li dir="ltr">
detectar objetos com Core ML.
</li>
</ul>
<h2 dir="ltr">Fluxo</h2>
<img alt="watson" src="https://tm.ibxk.com.br/2020/08/05/watson-05185438228474.png" />
<ul>
<li dir="ltr">
Fazer o upload de seus dados para treinamento no IBM Cloud Object Storage.
</li>
<li dir="ltr">
O Watson Machine Learning puxa os dados de treinamento do IBM Cloud Object Storage e treina um modelo com TensorFlow. O modelo treinado &eacute; igualmente armazenado no IBM Cloud Object Storage.
</li>
<li dir="ltr">
Os modelos treinados s&atilde;o adicionados ao app.
</li>
<li dir="ltr">
O usu&aacute;rio interage com os apps que podem detectar objetos em tempo real.
</li>
</ul>
<h2 dir="ltr">Instru&ccedil;&otilde;es</h2>
Para come&ccedil;ar a construir o aplicativo, voc&ecirc; pode seguir as etapas descritas no seguinte workshop.
<ul>
<li dir="ltr">
<a href="https://cloud.annotations.ai/workshops/object-detection/index.html" target="_blank">Treinando um Modelo de Detec&ccedil;&atilde;o de Objeto</a>
</li>
</ul>
...
Quer ler mais conte&uacute;do especializado de programa&ccedil;&atilde;o? Conhe&ccedil;a o&nbsp;<a href="https://www.tecmundo.com.br/desenvolvendo-com-ibm-cloud?utm_source=tecmundo&amp;utm_medium=cta&amp;utm_campaign=ibm-blue-profile" target="_blank">IBM Blue Profile</a>&nbsp;e tenha acesso a mat&eacute;rias exclusivas, novas jornadas de conhecimento e testes personalizados. Confira agora mesmo, consiga as badges e d&ecirc; um upgrade na sua carreira!
&hellip;..
Quer dar o pr&oacute;ximo grande passo na sua jornada profissional? Participe do&nbsp;<a href="https://www.ibm.com/br-pt/campaign/cloud-training" target="_blank">Cloud Training</a>, um&nbsp;curso online e gratuito&nbsp;que vai te preparar para o exame da certifica&ccedil;&atilde;o&nbsp;IBM Cloud Foundations.&nbsp;<a href="https://www.ibm.com/br-pt/campaign/cloud-training" target="_blank">Inscreva-se j&aacute;</a>!

thumb-image-2024-04-30T03:03:46.490Z

Crie app com detecção de objetos em tempo real com Watson Machine Learning

banner-image-2024-04-30T03:03:50.517Z

Imagem de Reconhecimento de imagens com TensorFlow e Keras no tecmundo

Use a visão computacional, o TensorFlow e o Keras para classificação e processamento de imagens

thumb-image-2024-04-30T03:03:50.517Z

Reconhecimento de imagens com TensorFlow e Keras

banner-image-2024-04-30T03:03:50.491Z

Imagem de Introdução à visão computacional no tecmundo

Aprenda o básico sobre a visão computacional com o deep learning

thumb-image-2024-04-30T03:03:50.491Z

Introdução à visão computacional

banner-image-2024-04-30T03:03:50.648Z

Imagem de Introduzindo confiança em inteligência artificial no tecmundo

Que nível de confiança podemos — e devemos — dedicar a sistemas de inteligência artificial?


Este tutorial faz parte do guia <a href="https://developer.ibm.com/series/learning-path-watson-openscale/" target="_blank">Getting started with Watson OpenScale</a>
Intelig&ecirc;ncia artificial (IA) est&aacute; em todos os lugares. Da Alexa em nossas casas a recomenda&ccedil;&otilde;es da Netflix, ou do mecanismo de buscas preditivas do Google a rob&ocirc;s cir&uacute;rgicos, esses sistemas podem sentir, argumentar, entender, aprender e interagir.
Empresas e startups inovam constantemente no desenvolvimento de aplica&ccedil;&otilde;es melhores e mais inteligentes, j&aacute; que IA concede benef&iacute;cios variados &agrave;s organiza&ccedil;&otilde;es. Estima-se que o mercado de intelig&ecirc;ncia artificial se torne uma ind&uacute;stria de <a href="https://www.marketsandmarkets.com/Market-Reports/artificial-intelligence-market-74851580.html" target="_blank">US$ 190 bilh&otilde;es</a> at&eacute; 2025. Entretanto, os avan&ccedil;os desse tipo de tecnologia podem criar novos desafios e levantar quest&otilde;es legais e &eacute;ticas.
Hoje, IA &eacute; vista como uma esp&eacute;cie de caixa misteriosa que toma decis&otilde;es obscuras, e as empresas podem ter dificuldades para explicar ou entender como essa capacidade &eacute; alcan&ccedil;ada.
Por exemplo, grandes cidades chinesas est&atilde;o utilizando c&acirc;meras inteligentes com reconhecimento facial baseado em intelig&ecirc;ncia artificial para detectar e identificar pedestres imprudentes (aqueles que atravessam as ruas com alta taxa de tr&aacute;fego, em vez de se dirigirem aos locais mais adequados, com faixas). O nome do infrator, ainda que parcialmente coberto, e seu rosto s&atilde;o exibidos em uma tela p&uacute;blica. Acontece que o sistema <a href="https://www.telegraph.co.uk/technology/2018/11/25/chinese-businesswoman-accused-jaywalking-ai-camera-spots-face/" target="_blank">cometeu um erro em Ningbo</a>, divulgando a foto de um bilion&aacute;rio chamado Mingzhu Dong &mdash; falsamente reconhecido em uma campanha publicit&aacute;ria de um &ocirc;nibus e tomado por pedestre. A respeito do caso, Dong declarou que &ldquo;n&atilde;o foi nada&rdquo;, j&aacute; que detec&ccedil;&atilde;o e reconhecimento em tempo real s&atilde;o desafiadores.
<img alt="IBM" src="https://tm.ibxk.com.br/2020/07/28/ibm-28180133160249.png" />
Mas se os resultados de um sistema de IA auxiliassem a determinar a senten&ccedil;a criminal a ser aplicada, permaneceria sendo um assunto sem import&acirc;ncia? Nos Estados Unidos, tribunais podiam basear suas decis&otilde;es &mdash; inclusive relacionadas a fian&ccedil;as e penas &mdash; sobre r&eacute;us e condenados nos dados fornecidos pelo COMPAS. COMPAS &eacute; um software de avalia&ccedil;&atilde;o de risco gerenciado por intelig&ecirc;ncia artificial utilizado para prever quais criminosos s&atilde;o mais propensos &agrave; reincid&ecirc;ncia. A acur&aacute;cia desse recurso foi questionada quando foram notados resultados <a href="https://www.theatlantic.com/technology/archive/2018/01/equivant-compas-algorithm/550646/" target="_blank">tendenciosos</a>.
Definitivamente, tais equ&iacute;vocos n&atilde;o s&atilde;o quest&otilde;es triviais quando a seguran&ccedil;a humana est&aacute; em jogo. Em 2018, um dos carros aut&ocirc;nomos da Uber, que estava no modo autom&aacute;tico e tinha um motorista humano no volante por precau&ccedil;&atilde;o, <a href="https://www.theverge.com/2018/5/24/17388696/uber-self-driving-crash-ntsb-report" target="_blank">atropelou e matou uma pedestre no Arizona</a>. Os sensores do ve&iacute;culo detectaram a mulher, mas &ldquo;decidiram&rdquo; n&atilde;o frear ou agir de alguma maneira. Isso levou a empresa e outras companhias, como Toyota e NVIDIA, a suspenderem testes semelhantes nos Estados Unidos.
Quanto mais a IA continua a expandir seu papel em nossas vidas e a tomar decis&otilde;es por n&oacute;s, uma pergunta importante n&atilde;o deixa de ser levantada:&nbsp;
<h2 dir="ltr">Que n&iacute;vel de confian&ccedil;a podemos &mdash; e devemos &mdash; dedicar a sistemas de intelig&ecirc;ncia artificial?</h2>
Para tentar responder essa pergunta, em abril de 2019 a Uni&atilde;o Europeia divulgou uma publica&ccedil;&atilde;o sobre diretrizes &eacute;ticas para intelig&ecirc;ncia artificial. No documento, foram destacados <a href="https://europa.eu/rapid/press-release_IP-19-1893_en.htm" target="_blank">sete aspectos essenciais</a> de uma IA confi&aacute;vel. Essas diretrizes inclu&iacute;am exig&ecirc;ncias como privacidade, governan&ccedil;a de informa&ccedil;&otilde;es, diversidade e seguran&ccedil;a.
No mesmo ano, o Smart Dubai Government anunciou o <a href="https://www.smartdubai.ae/initiatives/ai-principles" target="_blank">Dubai AI Principles</a>, que exp&otilde;e as expectativas da cidade e fornece um roteiro para guiar o comportamento dos sistemas baseados em intelig&ecirc;ncia artificial. O &oacute;rg&atilde;o tamb&eacute;m lan&ccedil;ou o <a href="https://www.smartdubai.ae/initiatives/ai-ethics" target="_blank">Dubai AI Ethics Guidelines</a> para fornecer orienta&ccedil;&otilde;es para assuntos cruciais, como contabilidade e outros temas relacionados a algoritmos com IA. Inclusive, &eacute; poss&iacute;vel experimentar a <a href="https://www.smartdubai.ae/self-assessment" target="_blank">ferramenta de autoavalia&ccedil;&atilde;o</a> do Dubai AI Ethics Guidelines para avaliar o n&iacute;vel de &eacute;tica de um sistema de IA a partir desses conceitos.
<h2 dir="ltr">Quatro pilares de IA confi&aacute;vel</h2>
&Eacute;tica na intelig&ecirc;ncia artificial &eacute; uma <a href="https://www.ibm.com/watson/ai-ethics/" target="_blank">grande &aacute;rea de pesquisa</a> da IBM. <a href="https://arxiv.org/abs/1808.07261" target="_blank">Neste artigo</a>, s&atilde;o descritos quatro elementos, ou pilares, que formam a base de sistemas de IA confi&aacute;veis.
<h3 dir="ltr">1. Explicabilidade</h3>
Trata-se de saber e entender como modelos de IA tomam decis&otilde;es espec&iacute;ficas. Ter a visibilidade de como funcionam. Por enquanto, modelos de machine learning s&atilde;o caixas misteriosas. N&atilde;o sabemos exatamente como elas fazem as escolhas que fazem.
Ainda que seja um aspecto fundamental de uma IA confi&aacute;vel, implementar explicabilidade pode ser desafiador. Nesse processo, a acur&aacute;cia do modelo &eacute; comprometida, j&aacute; que os mais simples, facilmente interpret&aacute;veis, t&ecirc;m sua capacidade preditiva reduzida (por exemplo, regress&atilde;o linear de &aacute;rvores de decis&atilde;o). Algoritmos mais poderosos e complexos, como redes neurais ou random forests, tendem a ser altamente precisos, mas dif&iacute;ceis de entender devido &agrave; complexidade de sua natureza.
Outro fator a ser considerado &eacute; que explicabilidade n&atilde;o &eacute; unidimensional. Diferentes partes interessadas gostariam de ter insights de variados aspectos do funcionamento interno de um algoritmo com base em prop&oacute;sitos e objetivos. Logo, explica&ccedil;&otilde;es devem ser adaptadas.
<h3 dir="ltr">2. Justi&ccedil;a</h3>
Garantir sistemas de intelig&ecirc;ncia artificial justos significa eliminar vieses nos modelos ou dados (ou pelo menos minimiz&aacute;-los). Esses vieses s&atilde;o descritos como um desentendimento entre o treinamento de distribui&ccedil;&atilde;o de informa&ccedil;&otilde;es criado pelo desenvolvedor e a justa distribui&ccedil;&atilde;o esperada. Eles podem se &ldquo;infiltrar&rdquo; facilmente nos sistemas de IA atrav&eacute;s da cria&ccedil;&atilde;o, da coleta ou do processamento de dados. O sistema pode selecion&aacute;-los, codific&aacute;-los e ter o potencial de redimension&aacute;-los, o que pode levar a resultados injustos (como ocorreu com o COMPAS). Algoritmos de machine learning aprendem a partir do treinamento que recebem.&nbsp;
Para encorajar a ado&ccedil;&atilde;o de IA, deve-se assegurar que ela n&atilde;o assuma nem amplifique vieses, bem como usar dados e modelos de treinamento equitativos para evitar tratamentos injustos. Estabelecer testes para identificar, classificar e minimizar qualquer vi&eacute;s &eacute; fundamental para desenvolver sistemas de IA justos.
<h3 dir="ltr">3. Robustez</h3>
A robustez se baseia em dois fatores: seguran&ccedil;a e prote&ccedil;&atilde;o.
A seguran&ccedil;a de um sistema de intelig&ecirc;ncia artificial normalmente &eacute; associada &agrave; habilidade de um modelo desenvolver conhecimentos que incorporem normas societ&aacute;rias, pol&iacute;ticas ou regulamenta&ccedil;&otilde;es que correspondam a comportamentos bem estabelecidos.
J&aacute; a prote&ccedil;&atilde;o diz respeito &agrave; capacidade de defesa contra ataques maliciosos. Como qualquer software, as IA est&atilde;o vulner&aacute;veis a esse tipo de ocorr&ecirc;ncia. Isso eleva a preocupa&ccedil;&atilde;o referente &agrave; seguran&ccedil;a, visto que modelos podem ser adulterados e dados podem ser comprometidos ou deturpados.
<img alt="IBM" src="https://tm.ibxk.com.br/2020/07/28/ibm-28175920534247.jpg" />
Invasores podem se apropriar de modelos de IA estudando seus outputs ou enganando o algoritmo por meio da introdu&ccedil;&atilde;o de ru&iacute;dos ou perturba&ccedil;&otilde;es contradit&oacute;rias. Caso acredite que isso &eacute; complicado, confira o artigo <a href="https://arxiv.org/pdf/1710.08864.pdf" target="_blank">One Pixel Attack for Fooling Deep Neural Networks</a>, que descreve como uma rede neural profunda identifica imagens incorretamente quando um pixel &mdash; isso mesmo, apenas um pixel &mdash; &eacute; modificado.
A seguran&ccedil;a pode ser aprimorada com a exposi&ccedil;&atilde;o e a corre&ccedil;&atilde;o de vulnerabilidades no sistema, possibilitando a identifica&ccedil;&atilde;o de novos ataques e defesas e a estrutura&ccedil;&atilde;o de novos m&eacute;todos de treinamento contra invasores para fortalecimento do modelo, al&eacute;m da cria&ccedil;&atilde;o de novas m&eacute;tricas de avalia&ccedil;&atilde;o da robustez.
<h3 dir="ltr">4. Linhagem</h3>
Sistemas de intelig&ecirc;ncia artificial est&atilde;o em constante evolu&ccedil;&atilde;o. Linhagem diz respeito &agrave; possibilidade de rastrear e manter a origem de datasets, metadados, modelos com seus hiperpar&acirc;metros e resultados de testes. Rastreabilidade &eacute; crucial para que &oacute;rg&atilde;os reguladores, organiza&ccedil;&otilde;es apropriadas, terceiros e usu&aacute;rios auditem o sistema e possam reproduzir outputs passados e identificar resultados.
A caracter&iacute;stica pode auxiliar na descoberta da vers&atilde;o exata do servi&ccedil;o e sua implementa&ccedil;&atilde;o em qualquer ponto de sua hist&oacute;ria, assim como evidenciar quantas vezes o sistema foi treinado e seus detalhes de modifica&ccedil;&atilde;o, como a quantidade de metadados modificados no epis&oacute;dio do treinamento, dataset de treinamento utilizado, acur&aacute;cia e seguran&ccedil;a das m&eacute;tricas em sua evolu&ccedil;&atilde;o, feedback fornecido e motivos para reciclagem e aprimoramento.
<h2 dir="ltr">Ferramentas</h2>
Agora que voc&ecirc; sabe a import&acirc;ncia de gerar confian&ccedil;a em sistemas de intelig&ecirc;ncia artificial e os fatores que os influenciam, vamos conferir ferramentas que o auxiliar&atilde;o a implementar essa caracter&iacute;stica em seus servi&ccedil;os.
<h3 dir="ltr">Watson OpenScale</h3>
<img alt="Watson OpenScale" src="https://tm.ibxk.com.br/2020/07/28/watson-openscale-28175451907243.png" />
Ambiente de n&iacute;vel corporativo para aplica&ccedil;&otilde;es AI-infused que oferece &agrave;s empresas visibilidade de como a IA est&aacute; sendo constru&iacute;da e usada, o OpenScale traz clareza de informa&ccedil;&otilde;es e pode detectar e atenuar vieses, ajudar a explicar os resultados da IA, escalar o uso do modelo e fornecer insights sobre a integridade do sistema, al&eacute;m de fornecer ROI &mdash; tudo dentro de um cen&aacute;rio de gerenciamento unificado.
<a href="https://media.github.ibm.com/user/128618/files/af082f00-e052-11e9-9157-11f25b12a5fd" target="_blank">Saiba mais</a>
<a href="https://www.ibm.com/cloud/watson-openscale#node-explore" target="_blank">Teste a solu&ccedil;&atilde;o</a>
<a href="https://cloud.ibm.com/catalog/services/watson-openscale?cm_sp=ibmdev-_-developer-articles-_-cloudreg" target="_blank">Demo</a>
<h3 dir="ltr">AI Explainability 360</h3>
O toolkit AI Explainability 360 &eacute; um pacote open source Python que pode ajudar na compreens&atilde;o de como modelos de machine learning preveem labels de diversas maneiras durante o ciclo de vida da aplica&ccedil;&atilde;o de IA. S&atilde;o inclu&iacute;dos algoritmos compat&iacute;veis com a interpretabilidade e a explicabilidade de datasets e modelos de aprendizado de m&aacute;quina.
<a href="https://aix360.mybluemix.net/?_ga=2.158392825.2125855433.1585866227-493227985.1585866227" target="_blank">Saiba mais</a>
<a href="https://github.com/IBM/AIX360" target="_blank">Adquira o pacote</a>
<a href="https://aix360.mybluemix.net/data?_ga=2.158392825.2125855433.1585866227-493227985.1585866227" target="_blank">Demo</a>
<h3 dir="ltr">Adversarial Robustness 360 Toolbox</h3>
Pacote open source Python para machine learning advers&aacute;ria que auxilia na defesa de redes neurais profundas contra ataques maliciosos, tornando sistemas de IA mais seguros. Seu prop&oacute;sito &eacute; permitir a r&aacute;pida elabora&ccedil;&atilde;o e an&aacute;lise de m&eacute;todos de ataque e defesa para modelos de machine learning. Adversarial Robustness 360 Toolbox fornece a implementa&ccedil;&atilde;o para muitos m&eacute;todos de ponta para ataque e defesa.
<a href="https://adversarial-robustness-toolbox.readthedocs.io/en/latest/" target="_blank">Saiba mais</a>
<a href="https://github.com/IBM/adversarial-robustness-toolbox" target="_blank">Adquira o pacote</a>
<a href="https://art-demo.mybluemix.net/?_ga=2.87698011.2125855433.1585866227-493227985.1585866227" target="_blank">Demo</a>
<h3 dir="ltr">AI Fairness 360</h3>
Pacote open source Python para auxiliar na detec&ccedil;&atilde;o e na remo&ccedil;&atilde;o de vieses de modelos de machine learning. Inclui um conjunto abrangente de m&eacute;tricas para datasets e modelos para testar e explicar vieses, al&eacute;m de algoritmos para minimiz&aacute;-los.
<a href="https://aif360.mybluemix.net/?_ga=2.133948749.2125855433.1585866227-493227985.1585866227" target="_blank">Saiba mais&nbsp;</a>
<a href="https://github.com/IBM/AIF360" target="_blank">Adquira o c&oacute;digo</a>
<a href="http://aif360.mybluemix.net/data?_ga=2.133948749.2125855433.1585866227-493227985.1585866227" target="_blank">Demo</a>
<a href="https://medium.com/@alex.jones/ibm-watson-openscale-and-ai-fairness-360-two-new-ai-analysis-tools-that-work-great-together-5f0740142ba1" target="_blank">OpenScale versus AI Fairness 360</a>
<h2 dir="ltr">Conclus&atilde;o</h2>
Este artigo explicou como vieses e ataques podem afetar sistemas de intelig&ecirc;ncia artificial. Al&eacute;m disso, forneceu diversos exemplos de como tais a&ccedil;&otilde;es podem ocorrer, indicando ferramentas para minimizar os problemas
Esta &eacute; uma parte do guia <a href="https://developer.ibm.com/series/learning-path-watson-openscale/" target="_blank">Getting started with Watson OpenScale</a>. Para continuar o aprendizado, confira <a href="https://medium.com/@alex.jones/ibm-watson-openscale-and-ai-fairness-360-two-new-ai-analysis-tools-that-work-great-together-5f0740142ba1" target="_blank">IBM Watson OpenScale and AI Fairness 360: Two new AI analysis tools that work great together</a>. Depois, acesse o tutorial <a href="https://developer.ibm.com/tutorials/getting-started-with-watson-openscale/" target="_blank">Getting started with Watson OpenScale</a>. 
...
Quer ler mais conte&uacute;do especializado de programa&ccedil;&atilde;o? Conhe&ccedil;a a <a href="https://www.tecmundo.com.br/desenvolvendo-com-ibm-cloud?utm_source=tecmundo&amp;utm_medium=cta&amp;utm_campaign=ibm-blue-profile" target="_blank">IBM Blue Profile</a> e tenha acesso a mat&eacute;rias exclusivas, novas jornadas de conhecimento e testes personalizados. Confira agora mesmo, consiga as badges e d&ecirc; um upgrade na sua carreira!
.....
Participe da&nbsp;<a class="c-link" aria-describedby="sk-tooltip-6401" href="https://ad.doubleclick.net/ddm/trackclk/N1114924.1648088TECMUNDO.COM.BR/B24342048.278306450;dc_trk_aid=472629881;dc_trk_cid=133852917;dc_lat=;dc_rdid=;tag_for_child_directed_treatment=;tfua=" target="_blank" rel="noopener noreferrer" data-stringify-link="https://ad.doubleclick.net/ddm/trackclk/N1114924.1648088TECMUNDO.COM.BR/B24342048.278306450;dc_trk_aid=472629881;dc_trk_cid=133852917;dc_lat=;dc_rdid=;tag_for_child_directed_treatment=;tfua=" delay="150" data-sk="tooltip_parent">Maratona Behind the Code 2020</a>, um desafio para desenvolvedores e entusiastas da tecnologia! Al&eacute;m de concorrer a pr&ecirc;mios, voc&ecirc; ainda tem acesso a conte&uacute;dos e servi&ccedil;os gratuitos. N&atilde;o perca essa chance, as inscri&ccedil;&otilde;es v&atilde;o at&eacute; 7 de agosto!

thumb-image-2024-04-30T03:03:50.648Z

Introduzindo confiança em inteligência artificial

Lançamento de foguete na base de Alcântara é adiado. Com o adiamento, o lançamento do foguete HANBIT-Nano na base maranhense terá a primeira tentativa acontecendo no dia 17 de dezembro. 1º LANÇAMENTO COMERCIAL BR DE FOGUETE , META faturando com golpes, CONSOLE DA STEAM - SemManual 015 🎧 Veja o episódio completo no @tecmundo <a href="https://www." target="_blank" rel="nofollow noopener">https://www.</a>youtube.com/watch?v=cOXTyx64JgM Já é inscrito no maior canal de tecnologia do Brasil? Acompanhe os podcasts completos e muito mais! <a href="https://www." target="_blank" rel="nofollow noopener">https://www.</a>youtube.com/c/tecmundo/about 💡 Participe dos grupos do TecMundo e fique por dentro das novidades! - WhatsApp: <a href="https://" target="_blank" rel="nofollow noopener">https://</a>bit.ly/wpptecmundo - Telegram: <a href="https://" target="_blank" rel="nofollow noopener">https://</a>bit.ly/tlgtecmundo 👀 Os melhores cupons Online para você! <a href="https://www." target="_blank" rel="nofollow noopener">https://www.</a>tecmundo.com.br/cupons #Brasil #tecnologia #foguetebrasileiro #espaco #semmanual #tecmundo #orgulhobrasileiro #ciencia #inovacao #parcerias #exploracaoespacial #Alcantara #SpaceBR #startupbrasil

1º foguete: O Brasil só não domina o mundo porque não quer 🇧🇷🔥

Podcast Sem Manual

Satélites & Tecnologia Espacial

A quinta temporada de The Boys 'tá quase' chegando, segundo o ator Tomer Capone, que interpreta o Francês na série. Em um recado em português durante a #CCXP, o astro disse que todo o elenco ama o nosso país, e até soltou uns xingamentos para mostrar o que anda aprendendo no nosso idioma 🤣 A última temporada de The Boys chega em 8 de abril de 2026 no Prime Video. E aí, ficou animado com o entusiasmo do ator? Comenta aí!

TÁ QUASE! Ator de The Boys manda recado em português na CCXP - Tomer Capone

Eventos

A Apple lançou o iPhone Pocket — um pedaço de pano vendido por R$1200 para guardar seu iPhone. É isso mesmo. No Sem Manual, a gente comenta esse “acessório premium” e tenta entender como chegamos até aqui. 1º LANÇAMENTO COMERCIAL BR DE FOGUETE , META faturando com golpes, CONSOLE DA STEAM - SemManual 015 🎧 Veja o episódio completo no @tecmundo <a href="https://www." target="_blank" rel="nofollow noopener">https://www.</a>youtube.com/watch?v=cOXTyx64JgM Já é inscrito no maior canal de tecnologia do Brasil? Acompanhe os podcasts completos e muito mais! <a href="https://www." target="_blank" rel="nofollow noopener">https://www.</a>youtube.com/c/tecmundo/about 💡 Participe dos grupos do TecMundo e fique por dentro das novidades! - WhatsApp: <a href="https://" target="_blank" rel="nofollow noopener">https://</a>bit.ly/wpptecmundo - Telegram: <a href="https://" target="_blank" rel="nofollow noopener">https://</a>bit.ly/tlgtecmundo 👀 Os melhores cupons Online para você! <a href="https://www." target="_blank" rel="nofollow noopener">https://www.</a>tecmundo.com.br/cupons #apple #iphone #iphonepocket #semmanual #tecmundo #ai #tecnologia #ios #appleevent #review #shorts #viral #brasil #humor #noticias

R$1200 num pedaço de pano: o iPhone Pocket chegou!

Joy Macedo comenta os rumores que aparecem até no autocomplete do Google — incluindo “Joy saiu do Loop?” e “Joy brigou com o Loop?”. Um corte divertido e sincero sobre boatos, expectativas e como a internet cria histórias que nunca aconteceram. 🎧 Veja o episódio completo no @tecmundo : <a href="https://www." target="_blank" rel="nofollow noopener">https://www.</a>youtube.com/watch?v=ylG2FGmvsnM ELA VOLTOU? BASTIDORES de TECNOLOGIA com JOY MACEDO (TecMundo, Loop Infinito e Canaltech) Siga nossa convidada no YouTube: <a href="https://www." target="_blank" rel="nofollow noopener">https://www.</a>youtube.com/@JoyMacedo 🎧 Ouça o TecInverso nas plataformas de áudio: Spotify:<a href="https://" target="_blank" rel="nofollow noopener">https://</a>open.spotify.com/show/6M5Bc5TwbdNcIiCepA3cpC?si=5026f7759e1047fd Apple Podcasts: <a href="https://" target="_blank" rel="nofollow noopener">https://</a>podcasts.apple.com/br/podcast/tecinverso/id1832574534 Já é inscrito no maior canal de tecnologia do Brasil? Acompanhe os podcasts completos e muito mais! <a href="https://www." target="_blank" rel="nofollow noopener">https://www.</a>youtube.com/c/tecmundo/about 💡 Participe dos grupos do TecMundo e fique por dentro das novidades! - WhatsApp: <a href="https://" target="_blank" rel="nofollow noopener">https://</a>bit.ly/wpptecmundo - Telegram: <a href="https://" target="_blank" rel="nofollow noopener">https://</a>bit.ly/tlgtecmundo 👀 Os melhores cupons Online para você! <a href="https://www." target="_blank" rel="nofollow noopener">https://www.</a>tecmundo.com.br/cupons #JoyMacedo #CortesTecMundo #TecInverso #LoopInfinito #RumoresTech #GoogleAutocomplete #TretaTech #FofocaTech #MitosDaInternet #Tecnologia #PodcastTech #Boatos #CulturaDigital #JoyMacedoCortes #MercadoTech

Joy Macedo responde: saiu do Loop? Teve treta?

A sexta e última temporada de The Boys chega em 8 de abril de 2026 no Amazon Prime Video. Confira o primeiro trailer legendado da parte final da série, lançado durante a CCXP 2025 no Brasil. A produção trará o confronto final entre Billy Butcher e Homelander, além da participação especial de Jared Padalecki, o icônico Sam de Supernatural. E aí, ansioso pela chegada da produção? Comenta aí as suas expectativas

The Boys Temporada 6 ganha trailer e data de lançamento na CCXP 2025

Trailers de Séries

Misha Collins, ator que interpreta Castiel na série Supernatural, trouxe um pouco de política para o painel da série na #CCXP Uma pessoa da plateia questionou qual tipo de criatura o elenco gostaria de enfrentar na série, e o artista aproveitou a deixa pra criticar Donald Trump. A brincadeira rendeu aplausos do público no evento, mas foi prontamente cortada pela produção, que exibiu vídeos da série logo em seguida.

Misha Collins, Castiel de Supernatural, critica Donald Trump na CCXP 2025

Fernanda Montenegro recebeu o carinho do público durante a CCXP 2025. A atriz participou de um painel da Paris Filmes e foi aplaudida de pé pelo público. Com quase 100 anos, Fernanda comentou sobre como foi atuar no filme Velhos Bandidos, que estreou este ano e também conta com Bruna Marquezine e Ary Fontoura no elenco. E aí, qual seu filme favorito da atriz? Comenta aí!

Fernanda Montenegro é ovacionada pelo público na CCXP 2025

O que vocês acharam dessa versão especial para o maior ícone do Lado Sombrio da Força para o smartphone intermediário da Oppo? Diz aí nos comentários! CRÉDITOS: - Imagens, apresentação e edição: Leonardo Rocha #tecmundo #smartphone #tecnologia #unboxing #opporeno14f #limitededition #ediçãolimitada #starwars #darthvader #darkside

UNBOXING edição limitada Dark Side do Oppo Reno14 F com tema do Darth Vader de Star Wars! #oppo

Shorts

Unboxing de produtos

A Valve pegou todo mundo de surpresa ao anunciar três novos produtos de uma só vez: o novo Steam Controller, o headset Steam Frame e a Steam Machine — que não é exatamente um console. Depois do sucesso absurdo do Steam Deck, a empresa resolveu expandir o ecossistema de vez. 1º LANÇAMENTO COMERCIAL BR DE FOGUETE , META faturando com golpes, CONSOLE DA STEAM - SemManual 015 🎧 Veja o episódio completo no @tecmundo <a href="https://www." target="_blank" rel="nofollow noopener">https://www.</a>youtube.com/watch?v=cOXTyx64JgM Já é inscrito no maior canal de tecnologia do Brasil? Acompanhe os podcasts completos e muito mais! <a href="https://www." target="_blank" rel="nofollow noopener">https://www.</a>youtube.com/c/tecmundo/about 💡 Participe dos grupos do TecMundo e fique por dentro das novidades! - WhatsApp: <a href="https://" target="_blank" rel="nofollow noopener">https://</a>bit.ly/wpptecmundo - Telegram: <a href="https://" target="_blank" rel="nofollow noopener">https://</a>bit.ly/tlgtecmundo 👀 Os melhores cupons Online para você! <a href="https://www." target="_blank" rel="nofollow noopener">https://www.</a>tecmundo.com.br/cupons #Steam #Valve #SteamDeck #SteamMachine #SteamController #SteamFrame #realidadevirtual #VR #gaming #jogos #pcgamer #tecmundo #semmanual #cortes

Steam faz a MAIOR virada desde o Steam Deck!

Games & Consoles

PC & Hardware

A segunda temporada de Fallout ganhou um painel cheio de novidades na #CCXP, e um dos destaques ficou para a aparição de um personagem icônico dos games. Mr House tomou as rédeas do show na entrada do ator Justin Theroux, que interpreta o icônico vilão. A segunda temporada tem estreia marcada para 17 de dezembro no Amazon Prime Video. Animado para assistir? Comente aí e continue acompanhando a nossa cobertura da CCXP com a Unip! 🎮🎬

Mr House tem entrada ÉPICA na CCXP 2025 - Fallout Temporada 2 New Vegas

A energia caiu minutos antes da live e o estúdio quase foi pro chão. Entre risadas e caos, Joy Macedo questiona: “a quem interessa me calar?” Um corte divertido sobre bastidores, imprevistos e teorias improvisadas. 🎧 Veja o episódio completo no @tecmundo : <a href="https://www." target="_blank" rel="nofollow noopener">https://www.</a>youtube.com/watch?v=ylG2FGmvsnM ELA VOLTOU? BASTIDORES de TECNOLOGIA com JOY MACEDO (TecMundo, Loop Infinito e Canaltech) Siga nossa convidada no YouTube: <a href="https://www." target="_blank" rel="nofollow noopener">https://www.</a>youtube.com/@JoyMacedo 🎧 Ouça o TecInverso nas plataformas de áudio: Spotify:<a href="https://" target="_blank" rel="nofollow noopener">https://</a>open.spotify.com/show/6M5Bc5TwbdNcIiCepA3cpC?si=5026f7759e1047fd Apple Podcasts: <a href="https://" target="_blank" rel="nofollow noopener">https://</a>podcasts.apple.com/br/podcast/tecinverso/id1832574534 Já é inscrito no maior canal de tecnologia do Brasil? Acompanhe os podcasts completos e muito mais! <a href="https://www." target="_blank" rel="nofollow noopener">https://www.</a>youtube.com/c/tecmundo/about 💡 Participe dos grupos do TecMundo e fique por dentro das novidades! - WhatsApp: <a href="https://" target="_blank" rel="nofollow noopener">https://</a>bit.ly/wpptecmundo - Telegram: <a href="https://" target="_blank" rel="nofollow noopener">https://</a>bit.ly/tlgtecmundo 👀 Os melhores cupons Online para você! <a href="https://www." target="_blank" rel="nofollow noopener">https://www.</a>tecmundo.com.br/cupons #JoyMacedo #CortesTecMundo #TecInverso #LiveAoVivo #Enel #QuedaDeEnergia #ChaosTech #HumorTech #Sabotagem #PodcastTech #JoyMacedoCortes #FofocaTech #QuemQuerMeDerrubar #AoVivoÉAssim #Tecnologia

“A quem interessa calar Joy Macedo?” 😂

Influenciadores & Celebridades Digitais

Histórias de vida

A CCXP conta com uma experiência gamer diferenciada para os fãs de Stranger Things. No estande da Seara, é possível jogar usando a mente, no maior estilo da Eleven (ou Onze, no Brasil). O objetivo da brincadeira é mostrar que dá pra jogar enquanto come, sem sujar o controle. A marca pegou carona na temática da série para divulgar seus snacks inspirados em Stranger Things. Enquanto a experiência é bem limitada, já dá pra ver que seria bem interessante poder jogar enquanto come, não é mesmo? E aí, você gostaria de testar essa tecnologia no futuro? Comente agora e siga acompanhando nossa cobertura da #CCXP 2025!

IBMArtificialIntelligence

Analisando conjuntos de dados médicos abertos para obter insights

Acelere pesquisa reversa de imagens com GPU para extrair características

Monitorando o modelo com o Watson OpenScale

Mais notícias sobre IBMArtificialIntelligence

Obtenha insights dos consumidores em análises de produtos

Crie app com detecção de objetos em tempo real com Watson Machine Learning

Reconhecimento de imagens com TensorFlow e Keras

Introdução à visão computacional

Introduzindo confiança em inteligência artificial

KaBuM!

Samsung

Dell

Amazon

Casas Bahia

Fast Shop

KaBuM!

Samsung

Dell

Amazon

Casas Bahia

Fast Shop

KaBuM!

Samsung

Dell

Amazon

Casas Bahia

Fast Shop

KaBuM!

Samsung

Dell

Amazon

Casas Bahia

Fast Shop

Acesse também