O volume de dados gerados por softwares e pessoas está crescendo exponencialmente. Um dos principais desafios para empresas que desejam entrar na era do Big Data é justamente detectar padrões neste imenso volume de dados, para extrair insights e realizar previsões, muitas vezes em tempo real.

Para se ter uma ideia, um único automóvel autônomo gera cerca de 4 terabytes de dados por dia e há estudos que apontam que uma criança nascida hoje nunca precisará aprender a dirigir. Segundo a IBM, a informação médica no mundo irá dobrar a cada 73 dias até 2020. Estima-se que 90% dos dados armazenados no mundo foram gerados nos últimos 2 anos.

Vamos discutir algumas das tecnologias utilizadas em projetos de Data Science, principalmente Machine Learning (Aprendizado de Máquina). Imagine a seguinte situação: você precisa criar um algoritmo que te avise antecipadamente se um paciente irá sofrer um ataque cardíaco nos próximos meses. Para isto você analisa dados históricos de prontuários de um hospital: informações como idade, peso, taxa de colesterol, pressão arterial, diabetes, etc. Mas como avaliar individualmente quanto cada uma destas informações contribuem para um ataque cardíaco? O que seria pior, fumar e praticar atividade física ou não fumar e ser sedentário? Para piorar, muitas vezes estamos lidando com centenas e até milhares de informações individuais por pacientes. Como desenvolvedores de software estamos acostumados a criar regras em nossos programas para gerar um resultado. Mas, e quando não sabemos quais são as regras? Com Machine Learning conseguimos utilizar algoritmos que aprendem AUTOMATICAMENTE estas regras a partir de dados históricos SEM serem EXPLICITAMENTE programados para isto.

Vejamos mais alguns casos onde empresas estão aplicando Machine Learning:

- Netflix, Spotify, AirBnb e Amazon utilizam ML para criarem sistemas de recomendações.

- Bancos e operadoras de cartão de crédito utilizam ML para detecção de fraudes e análise de risco de crédito.

- Medicina utiliza ML para diagnósticos médicos.

- Escolas utilizam ML para detectar quando um aluno está prestes a desistir do curso, possibilitando uma intervenção.

- A publicidade analisa redes sociais para criar marketing personalizado, aquele que é feito especificamente para você com base em seus gostos, aumentando consideravelmente a probabilidade de conversão.

Utilizando dados como combustíveis, a verdade é que estas tecnologias podem ser utilizadas em praticamente qualquer área. Profissionais com estas qualificações e habilidades são escassos e só agora as empresas estão entendendo o valor que estes profissionais podem agregar aos seus negócios. Profissões como Cientistas de Dados, Engenheiro de Dados, Engenheiros de Machine Learning e outras relacionadas a Ciência de Dados são consideradas em vários estudos as principais profissões deste século, por isto, finalizaremos discutindo como você pode iniciar nesta área, aproveitando as oportunidades oferecidas.

Suemar Éverton atua como Cientista de Dados na Codifica Tecnologia e instrutor na Data Science Academy.