Novo conhecimento por meio de Machine Learning

Reconhecer padrões e estruturas em dados

O aprendizado de máquina (ML), uma subdisciplina da inteligência artificial (IA), visa permitir que os sistemas reconheçam padrões nos dados. Os casos de uso típicos incluem classificação e previsão, que são aplicadas em vários campos, como reconhecimento de imagem, vídeo e fala. Ao usar ML, estruturas de dados complexas podem ser analisadas e usadas para previsões precisas.

O processo de aprendizado de máquina envolve diversas etapas: desde a preparação dos dados (harmonização, transformação e enriquecimento) e seleção das variáveis explicativas até o treinamento e avaliação dos modelos. Quando implementados em ambientes desafiadores em tempo real, o desempenho dos modelos é crítico. Embora muitos modelos de ML, especialmente redes neurais, sejam frequentemente considerados "caixas pretas" e difíceis de interpretar, o campo da inteligência artificial explicável (XAI) é uma disciplina de pesquisa ativa que visa melhorar a compreensibilidade e interpretabilidade dos modelos de ML, o que também é de grande importância. grande importância para as aplicações do INFORM. Deep Learning, uma classe especial de redes neurais, estabeleceu-se como um método poderoso no campo do aprendizado de máquina.

No INFORM, novas aplicações de aprendizado de máquina são regularmente descobertas, testadas e implementadas. Os resultados dos modelos de ML muitas vezes trazem valor acrescentado para as empresas que os utilizam. No entanto, eles também podem ser usados para fornecer aos algoritmos de busca e otimização da pesquisa operacional uma base de dados ainda melhor para os cálculos atuais. Exemplos de sucessos de clientes que estão a ser ativamente utilizados incluem previsões de prazos de entrega de mercadorias encomendadas, o reconhecimento de novos padrões de fraude no setor financeiro ou a avaliação de contentores de entrada e saída no porto, a fim de os empilhar no local certo para o destino. meio de transporte esperado.