Empresas usam dados para prever cr�dito, chuva e fraude
Divulga��o | ||
![]() |
||
Sensor pluviom�trico feito pela Pluvi.on coleta dados a cada mil�metro de �gua que cai |
Sem que voc� note, as m�quinas ao seu redor est�o aprendendo. Seu e-mail usa "machine learning" para decidir o que � spam, por exemplo. A t�cnica j� � dominada em universidades e usada por empresas brasileiras.
"'Machine learning' � fazer um computador aprender, atrav�s de exemplos, sobre algum dom�nio", explica Andr� Carlos Ferreira de Carvalho, do Instituto de Ci�ncias da Computa��o e Matem�tica da USP-S�o Carlos.
Nos �ltimos anos, triplicou a demanda de empresas ao instituto em busca de funcion�rios ou de apoio t�cnico para projetos.
A universidade criou um mestrado profissional, para atender quem est� no mercado, e um centro de colabora��o com empresas, que faz conv�nios para produzir projetos espec�ficos. Um deles, com uma ind�stria moveleira, faz reconhecimento de imagens para a triagem da melhor madeira.
Fora dos conv�nios da USP, Ita�, Nubank e Magazine Luiza s�o marcas que j� utilizam a t�cnica de "machine learning" para an�lise de cr�dito, recomenda��es de produtos aos consumidores e atualiza��o da base de clientes.
Com o hype em torno da t�cnica, muitas vezes o jarg�o vende algo quase m�gico. Mas a t�cnica, sozinha, n�o faz m�gica. Os modelos dependem de bons dados.
Foi onde esbarraram os criadores da start-up Pluvi.on, os engenheiros Diogo Tolezano e Pedro Godoy. Eles queriam usar dados p�blicos para prever onde e quando h� maior risco de alagamento durante as chuvas em S�o Paulo, mas os dados n�o tinham a qualidade necess�ria. Por isso, criaram sensores pr�prios para medir a intensidade da chuva em pontos da cidade. Hoje, s�o 40; em breve ser�o cem.
Ainda assim, as previs�es n�o vir�o t�o cedo. As cerca de 300 mil linhas de dados captadas com toda a chuva recente ainda s�o pouco para prever a din�mica da chuva paulistana. Em resid�ncia no Campus S�o Paulo, do Google, os engenheiros estimam que levar� tr�s esta��es chuvosas para coletar um volume capaz de prever alagamentos antes que ocorram.
Ilustra��o Marcelo Cipis | ||
![]() |
||
No final de 2016, um rob� fez com que deputados federais devolvessem R$ 5 mil em gastos irregulares. Era a Opera��o Serenata de Amor, que analisava despesas de gabinete para apontar poss�veis irregularidades.
�rio Musskopf, criador da opera��o, criou o rob� com colegas. "Rosie" aprendeu regras simples sobre o que era gasto irregular: muito mais alto que a m�dia, inclui bebida alco�lica, CNPJ inv�lido etc. O rob� detecta at� se duas notas fiscais consecutivas s�o de estabelecimentos muito distantes entre si.
"Teoricamente seria poss�vel fazer esse trabalho olhando nota por nota, mas quem recebe 2 mil notas por dia dificilmente consegue checar em que cidade cada deputado estava naquele dia, por exemplo", diz Musskopf.
O trabalho fez com que o grupo fosse chamado por italianos para criar algo semelhante —e pela C�mara dos Deputados brasileira, para ouvir cr�ticas.
A opera��o tamb�m serviu como uma esp�cie de vitrine para a Data Science Brigade, empresa de Musskopf que presta servi�os particulares em projetos de que dependam de reconhecimento autom�tico de padr�es. Nos �ltimos meses, a empresa foi contratada para projetos de auditoria, previs�o de decis�es jur�dicas e at� um chatbot de corretagem de im�veis.
Para Musskopf, a primeira barreira para uma empresa trabalhar com "machine learning" � de mentalidade. "� preciso mudar a mentalidade em rela��o aos dados, entender o que � e como aplicar", disse. "J� existem no Brasil pessoas que podem lhe ajudar nisso."
Livraria da Folha
- Box de DVD re�ne dupla de cl�ssicos de Andrei Tark�vski
- Como atingir alta performance por meio da autorresponsabilidade
- 'Fluxos em Cadeia' analisa funcionamento e cotidiano do sistema penitenci�rio
- Livro analisa comunica��es pol�ticas entre Portugal, Brasil e Angola
- Livro traz mais de cem receitas de saladas que promovem saciedade
Calculadoras
O Brasil que dá certo
s.o.s. consumidor
folhainvest
Indicadores
Atualizado em 01/08/2024 | Fonte: CMA | ||
Bovespa | -0,17% | 127.422 | (16h30) |
Dolar Com. | +1,42% | R$ 5,7340 | (16h43) |
Euro | -0,21% | R$ 6,1153 | (16h31) |