#Mudanças nos algoritimos | Explore Tumblr posts and blogs

andremesquita · 3 years ago

Text

Onde você foca expande - Como melhorar sua capacidade de focar?

Você já parou para prestar atenção onde coloca seu foco na maior parte do seu dia? Se você está na jornada do autoconhecimento ou desenvolvimento pessoal já a algum tempo provavelmente faz isso com uma frequência muito maior do que a maioria das pessoas.

Agora, se você não tem esse hábito, talvez esse seja um ótimo momento para começar a olhar mais para isso. Porque?

Porque sua mente irá fazer o possível para que você tenha mais do mesmo no seu cenário. E isso é algo muito comodo para seu cérebro porque ele precisará gastar menos energia pra isso.

Essa é a principal função do seu cérebro, guardar energia. Fazendo uma analogia para as plataformas de redes sociais ou streaming que existem atualmente, pense no seu cérebro como um sistema de algoritimo. Ele fará o máximo possível dele para te entregar aquilo que você já está “acostumado”.

Isso é muito mais claro quando observamos nossos pensamentos ou emoções negativas. Acabamos não percebendo muito isso com o oposto (o lado positivo) porque na maior parte do tempo (quando não estamos na jornada do desenvolvimento pessoal), estamos operando no modo sobrevivência.

Pra quem já leu o livro o caibalion, se deparou com as 7 leis herméticas que o livro aborda detalhadamente. Quero conversar um pouco sobre isso com você neste artigo, de que maneira você pode aplicar na prática essas leis universais.

Você perceberá também que esses principios não são nenhum bicho de 7 cabeças e que eles já acontecem em nossas vidas o tempo todo, acabamos apenas dando nomes diferentes para as mesmas coisas.

Lembrando que o caibalion é um livro que merece ser lido de maneira muito aprofundada. Separei abaixo um artigo do wikipédia caso queira saber um pouco mais sobre esse livro:

https://pt.wikipedia.org/wiki/Caibalion)

A primeira lei ou o primeiro princípio hermético é denominado o universo é mental. Sem querer distorcer essa lei, podemos fazer uso de um outro princípio hermético, chamado o princípio da correspondência, que diz: assim como acima é abaixo, assim como abaixo é acima.

Ver essa foto no Instagram

Uma publicação compartilhada por André Mesquita | Empreendedor (@mesquitadreh)

Então com isso podemos dizer que a mente de cada pessoa é um universo único, ali estão todas as memórias, sonhos e crenças que cada pessoa tem.

Tendo em mente isso, compreendemos que operamos em nossa vida de baixo de tudo aquilo que aprendemos, seja com nossas experiências ou com outras pessoas, tudo está armazenado em nossa mente.

Eu fiz um vídeo falando sobre esse livro que você pode assistir aqui

Um outro princípio hermético que você pode ver funcionando de forma muito clara em sua vida o tempo todo é a lei do ritmo. Essa lei diz que tudo flui, nada está parado ou é permanente.

Podemos constatar isso de várias maneiras, seja as mudanças que acontecem no planeta, na história humana, na vida ou até mesmo no universo.

A ciência nos mostra isso muito claramente, a visão que tínhamos sobre o universo a uns 300 anos atrás é muito diferente atualmente.

E para contextualizar o título deste artigo, depois de tudo isso que já conversamos, o que realmente significa isso de onde você foca expande?

Segundo a neurociência nossos pensamentos são pensamentos magnéticos, ou seja, se você sustenta um tipo de pensamento por um determinado tempo, a tendência é você ter outro pensamento do mesmo tipo, iniciando assim uma corrente de pensamentos semelhantes.

Para entender um pouco mais sobre a corrente de pensamentos de uma olhada nesse vídeo que postei la no youtube recentemente:

youtube

Um outro exercício muito conhecido e que você pode testar a qualquer momento, é o exercício de pensar numa cor de forma clara, a tendência é que você observe a sua volta mais os objetos que tenham essa cor que você pensou do que outras cores.

Um terceiro exemplo que você pode conferir o exercício do não. Nosso cérebro não compreende a palavra não. Por exemplo, tente não pensar agora em um elefante azul.

Tentou?

As chances são que você não conseguiu não pensar no elefante azul, ou seja, você viu em sua imaginação o elefante azul. Porque isso? Porque o cérebro não entende bem narrativas negativas.

Com isso podemos dizer que sua mente sempre vai trabalhar para entregar aquilo que você está visualizando. Não importa se você quer ou não aquilo, e sim seu comportamento.

Quanto mais focamos em algo, mais tendemos a ver ou nos aproximar daquilo. Nossa mente busca no cenário aquilo que mais se aproxima do que queremos ou estamos preocupados.

O fato de estar preocupado com algo fará você ter mais pensamentos sobre aquilo se você não soltar esse tipo de pensamento.

Então como soltar?

Uma das coisas que você pode fazer para conseguir soltar pensamentos ou apegos emocionais é começar a praticar atenção plena.

Estar presente, observando aquilo que é e não aquilo que sua mente está distorcendo por causa de algum padrão de pensamentos, te ajuda a soltar qualquer apego emocional ou mental.

Poderei falar com você em algum outro momento sobre visualização, que é uma prática muito interessante e nos ajuda muito a manter nossa consciência naquilo que desejamos e nos afastar daquilo que não queremos.

Uma coisa que precisamos entender antes de tudo, é aceitar o fato de que somos nós quem criamos nossa realidade, seja por meio de ações, escolhas, hábitos e etc…

Como você viu no vídeo mais acima, nossos pensamentos são magnéticos. Aqueles pensamentos que sustentamos por um determinado tempo, tendem a desencadear outros pensamentos do mesmo tipo.

Se você está se interessando por esse assunto, recomendo que baixe nosso e-book sobre os 4 passos para mudar sua realidade. Baixe agora mesmo através deste link - lá tem muita informação poderosa para te ajudar a criar sua nova versão.

Conclusão

Como você pode ver neste artigo, nossa mente é um verdadeiro universo, aquilo que sustentamos nosso foco por mais tempo é o que iremos vivenciar em algum momento.

Não basta apenas mudarmos nossos pensamentos, é necessário assumirmos um novo estado de consciência, e para isso precisamos dominar as leis universais que operam em nossa vida.

Por hoje é isso.

Muito obrigado por ler este artigo, até a próxima.

#mindset #desenvolvimentopessoal #caibalion #mentalidade #objetivos

1 note · View note

lucasrfsblog · 3 years ago

Text

Ciência de Dados: Agile Data Science Escalável

Ciência de Dados: Agile Data Science Escalável – Aula 3 – Parte 1

Professor: Renato Barbosa

EP 07. Treinamento e otimização

Conteudo:

3 Principais tipos de algoritimos na área de machine learning:

Supervised learning:

Unsupervised learning:

Reinforcement learning:

Model FIT:

O model FIT identifica o quanto o modelo treinado conseguiu aprender sobre os dados utilizados no treinamento. Existem 3 resultados esperados:

Underfitting: Quando o modelo não conseguiu aprender o suficiente sobre os dados de treinamento.

Balanced: Este é o resultado ideal, o modelo treinado conseguiu entender o suficiente dos dados para retornar bons resultados mesmo com a mudança dos dados.

Overfitting: O modelo ficou especialista nos dados do treinamento mas dificilmente retornará bons resultados se os dados inferidos forem outros.

- Hyperparametros:

A hyperparameter is a parameter that is set before the learning process begins. These parameters are tunable and can directly affect how well a model trains. Some examples of hyperparameters in machine learning:

· Learning Rate

· Number of Epochs

· Momentum

· Regularization constant

· Number of branches in a decision tree

· Number of clusters in a clustering algorithm (like k-means)

Tecnicas de HPO: (Hyper Parameter Optimization)

- 3 Principais técnicas de hyper Parameter Optimition:

· Grid Search: Search a set of manually predefined hyperparameters for the best performing hyperparameter. Use that value. (This is the traditional method) – Cria uma divisão simétrica e vai testando os melhores pontos.

· Random Search: Similar to grid search, but replaces the exhaustive search with random search. This can outperform grid search when only a small number of hyperparameters are needed to actually optimize the algorithm. – Testa de forma aleatória todos os pontos e tenta encontrar o ponto optimo. Pode encontrar ou nunca encontrar o melhor ponto.

· Bayesian Optimization: Builds a probabilistic model of the function mapping from hyperparameter values to the target evaluated on a validation set. (Principal)

“Sem duvida alguma o Bayesiano é a funcionalidade padrão da maioria das nuvens ou das ferramentas que você tem de plataforma de inteligência artificial.

[ Resumo ]

Ciência de Dados: Agile Data Science Escalável – Aula 3 – Parte 2

Professor: Renato Barbosa

EP 08. Tipos de consumo

Conteudo:

Um ponto de decisão importante a ser tomado é como será feita a inferência dos dados para gerar as predições que o negocio precisa. A resposta é simples, o negocio vai definir como isso deve ser feito de acordo com as necessidades especificas de cada.

Em resumo, existem 3 maneiras diferentes de fazer o processamento de dados que devemos considerar: (Batch, Realtime e na borda)

Batch:

Geralmente esta opção é considerada quando não há necessidade de processamento em tempo real ou seja, quando é possível executar com menor frequencia de tempo e mesmo assim continuar trazendo o valor necessário ao negocio. Como o processamento batch é executado com menor frequencia, logo possui menor custo.

1- Variação baixa do resultado.

2- Sem necessidade de tempo real.

3- Grande massa de dados a ser tratada.

Exemplos de inferência em batch:

- Email marketing.

- Score de clientes.

Realtime:

Este é um tipo de processamento que possui maior custo pois precisa responder prontamente as necessidades do negócio, ler dados, processar e entregar os resultados destas inferências.

Em alguns casos até é possível usar processamento batch para atender a algumas demandas em realtime, mas com certeza isso pode diminuir muito a acuracidade e impactar negativamente para o negocio.

Exemplos:

- Sugestões de compras de produtos ou comida em tempo real em aplicativos. (Da pra fazer em batch, mas em batch teríamos que ter a base toda processada e não apenas a do cliente que esta usando o serviço no momento)

- Sugestões de rota em transito. (É possível que em batch o resultado atenda, mas sabemos que condições de transito são muito dinâmicas e o risco de falha neste cenário é alto)

Processamento em tempo real geralmente possui um modelo hosteado como API que pode ser consumido por chamadas em tempo real.

- Edge:

Esta opção é necessária em ambientes onde a conectividade não pode ser assegurada, logo, o processamento deve ser feito na borda e por isso, mais que nunca, devemos considerar que o poder de processamento pode ser uma barreira e o modelo treinado precisa se comportar de maneira adequada (performance) quando exigido.

Exmplos:

- Carros autônomos.

[Resumo]

Ciência de Dados: Agile Data Science Escalável – Aula 3 – Parte 3

Professor: Renato Barbosa

EP 09. IA em escala

Conteudo:

• Quem manda é a demanda de negócio!

• Maior produtividade

• Foco no problema (O que resolver)

• Infraestrutura como código

• IDE compartilhada

Casos:

• Necessidade de entregar melhor com menos tempo

• Peer modeling

Artigo: https://ilumeo.com.br/todos-posts/2020/09/01/mlops-escalando-machine-learning

AWS – Amazon Sage Maker

Azure – Azure ML Designer

Google – Google Colab

Feature Store:

É um repositório de features ou condições que são desenvolvidas pelos cientistas de dados que podem ser compartilhadas com o time. Este é um recurso que permite o reaproveitamento de código e ajuda na escala.

Beneficios para o negocio:

• O que é o Feature Store?

• Controle centralizado de features

• Reuso de features

• Consistência de dados/features (versionamento)

• Servir em tempo real

• On-Line e Off-line

Benefícios para negócio:

• Reaproveitar conhecimento

• Menor custo por/modelo

• Maior agilidade para novos modelos

Como funciona uma feature store?

Tantos dados em batch quanto em streaming podem ser utilizados para alimentar a feature store.

Exemplo:

SageMaker feature store:

Databricks feature store:

MLops:

O que é MLOps?

• Controle de deploy de modelos de ML

• Melhores práticas de DevOps para ML

Objetivo:

• Otimizar produtividade dos cientistas de dados

• Deploy de forma rápida e segura

• Redução de riscos

• Monitoramento continuo

• Aumento de ROI/modelo

MLOps Orchestration Model:

Plataformas e diferenças entre elas:

Pela experiencia do professor, a tendencia é que cada vez mais as empresas optem por utilizar plataformas prontas e buscar agilidade em troca de flexibilidade. O motivo é simples, a complexidade de evoluir plataformas mais flexíveis esbarra no tempo necessário para trazer vantagens competitivas para o negocio.

“Essas empresas como Amazon, Azure e Google já entregam como padrão. Elas já tem times pagos para evoluir estas plataformas e o seu papel é apenas consumi-las. Essa é a tendencia principal do mercado.

[Resumo]

#data science #aula3

0 notes