Artigo escrito por Henrique Branco • Desenvolvedor RPA na empresa Cellere, com 3 anos de experiência profissional com análise e ciência de dados e automação de processos, incluindo empresas multinacionais (Bosch e ADM do Brasil).
Sobre a obra e o autor
O livro sobre Machine Learning trazido para o review neste artigo é o Mãos à Obra: Aprendizado de Máquina com Scikit-Learn & TensorFlow – conceitos, ferramentas e técnicas para a construção de sistemas inteligente – 1a edição, ano 2019, editora O’Reilly. Esta obra foi escrita pelo autor Aurélien Géron, consultor especialista em aprendizado de máquina, que também foi funcionário do Google e liderou a equipe de classificação de vídeos do YouTube entre 2013 e 2016.
Público alvo
Com uma abordagem intermediária/avançada sobre aprendizado de máquina, a leitura não é adequada para iniciantes na área. Há uma exigência de um bom nível de conhecimento em linguagem Python, que não é ensinada ao longo dos capítulos.
Estrutura do livro
O exemplar é dividido em 2 partes. A primeira explora mais conceitos de aprendizado de máquina e alguns dos principais algoritmos, e a segunda já avança com o tema redes neurais e aprendizado profundo. Ao final de cada capítulo há uma lista de exercícios com sugestão de solução no apêndice A ao final do livro.
Cenário atual e conceitos introdutórios
No primeiro capítulo o autor inicia a obra trazendo informações sobre o cenário atual e a área de ciência de dados. Nesta parte há pouco ou quase nenhum código e muitos conceitos, os quais considero bastante importantes. Discute-se também sobre os principais desafios da área. A partir deste ponto do livro a presença de códigos se torna intensa, assim como as formulações matemáticas sobre os algoritmos.
Projeto de ponta a ponta e algoritmos
Na sequência, no segundo capítulo, inicia-se um projeto de ponta a ponta. Nesta etapa o autor demonstra todo o processo de ciência de dados. Bastante interessante para se ter uma visão geral de todo o processo de ciência de dados. O encadeamento das etapas do processo é muito bem apresentado.
Os próximos capítulos são sobre os algoritmos de aprendizado de máquina mais comuns e os seus parâmetros, bem como a modelagem matemática envolvida em cada um deles. O autor explora os diversos parâmetros envolvidos, os pontos fortes e fracos dos algoritmos e suas métricas, e várias técnicas de pré-processamento e de otimização de modelos.
Excelente para aqueles que desejam desafios maiores na jornada de aprendizado de máquina, saindo do básico repetitivo que se encontra em sites e cursos comuns pela internet.
Redes neurais, aprendizado profundo e inteligência artificial
Na segunda parte do livro, já mais avançada, sobre redes neurais e aprendizado profundo, o autor cobre desde a instalação do TensorFlow e introdução às redes neurais até o treinamento de redes convolucionais e redes neurais recorrentes. Há uma explicação matemática intensa, detalhada, com imagens e diversos exemplos práticos com códigos. O último capítulo cobre aprendizagem por reforço. A partir da segunda seção do livro considero uma leitura bastante densa, rica em conceitos e aprendizados, que exigem um alto nível de conhecimento técnico para uma bom aproveitamento do conteúdo.
Veredicto final e dicas de leitura
De uma forma geral, o livro é excelente, tradução muito bem feita, conceitos bem explicados, com exemplos que consolidam o que foi ensinado. Não é um livro para quem está iniciando na área.
Uma crítica que faço, que talvez seja impossível de ser solucionada devido à alta velocidade com que a tecnologia avança (como todos nós sabemos), é referente às versões dos frameworks utilizados no livro. Hoje, dia 12/08/2020 (dia em que escrevi este artigo), os principais frameworks tratados no livro, Scikit-Learn e TensorFlow, estão nas versões 0.23.2 e 2.3.1, respectivamente, sendo estas as versões mais atuais. O livro, por ser publicação do ano de 2019, utiliza versões anteriores: 0.19 para o Scikit-Learn e 1.3.0 para o TensorFlow. Aconselho para quem for realizar a leitura e aprender com os códigos a criar um ambiente virtual com as mesmas versões dos frameworks utilizados, caso não queiram ter nenhum problema com as divergências entre as versões atuais e do livro.
É uma obra cuja aquisição vale a pena quando comparamos o valor com o conteúdo e o conhecimento que ela traz. A leitura é longa, árdua, densa, mas o aprendizado é extremamente válido, principalmente para quem já atua na área e gostaria de avançar mais na construção e concepção de modelos de aprendizado de máquina.
Onde comprar?
Link a para compra do livro no site da Amazon: https://amzn.to/2Cyt7Ic
Participo do Programa de Associados da Amazon, um serviço de intermediação entre a Amazon e os clientes, que remunera a inclusão de links para o site da Amazon e os sites afiliados
Contatos
Gostou desse post? Aprendeu um pouco mais sobre este livro? Gostaria de entrar em contato comigo para troca de experiência e discussões posteriores? Clique nos ícones abaixo e me envie uma mensagem!
