Sua primeira "inteligência artificial"

Sua primeira "inteligência artificial"

Para não perder o costume lá vai mais um artigo, vamos falar um pouco sobre inteligência artificial, ou algo que se aproxima, e melhor que isso gostaria de convida-lo a criar a sua primeira "I.A", sem muito esforço que vai te ajudar a entender um pouquinho como esse universo funciona.

Primeiramente preciso que preste bastante atenção nos requisitos mínimos... lá vai:

✔ Ter uma conta no Google.

Sem mais delongas abra o Drive em seguida crie um novo notebook no Google Colaboratory:

Não foi fornecido texto alternativo para esta imagem

Para quem nunca ouviu falar desta ferramenta segue uma explicação básica feita pelo Chat GPT 😅:

O Google Colaboratory é uma plataforma de aprendizado de máquina baseada em nuvem, que permite aos usuários escrever e executar código Python em um ambiente colaborativo. Ele fornece acesso gratuito a recursos computacionais, como processamento e armazenamento, e também inclui bibliotecas populares de ciência de dados e aprendizado de máquina. É uma ferramenta útil para desenvolver, experimentar e compartilhar projetos de aprendizado de máquina de forma colaborativa e acessível.

Antes de colocarmos a mão na massa, vou explicar um pouco do contexto da nossa solução, imaginem que temos um callcenter de atendimento a clientes de uma operadora de cartão de crédito e queremos predizer se um atendimento foi considerado bom, observando alguns parâmetros, tais como idade, tempo de contrato, limite de cartão entre outros com base no histórico de atendimento anteriores.

O Google Colaboratory utiliza um estilo de programação em cédulas, elas representam um trecho do código, equivalente aos diversos arquivos que criamos de forma isolada cada um respeitando seu domínio ou contexto em uma arquitetura padrão de desenvolvimento, porém aqui podemos acessar os dados de qual quer variável instanciada em qual quer cédula, se este estiver em memória.

Não foi fornecido texto alternativo para esta imagem

Deixarei aqui o link para o meu notebook onde você pode copiar e color a vontade.

Na primeira cédula eu coloco as informações de forma aleatória apenas para teste, simulando nosso histórico, veja abaixo:

Não foi fornecido texto alternativo para esta imagem

Em seguida apenas pego os parâmetros que estão separados e os concentro na mesma variável montando uma matriz.

Não foi fornecido texto alternativo para esta imagem

Note que clienteSatisfeito não entra na união, uma vez que ele será nosso parâmetro ou rótulo para definir se o cliente está satisfeito ou não, como foi falado acima, estamos tentando prever se um atendimento será bem sucedido com base no histórico, deixando o tecniques de lado, se não percebeu, note que os dados seguem uma mesma "linha", veja abaixo:

Não foi fornecido texto alternativo para esta imagem

Ou seja, no exemplo da foto acima:

tempoAtendimento[0] + limiteCredito[0] + idade[0] + anoContrato[0] = True

Ou em valores:

tempoAtendimento[3.4] + limiteCredito[5000] + idade[20] + anoContrato[2001] = True

Agora vamos utilizar a biblioteca sklearn que irá montar nossa arvore de decisão, que segundo o Chat GPT é 😅:

Uma árvore de decisão é um modelo de aprendizado de máquina que toma decisões com base em uma estrutura de árvore, onde cada nó interno representa um teste em um atributo, cada ramo representa o resultado do teste e cada folha representa uma decisão ou resultado final.

  • Primeiro vamos importar a biblioteca;
  • Em seguida criamos uma instancia de DecisionTreeClassifier em clf sem passar nenhum valor nos parâmetros;
  • Por fim utilizamos fit para ajustar o modelo aos dados fornecidos e construir a arvore.
  • X: representa as características dos dados de treinamento.
  • y: representa o array de rótulos.

Não foi fornecido texto alternativo para esta imagem

Por fim vamos testar o nosso modelo, basta inserir características do atendimento respectivamente tempo, limite, idade e ano de contrato e ele irá dizer se foi bom ou ruim com base no nosso histórico.

Não foi fornecido texto alternativo para esta imagem

Conclusão

E fato que arvores decisórios são bem voláteis e compreendem apenas um gostinho do que é possível ser feito com conceitos de inteligência artificial, e que está possui conceitos bem mais profundos, porém não da pra negar que brincar com arvores e bem divertido, uma vez que ele montou todos os if's de forma automática se baseando nos dados de entrada.

Se quiser entender a fundo o que foi feito, basta adicionar uma ultima cédula conforme abaixo:

Não foi fornecido texto alternativo para esta imagem

Lembrando que o notebook está aqui caso precise copiar e colocar.

Pois bem, por hoje e só pessoal, curta e compartilhe com seus amigos!

Yuri Polido

Analista de Dados | SQL | Power BI | Excel

1 a

👏

Parabéns pelo excelente artigo! 👏

Estou muito otimista com está nova era.

Entre para ver ou adicionar um comentário

Outras pessoas também visualizaram

Conferir tópicos