Sistemas de Informação da Urcamp debate impacto do Machine Learning em decisões estratégicas
O curso de Sistemas de Informação da Urcamp promoveu, no dia 14 de novembro, no Laboratório de Informática, uma atividade voltada à aplicação do Machine Learning (aprendizado de máquina) na tomada de decisões estratégicas. A palestra, ministrada pelo profissional Matheus Costa da Fonseca, apresentou conceitos fundamentais, exemplos práticos e o papel dos dados na transformação dos processos decisórios em empresas e instituições.
A atividade destacou que grandes corporações — como Google, Meta e Walmart — utilizam modelos de aprendizado de máquina para prever comportamentos, otimizar vendas e reduzir riscos, substituindo decisões baseadas em intuição por análises sustentadas em dados. Um dos casos citados foi o famoso estudo do Walmart, que identificou correlação entre a compra de cerveja e fraldas por clientes do sexo masculino, levando ao reposicionamento de produtos e ao aumento de 30% nas vendas.
Durante a apresentação, Fonseca explicou os principais tipos de algoritmos utilizados em Machine Learning, divididos entre supervisionados e não supervisionados. Nos supervisionados, os modelos de classificação e regressão se destacam, sendo a acurácia, o erro médio quadrado (RMSE) e o erro médio absoluto algumas das métricas que validam seu desempenho. Já nos não supervisionados, o destaque foi o clustering, técnica que agrupa dados com características semelhantes e permite identificar padrões de consumo ou perfis específicos.
O palestrante também apresentou aplicações acadêmicas da tecnologia, relatando seu trabalho de mestrado com uma base de dados de equinos. Segundo ele, o uso de clustering permitiu detectar padrões relacionados à evolução de quadros de cólica, indicando que animais moderadamente afetados poderiam evoluir para quadros graves quando associados a fatores como desidratação.
Outro ponto abordado foram os modelos de séries temporais, utilizados para prever comportamentos ao longo do tempo, como a venda de produtos em determinadas datas ou períodos sazonais, auxiliando empresas no planejamento de estoque e estratégias de mercado.