Your browser is out of date

Update your browser to view this website correctly. Update my browser now

×

Pesquisa Fast Forward Labs agora disponível sem assinatura

Em breve, todos os novos reports estarão disponíveis ao público e para download gratuito. Além disso, oferecemos acesso a versões atualizadas de reports mais antigos ao longo do tempo. Por isso, volte sempre para explorar a pesquisa gratuita disponível.

Reports de pesquisa gratuitos

Explore nossos reports e protótipos de pesquisa mais recentes, acessíveis gratuitamente a todos. 

Explorando a otimização de hiperparâmetros multiobjetivos

Desenvolvemos modelos de machine learning contra as métricas “suspeitas comuns”, como precisão preventiva e recall. No entanto, essas métricas raramente são de fato tudo com o que temos que nos preocupar. Os modelos de produção também devem satisfazer requisitos físicos , como latência ou pegada de memória, ou restrições de justiça. A otimização de hiperparâmetros se torna ainda mais desafiadora quando temos várias métricas para otimizar. Nossa pesquisa mais recente examina esse cenário de otimização de hiperparâmetros “multiobjetivo” em detalhes.

Leia o relatório

Explore o código

Explorando a otimização de hiperparâmetros multiobjetivos

Deep learning para verificação automática de assinatura off-line

A verificação de assinatura manuscrita tem como objetivo diferenciar automaticamente entre assinaturas genuínas e forjadas, e é um desafio muito importante devido à onipresença de assinaturas manuscritas como forma de identificação em domínios legais, financeiros e administrativos. Este ciclo de pesquisa explorou o uso de abordagens de aprendizagem métrica profunda - especificamente redes siamesas - combinadas com novos métodos de extração de recursos para melhorar as técnicas tradicionais.

Leia o relatório

Explore o código

Classificação de texto few-shot

Sistemas de recomendação baseados em sessão

Os sistemas de recomendação tornaram-se a base da vida moderna, abrangendo setores que incluem varejo on-line, streaming de música e vídeo e até publicação de conteúdo. Esses sistemas nos ajudam a navegar pelo grande volume de conteúdo na internet, o que nos permite descobrir o que é interessante ou importante para nós. Uma tendência chave nos últimos anos tem sido os algoritmos de recomendação baseados em sessão que fornecem recomendações exclusivamente com base nas interações de um usuário em uma sessão em andamento e que não exigem a existência de perfis de usuário ou de todas as suas preferências históricas.

Leia o relatório

Explore o código

Classificação de texto few-shot

Classificação de texto few-shot

A classificação de texto pode ser usada para análise de sentimentos, atribuição de tópicos, identificação de documentos, recomendação de artigo e muito mais. Embora dezenas de técnicas agora existam para esta tarefa fundamental, muitas delas exigem grandes quantidades de dados rotulados para serem úteis. Coletar anotações para o seu caso de uso é normalmente uma das partes mais caras de qualquer aplicativo de machine learning. Neste report, exploramos a forma como as incorporações de texto latentes podem ser usadas com poucos (ou até nenhum) exemplos de treinamento e fornecemos insights sobre as melhores práticas para implementar esse método.

Leia o relatório

Explore o código

Classificação de texto few-shot

Séries temporais estruturais

Os dados de séries temporais são onipresentes. Este relatório analisa modelos aditivos generalizados, que nos dão um meio simples, flexível e interpretável para modelar séries temporais, decompondo-os em componentes estruturais. Nós analisamos os benefícios e os trade-offs de adotar uma abordagem de ajuste de curva para séries temporais, e demonstramos seu uso através da biblioteca Prophet do Facebook sobre um problema de previsão de demanda.

Leia o relatório

Explore o código

Meta-Aprendizagem

Em contraste com a forma como os seres humanos aprendem, os algoritmos de aprendizado profundo precisam de grandes quantidades de dados e computação e ainda podem ter dificuldades para generalizar. Os seres humanos conseguem se adaptar rapidamente porque eles acionam seus conhecimentos adquiridos a partir da experiência anterior quando confrontados com novos problemas. Neste relatório, explicamos como a meta-aprendizagem pode acionar os conhecimentos anteriores adquiridos a partir de dados para resolver novas tarefas de forma rápida e eficiente durante o tempo de teste.

Leia o relatório

Explore o código

Resposta automática de perguntas

A resposta automática de perguntas é uma maneira fácil de usar de extrair informações de dados usando linguagem natural. Graças aos recentes avanços no processamento de linguagem natural, os recursos de resposta a perguntas de dados de texto não estruturados cresceram rapidamente. Esta série de blogs oferece um passo a passo detalhando os aspectos técnicos e práticos da construção de um sistema de resposta de perguntas fim-a-fim.

Leia a série de blogs interativos

Explore o protótipo

Causalidade para machine learning

A interseção entre inferência causal e machine learning é uma área de pesquisa em rápida expansão que já está produzindo recursos para permitir a construção de sistemas de machine learning mais robustos, confiáveis e justos. Este relatório oferece uma introdução ao raciocínio causal, incluindo gráficos causais e previsão invariante, e como aplicar ferramentas de inferência causal juntamente com técnicas clássicas de machine learning em múltiplos casos de uso.

Explore o protótipo

Leia o report agora

Interpretabilidade: Edição 2020

A interpretabilidade, ou a capacidade de explicar por que e como um sistema toma uma decisão, pode nos ajudar a melhorar modelos, cumprir regulamentações e criar produtos melhores. Técnicas de caixa-preta como aprendizado profundo proporcionaram recursos inovadores à custa da interpretabilidade. Neste report, atualizado recentemente para incluir técnicas como SHAP, mostramos como tornar os modelos interpretáveis sem sacrificar suas capacidades ou precisão.

Explore o protótipo

Leia o report agora

Aprendizado profundo para detecção de anomalias

Desde a detecção de fraudes até a sinalização de anormalidades nos dados de imagem, existem inúmeros aplicativos para identificação automática de dados anormais. Esse processo pode ser desafiador, especialmente ao trabalhar com dados grandes e complexos. Este report explora abordagens de aprendizado profundo (modelos de sequência, VAEs, GANs) para detecção de anomalias, quando usá-las, benchmarks de desempenho e possibilidades de produtos.

Explore o protótipo

Leia o report agora

Aprendizagem profunda do Fast Forward Labs para análise de imagens - versão prévia do relatório edição 2019

Aprendizado federado

O Aprendizado Federado possibilita a criação de sistemas de machine learning sem acesso direto aos dados de treinamento. Os dados permanecem em sua localização original, o que ajuda a garantir a privacidade e reduz os custos de comunicação. O aprendizado federado é uma ótima opção para smartphones e hardware de ponta, cuidados de saúde e outros casos de uso sensíveis à privacidade e aplicativos industriais, como manutenção preventiva.

Explore o protótipo

Leia o report agora

Aprendizagem profunda do Fast Forward Labs para análise de imagens - versão prévia do relatório edição 2019

Aprendizado profundo para análise de imagens - edição de 2019

As redes neurais convolucionais (CNNs ou ConvNets) são excelentes em aprender representações significativas de recursos e conceitos nas imagens, tornando as CNNs valiosas para resolver problemas em vários domínios, da imagem médica à produção. Neste report, mostramos como selecionar os modelos corretos de aprendizado profundo para tarefas de análise de imagem e técnicas para depurar modelos de aprendizado profundo.

Explore o protótipo

Leia o report agora

Aprendizagem profunda do Fast Forward Labs para análise de imagens - versão prévia do relatório edição 2019

Aprendizado profundo: análise de imagem

Este report explora a história e o estado atual do aprendizado profundo, explica como aplicá-lo e prevê desenvolvimentos futuros.

Leia o report agora

Reports pagos

Versões atualizadas de reports mais antigos estarão disponíveis gratuitamente no futuro, portanto, verifique com frequência.

Visualização do relatório de Transferência de Aprendizado para PNL do Fast Forward Labs

Transferência de Aprendizado para PNL

As tecnologias de processamento de linguagem natural (PNL) podem traduzir o idioma, responder perguntas e gerar texto semelhante ao humano, mas as técnicas subjacentes de aprendizado profundo exigem conjuntos de dados, infraestrutura e conhecimento dispendiosos. Neste report, mostramos como usar o aprendizado de transferência para adaptar os modelos existentes a qualquer aplicativo de PNL, facilitando a criação de sistemas de PNL de alto desempenho.

Imagem do relatório e protótipo de aprendizado multitarefa

Aprendizagem multitarefa

Neste report, focamos no aprendizado de várias tarefas, uma nova abordagem para o machine learning que permite que os algoritmos dominem tarefas em paralelo.

Recomendações semânticas

Neste report, mostramos como o uso do conteúdo semântico dos itens pode ajudar a solucionar as armadilhas comuns das recomendações, como o problema do arranque a frio, e a abrir novas possibilidades de produtos.

Interpretabilidade

Neste report, mostramos como tornar os modelos interpretáveis sem sacrificar suas capacidades ou precisão.

Programação probabilística

Aqui, mostramos como usar a programação probabilística e a inferência bayesiana para criar facilmente ferramentas que fazem melhores previsões para uma tomada de decisão mais eficaz.

Resumo

Aprenda a usar o aprendizado profundo e os embeddings para tornar o texto computável para uma variedade de aplicativos e produtos de negócios.

Métodos probabilísticos para fluxos em tempo real

Aqui, exploramos métodos probabilísticos que oferecem modelos altamente eficientes para extrair valor de fluxos de dados à medida que são gerados.

Geração de linguagem natural

Neste report, examinamos como os sistemas de máquinas podem transformar dados altamente estruturados em narrativa da linguagem humana.

Leia o blog do Fast Forward Labs

 

Acompanhe o amanhã

Assine nosso boletim informativo mensal e receba as últimas novidades em inteligência artificial aplicada, além de notícias e eventos da empresa.

 

Entre em contato conosco sobre assinatura de pesquisa

Your form submission has failed.

This may have been caused by one of the following:

  • Your request timed out
  • A plugin/browser extension blocked the submission. If you have an ad blocking plugin please disable it and close this message to reload the page.