Tecnologias Emergentes > Analytics, I.A.

Com Machine-Learning-as-a-Service, Unisys automatiza análise de dados

Conjunto de serviços oferece às empresas analytics avançado de futuro dos negócios e recomendações de ações com mínima intervenção humana

17 de Abril de 2017 - 19h10

Machine-Learning-as-a-Service é a nova oferta de serviços da Unisys que aposta em oferecer às empresas análise avançada preditiva de cenário de negócios, condições operacionais futuras e recomendações para tomada de decisão com um mínimo de intervenção humana.

O pacote de serviços é parte da Unisys Analytics Platform, que combina uma biblioteca de algoritmos de machine learning com um conjunto de metodologias e processos já testados que extraem detalhes importantes dos dados dos clientes para gerar relatórios prescritivos.

“A oferta de Machine-Learning-as-a-Service da Unisys auxilia as organizações a transformar e otimizar seus processos de negócio. Com a solução podemos disponibilizar aos nossos clientes uma plataforma escalável executada na nuvem ou localmente para garantir visibilidade e eficácia aos negócios", di Dr. Rod Fontecilla, Vice-Presidente e Líder Global de Data Analytics da Unisys. 

Machine learning é um tipo de inteligência artificial que permite aos computadores otimizar e melhorar suas ações constantemente sem intervenção humana. Os sistemas de aprendizagem de máquina usam algoritmos para identificar padrões e revelar insights que não estão explícitos nem programados, porque conseguem aplicar cálculos complexos repetidamente, de maneira dinâmica, em grandes volumes de dados.

A oferta de Machine-Learning-as-a-Service da Unisys trabalha com princípios do desenvolvimento ágil. Ela começa com uma prova de conceito, que envolve trabalho conjunto dos cientistas de dados da Unisys com os profissionais especializados dos clientes para identificar os dados disponíveis e traçar uma compreensão geral das necessidades e objetivos de negócios.

Depois disso a Unisys implementa algoritmos de Machine Learning para analisar os dados e, então, desenvolver modelos avançados de data analytics. Após a prova de conceito vem a fase de produção e a continuidade do processo de desenvolvimento ágil para continuar a monitorar e refinar a exatidão e a integridade dos modelos e seus resultados.

"Esse processo dinâmico e interativo ajuda os clientes a usarem os primeiros insights para levantar novas questões e, com isso, fazer previsões a partir de seus dados com pouco investimento", explica Fontecilla. "Isso assegura uma maneira rápida e confiável para que os clientes testem a solução antes de promoverem investimentos significativos", completa.