Introdução O Processamento de Linguagem Natural é uma das áreas da Inteligência Artificial que está em franco crescimento em termos de novas bibliotecas e novos modelos de Machine Learning e Deep Learning. Aplicações de Processamento de Linguagem Natural – PLN, ou em inglês, Natural Language Processing – NLP, possui diversas aplicações como detecção do tópico, […]
Neste artigo, apresento as características da linguagem Python que a tornam ideal para aplicações de machine learning, e que fundamentam seu sucesso nesta área.
Neste artigo apresentamos as formas com que dados podem ser representados em linguagem computacional, e como isso afeta o desempenho de algoritmos de machine learning que dependem deles.
O modelo foi treinado para avaliar dados de natureza variada, incluindo imagens de ressonância magnética, exames genéticos e exames clínicos, e assim predizer o avanço dos sintomas num intervalo de até 5 anos, caracterizando o quadro clínico como estável ou em declínio com precisão de 90%.
A ferramenta recebe do usuário o endereço da residência, que ela encontra usando os serviços de mapeamento por satélite do Google, e o valor de sua última conta de luz, produzindo uma estimativa do número e posicionamento ideal de painéis solares a serem instalados, custos de instalação, e economia gerada.
O algoritmo, que já está disponível ao público através de um site, busca correspondências entre as fotos do catálogo, usando reconhecimento facial, para cruzar as informações sobre a identidade das pessoas fotografadas, que tenham sido incluídas por usuários cadastrados.
Um algoritmo está recebendo partituras iniciais e trabalhos finalizados de Beethoven, de forma a entender a evolução do seu trabalho de composição. Assim ele será capacitado a completar a décima sinfonia, que o compositor deixou incompleta ao morrer.
O modelo usou dados retirados de mais de 2000 publicações para ser capaz de propor métodos de fabricação de perovskitas, materiais com potencial de uso na área, de forma estável e fácil aplicação. Os resultados estão de acordo com predições teóricas, abrindo caminho para a exploração das soluções por inteligência artificial.
O modelo usa dados de ressonância magnética funcional processados em múltiplas escalas para encontrar padrões no chamado conectoma que caracteriza as redes neurais do cérebro, e assim identificar as pessoas portadoras de ADHD, abrindo caminho para a detecção de outras anormalidades funcionais.
O algoritmo usa imagens de satélite para reconhecer alterações nas áreas sobrevoadas que sejam características de incêndio, como aumento do brilho ou da temperatura, identificando incêndios iniciais confinados em uma área de apenas 10 acres e gerando alertas em 9 minutos após iniciar a análise.
