Lançamento: FutBolsa

Jogue como um técnico virtual e faça previsões para o Índice Bovespa, simulando times e partidas de futebol, competindo com outros técnicos humanos e robôs, utilizando as mais avançadas tecnologias de Inteligência Artificial para previsão do futuro.

Como funciona o FutBolsa?
O FutBolsa é uma plataforma inovadora, criada no laboratório de inovação da Trajecta, funcionando como um sistema de testes de tecnologias de previsão baseadas em Inteligência Artificial, unindo duas paixões brasileiras: o mercado de capitais e o futebol. Para isso, são simuladas partidas de futebol, utilizando técnicos humanos (traders, investidores, etc.) e robôs programados com machine learning, que aprendem a cada dia a prever melhor o movimento do Índice Bovespa.

Como funcionam os jogos?
A plataforma gera automaticamente o cruzamento de técnicos e times e a tabela de jogos, de forma que quanto mais sobe no ranking, mais difícil fica a competição. Cada partida envolve dois técnicos e seus times, onde cada um deve fazer uma previsão do Índice Bovespa antes do início do dia do pregão. Quanto mais próxima for a previsão da realidade, ou seja, o valor final do índice no final do dia, mais “gols virtuais” serão marcados pelo time, gerando um placar final de cada jogo. O resultado de cada jogo é analisado automaticamente pela plataforma FutBolsa, considerando o escore no ranking de cada técnico, com maior ou menor peso de acordo com a dificuldade apresentada pelo adversário.

Venha competir com outros técnicos!
A ideia inovadora do FutBolsa é criar um jogo de prever o futuro, onde você aprende de uma forma divertida a criar estratégias próprias e comparar elas com a de outros técnicos, que podem ser traders, investidores, etc. ou robôs com Inteligência Artificial criados na própria plataforma.

Como posso começar?
O FutBolsa está disponível apenas para assinantes, que recebem um login onde poderão acessar sua área interna (Painel de Controle), ajustando uma previsão de Índice Bovespa, na frequência que desejarem. Esse é o único ajuste necessário para o técnico assinante, uma vez que todo o resto é feito de forma automática pela plataforma. Os técnicos Assinantes podem acessar o histórico de suas partidas, bem como a programação de seus futuros adversários antes do pregão, ou ainda, conforme o plano escolhido, a previsão dos técnicos top de ranking antes de iniciar um novo pregão.

Posso testar antes de assinar?
Para exemplo online, faça login no campo do topo da página, utilizando o usuário ‘futbolsa’ e senha ‘futbolsa’ para logar como Plano Básico.

Mais informações em:  http://futbolsa.com.br

Anúncios

O que geralmente não te contam sobre Machine Learning (ML) e Deep Learning (DL)

Muito do hype da Inteligência Artificial está, na minha opinião, na visão errada sobre o potencial de Machine Learning (ML) e Deep Learning (DL).

Alguns exemplos:

– Ter um grande volume de dados não garante a qualidade preditiva ou mesmo resulta no uso de ML/DL, mesmo com dados totalmente rotulados, pois é necessário que o problema realmente seja aplicável e também vários outros fatores estejam alinhados, como padrões a serem aprendidos e causalidade nos dados.
– ML não necessariamente imita nosso cérebro e implementa redes neurais artificiais. DL, que é uma possível técnica de ML que faz isso.
– Mesmo que haja causalidade e alinhamento de dados com o problema, o DL está sujeito aos mais variados erros devido ao grande número de parâmetros, como under/overfitting e todas as outras complexidades de setup.
– A adoção do ML/DL não garante necessariamente a automação para resolver problemas, especialmente os cognitivos e os mais complexos, que requerem um trabalho de análise e data science, e, principalmente, de construção de algoritmos que suportem os modelos criados.

Mas a verdade é que, poucos contam isso, e mais poucos ainda contam com isso!

____
Rogerio Figurelli – @ 2018-08-09

IoT e Machine Learning, os novos capítulos de CRM

“Nos dias de hoje, a Inteligência Artificial começa a ocupar um papel determinante nas nossas vidas. A capacidade de computação trouxe associada a si novas formas de pensar. A área de Machine Learning envolve probabilidade estatística que é depois codificada em linguagens de programação para as mais diversas aplicações. O motor é um artíficio matemático para calcular probabilidades e, baseado nisso, é estipulado um conjunto de regras que dão feedback aos utilizadores ou outros sistemas.

Num passado recente toda a lógica de negócio estava centrada do lado do cliente. Contudo, com o conceito de Cloud existe uma descentralização do poder de computação para o lado do servidor. Como exemplo, o CRM Salesforce permite gerir um tipo de portefólio comum no mundo dos negócios: leads, opportunities, contacts, accounts tudo isso através de um browser. Dessa forma essa tecnologia torna-se omnipresente no dia a dia, muito pela sua escalabilidade e facilidade de utilização.

A área de Salesforce IoT (Internet das Coisas) é o novo capítulo de inovação que integra leituras de múltiplos sensores. É assim possível descentralizar toda a computação para a rede, funcionando como um palco perfeito para algoritmos avançados processarem rapidamente todos os inputs.”

http://www.jornaleconomico.sapo.pt/noticias/iot-e-machine-learning-os-novos-capitulos-de-crm-331797

Inteligência artificial desenha rostos a partir de descrições em texto

“Um programador chamado Animesh Karnewar criou um sistema de inteligência artificial capaz de fazer algo semelhante a um “retrato falado”. A proposta inicial era fazer com que o computador fosse capaz de criar uma imagem a partir da descrição em texto, possibilitando que ele desse rosto a personagens ficcionais de livros. Com isso, ele criou o T2F (sigla que vem de texto para rosto, em tradução em inglês).

Karnewar usa de uma técnica chamada de generative adversarial network (GAN). Aqui, são usadas duas redes neurais que se monitorarem a respeito de uma produção. O exemplo dado por ele é o seguinte: imagine que a rede 1 precisa tentar enganar a rede 2 a acreditar que uma imagem renderizada é uma fotografia real. Ao mesmo tempo, a rede 2, precisa provar para a rede 1 que aquela imagem é real e não apenas uma construção digital.

A proposta é usar este sistema para testar imagens de forma que fique tão perfeita que não consiga mais enganar a rede 2. Este é apenas um exemplo de várias funções que estas duas redes exercem juntas.”

https://canaltech.com.br/inovacao/inteligencia-artificial-desenha-rostos-a-partir-de-descricoes-em-texto-119692/

Games Help Trace the Progress of AI

“Considering this, an AI called Libratus made the next breakthrough in artificial intelligence research by beating the best players at Texas Hold ‘Em poker. Developed by researchers at Carnegie Mellon, Libratus showed that AI can compete with humans in situations where it has access to partial information. Libratus used several AI techniques to learn poker and improve its gameplay as it examined the tactics of its human opponents. Real-time video games are the next frontier for AI, and OpenAI isn’t the only organization involved in the field. Facebook has tested teaching AI to play the real-time strategy game StarCraft, and DeepMind has developed an AI that can play the first-person shooter game Quake III. Each game presents its own set of challenges, but the common denominator is that all of them present the AI with environments where they have to make decisions in real time and with incomplete information. Moreover, they give AI an arena where it can test its might against a team of opponents and learn teamwork itself.  For now, no one had developed AI that can beat professional players. But the very fact that AI is competing with humans at such complex games shows how far we’ve come in the field.”

Moreover: https://www.pcmag.com/commentary/362654/why-teaching-ai-to-play-games-is-important