Inteligência Artificial na Análise de Dados

Olá Duda,

Em primeiro lugar, grato por compartilhar sua experiência e fazer uma ótima pergunta. Minha sugestão é decidir com exatidão em que área deseja trabalhar. IA é o termo geral; toda vez que uma máquina se comporta ou tenta se comportar como um humano, chamamos isso de IA. Dentro desse campo, existem vertentes, como o Machine Learning, onde estão as tarefas mais populares, como sistemas de recomendação e previsão de preços, ou talvez você prefira trabalhar com Generative-AI, como exemplos o DALL-E, que transforma texto em imagem, ou o próprio ChatGPT.

Entendido o que é IA, é hora de iniciar sua jornada. Eu prefiro sempre a filosofia do "codar primeiro, perguntar depois", quando primeiro criamos algo e depois buscamos entender e aperfeiçoar o que temos. Isso pode ser conquistado por meio de competições, projetos pessoais, análises baseadas em sua curiosidade. Para esses casos, eu uso o Kaggle e o Google Colab. Boa parte do que é necessário para treinar modelos de Machine Learning já vem pré-instalado.

Chegou a hora de estudar, e você terá que estudar bastante. Não desista, a perseverança será sua maior aliada. O que exatamente deve ser estudado?

Base do machine learning:

- NN, DecisionTree, Linear Regression

- Clustering, Anomaly Detection

- Bias/Variance

- Cost Function

- Error Analysis

- Regularization

Deep Learning:

- NN

- HPO

- CNN

- Sequence Models

- Transformers

Matemática:

- Álgebra linear (vetores, matrizes, manipulações com eles)

- Probabilidade e Estatística (Probabilidade Discreta/Contínua, Independência, Bayes, Distribuição, Teste de Hipóteses)

- EDA

- Cálculo Básico

Desenvolvimento de software:

- Estrutura de Dados

- Algoritmos

- Design de Software

- Python

- PyTorch/TensorFlow Scikit-Learn

Um ótimo recurso para dar os primeiros passos é o FreeCodeCamp. Infelizmente (ou felizmente), todo o conteúdo está em inglês, mas é de grande qualidade.