05. Machine Learning aplicado

Aplicar machine learning exige conectar uma previsão a uma decisão e avaliar a cadeia inteira. Um score histórico pode ser promissor e ainda falhar por indisponibilidade de atributos, excesso de alertas ou mudança no comportamento dos usuários. O capítulo organiza formulação, avaliação, implantação e monitoramento com exemplos de uso.

Com dados compreendidos e governados, avançamos para preparação, modelagem analítica, aprendizado de máquina e processamento em escala. Os capítulos ligam fundamentos, algoritmos e aplicações. Este é o capítulo 5 de 24 da disciplina Engenharia e Análise de Dados. Ele retoma Fundamentos de Inteligência Artificial e utiliza essa base para avançar. Na sequência, estudaremos Aprendizado supervisionado, generalização e avaliação.

O fio condutor

Ciência de Dados começa com uma pergunta e termina com uma decisão que precisa ser compreendida, avaliada e acompanhada. Entre esses dois pontos, dados são coletados, examinados e transformados; métodos são escolhidos; resultados são validados; e limitações são comunicadas. Nenhuma etapa compensa automaticamente uma falha grave ocorrida na etapa anterior.

Neste capítulo, use Machine Learning aplicado para acompanhar três dimensões: o problema que se deseja resolver, a evidência disponível e o critério usado para avaliar o resultado. Essa separação ajuda a evitar soluções tecnicamente sofisticadas que não respondem à necessidade real.

Formular uma decisão mensurável

Começamos por Formular uma decisão mensurável, pois essa base organiza os conceitos e exemplos que aparecerão no restante do capítulo.

Defina a decisão, a unidade de análise, o alvo, o horizonte e o custo dos erros. Prever atraso de um pedido no instante de criação é diferente de prever atraso de uma loja na próxima semana. Essa formulação determina quais dados podem ser usados e como a saída será consumida. Mineração de dados procura padrões úteis, cuja frequência ou novidade não basta para provar valor operacional.

Uma baseline, como regra de negócio ou modelo simples, oferece referência de qualidade e custo. Complexidade precisa de ganho mensurável e sustentável, incluindo manutenção e integração. Avalie estabilidade, utilidade e capacidade de ação. Se a equipe só consegue examinar cem casos, uma solução que gera milhares de alertas pode ser inviável mesmo com bom desempenho agregado.

Atributos, pipelines e reprodutibilidade

Depois de compreender Formular uma decisão mensurável, passamos a Atributos, pipelines e reprodutibilidade. A nova seção acrescenta outra etapa ao mesmo raciocínio e mostra como as decisões anteriores influenciam as próximas.

Cada atributo deve representar informação disponível no momento real da decisão. Uma coluna preenchida após o desfecho pode causar leakage e inflar a métrica de validação. O problema pode ocorrer também em transformações, duplicação de pessoas entre partições ou seleção repetida no teste. Faça divisões coerentes com tempo e grupos antes de aprender estatísticas.

Pipelines encadeiam preparação e modelo para aplicar regras consistentes em treino e inferência. Cada transformador aprende somente com a partição de treino permitida. Registre versões de dados, código, ambiente e configuração associadas ao artefato implantado. Anotar apenas o melhor score não permite auditar nem reconstruir o processo. A linhagem deve explicar também filtros, rótulos e transformações que produziram o conjunto de treinamento.