A clusterização de dados é uma técnica que visa fazer agrupamentos automáticos de dados, levando em consideração o grau de semelhança, tem por objetivo agrupar através de aprendizado não supervisionado casos de uma base em k grupos, também denominados clusters, a classificação de dados surgiu com a necessidade de separar os dados em determinados grupos com semelhanças de atributos.
Existem diferentes formas de realizar a clusterização de dados, o scikit-learn por exemplo, é uma biblioteca para a linguagem python que disponibiliza de vários algoritmos para clusterização de dados, um dos mais conhecidos é o algoritmo K-Means.
Google Speech-To-Text é um entre os diversos serviços oferecidos pela Google Cloud e realiza a conversão de áudios para texto utilizando modelos de redes neurais e machine learning. A medida que o Speech-to-text é utilizado, evolui com velocidade e hoje, pouco tempo depois de passar do modelo BETA em abril de 2017, já possui suporte para o reconhecimento de mais de 120 idiomas.
Chatbot, ou assistente pessoal, é um programa de inteligência artificial, que busca simular uma conversa entre dois humanos, e surgiu pela necessidade de as pessoas quererem interagir com os computadores utilizando a linguagem natural, sendo através da fala ou da escrita.
Desde o princípio a tecnologia vem passando por crescente transformação. O que antes eram computadores gigantes que ocupavam salas inteiras apenas para fazer simples cálculos, se transformou em dispositivos indispensáveis para o dia-a-dia. São eles: celulares, notebooks, o computador de bordo do carro, a TV smart, o aspirador de pó inteligente, entre muitos outros. Esta grande massa de dispositivos geralmente está conectada à internet. Mas você já parou para pensar como isso funciona? Quais dispositivos podem ser conectados? Eu posso montar um projeto IoT? Aí está mais uma palavra que ouvimos muito hoje em dia. IoT significa Internet of Things (Internet das Coisas), que podemos entender como coisas conectadas na internet.
Existem dois tipos de bancos de dados: relacional e não relacional. Os dois bancos podem ser utilizados de formas distintas com diferentes frameworks, podendo-se utilizar o tipo de banco de dados e seu respectivo framework variando entre situações.
O banco de dados relacional trabalhará de forma que tabelas possam se relacionar e formar uma rede de tabelas com dados utilizando frameworks ORM. O banco de dados não relacional em conjunto com o framework ODM deverá ser utilizado para casos com informações menos complexas que exigem todas as informações em um único documento possibilitando uma grande massa de dados.
Com tantos sites e aplicações disponíveis no mundo digital hoje, muitas vezes, para utilizar os serviços e/ou acessar seus conteúdos, é necessário possuir um cadastro. Imagine a quantidade de senhas a serem gerenciadas para cada site e aplicação, se cada vez que queira acessar algo novo, ter que criar um novo cadastro? Ou criar e gerenciar novas senhas? Até porque esse numero elevado de senhas, desgasta o usuário em questão de criatividade, e muitos acabam utilizando senhas fracas, e ou também utilizando a mesma senha para mais de uma aplicação.
O consumo e desenvolvimento de serviços de cloud têm tornado cases de inovação cada vez mais presente no meio tecnológico. O Ibm Watson têm como objetivo salientar e prover serviços utilitários de cloud como API utilizando como viés, ferramentas cognitivas.
Bem como as demais plataformas que provém este tipo de serviço do mercado, o Ibm Watson promove facilidades de usabilidade quanto ao consumo de seus serviços.
Bibliotecas são um conjunto de
funções, métodos e objetos que tem como objetivo facilitar e tornar mais rápido
o desenvolvimento de aplicações, não sendo necessário recriar as funções todas
as vezes que estas forem necessárias, é importante lembrar que uma biblioteca
normalmente é menos complexa, e mais flexível que um framework.
Frameworks
são modelos que implementam ferramentas, funções e padrões em um
projeto de software, que podem abranger projetos web, mobile e desktop,
tanto referente ao front-end quanto o back-end, para as mais variadas aplicabilidades do mercado. Para a definição de um framework em um projeto, é necessário principalmente a boa definição do objetivo do software e as utilidades e facilidades que o framework pode-lhe prover durante todo o ciclo de vida do produto.
Frameworks Back-end
Com
o objetivo de auxiliar a definição de um framework na criação de um
projeto de software, abaixo será listado alguns dos mais reconhecidos
Frameworks do mercado para o desenvolvimento Back-end, para as mais variadas linguagens.
Django
Django
Django é um framework open source baseado na linguagem python que tem um intuito de criar rapidamente aplicações web altamente escaláveis com o máximo de segurança possível, provendo uma arquitetura semelhante ao mvc, o mtv(model-template-view), hoje ele é um dos frameworks mais populares em desenvolvimento phyton junto com o Flask.
Spring Framework
Spring
O Spring é um framework da linguagem Java desenvolvido inicialmente para abstrair a usabilidade do kit de desenvolvimento JEE(Java-enterprise-Edition), focado principalmente na abstração da criação de objetos, conexões(como banco de dados) ou arquivos de sistema, proporcionando um melhor gerenciamento dessas questão deixando o foco do desenvolvedor para o desenvolvimento da regra de negócio.
Ruby on Rails
Rails
Ruby on Rails é um framework Open Source para linguagem Ruby, foi um dos pioneiros no ambiente de frameworks web mudando os padrões do desenvolvimento web e inflamando da participação da comunidade, focado para desenvolver sistemas do zero ajudando principalmente na parte de configuração e na criação de interfaces como CRUD.
ASP .Net Core
Asp .Net core
Asp .net core é o framework da Microsoft que está integrada á plataforma open source .net core, que traz versatilidade e agilidade para o desenvolvimento e implementação por herdar a estrutura de multiplataforma do .net core, aprimorando ainda mais essa característica por trazer opções como gerar o código binário para outro sistema, por exemplo, gerar o código binário para um sistema Linux a partir de um sistema Windows com a mesma facilidade e eficácia se estivesse gerando para o mesmo sistema Windows.
Express Js
Express
Express é um framework para
o ambiente nodeJs, com o foco de facilitar tratamento de requisições e gerenciamento
de rotas, o framework base do Express é bastante minimalista e simples porem é possível
adquirir pacotes de middlewares (Tratativas de requisição) de terceiros para as
mais variadas funcionalidades.
Laravel Framework
Laravel
Laravel é um framework de desenvolvimento rápido para PHP, livre e de código aberto. Cujo o principal objetivo é permitir que você trabalhe de forma estruturada e rápida facilitando o gerenciamento de rotas e criação de templates, porem como outros frameworks ele não é considerado muito flexível.
Conclusão
Todo framework tem suas
qualidades e possíveis defeitos porem para ver o valor e usabilidade de um
framework todo o ambiente e a situação atual deve ser analisada, mas como
pontos gerais o benefício de um framework e a simplificação na codificação e uma
curva possivelmente menor de aprendizado, contra os defeitos de depender do
framework de uma maneira geral e se o framework não for o ideal para sua
aplicação, ela poderá perder um desempenho considerável em seu funcionalidade.
O recurso mais atraente das
interfaces de conversação é a facilidade em que o usuário possui ao utilizar
computadores, smartphones, smartv entre outras inúmeras tecnologias onde a
Inteligência Artificial de conversação pode ser implementada. Para estas
interfaces deverão ser criados modos de interação de fácil operação, já que por
meio do recurso de fala o usuário poderá ter maior liberdade para execução de
outras tarefas que exijam a manipulação de entradas de dados de forma
convencional e ainda, com o uso de sistemas de síntese de fala o usuário poderá
receber informações de forma direta e objetiva.
Uma interface de API de voz
oferece o privilégio de interagir com as máquinas em termos humanos. Pode- se
dizer que é uma mudança de paradigma das comunicações anteriores. Ela permite
que o usuário diga ao software o que fazer, assim, trazendo uma maior inclusão
para pessoas com deficiência sendo elas visuais, locomotoras, dentre outras e
até mesmo para quem busca uma maior automação dos seus aparelhos.
A área de IA com interface de
conversação tem estado em constante alta, nas últimas cinco décadas, sendo
considerada uma tecnologia auxiliar de importante avanço com uma melhor
comunicação Homem-Máquina. Entretanto, anteriormente não era vista como uma
forma confiável de comunicação. Isto porque a capacidade de processamento
existente não era suficiente para fazer reconhecimento de fala em tempo real.
As APIS com interface para comando de
voz
Com o grande avanço da tecnologia de IA de conversação, pode-se citar
algumas APIs principais.
Alexa Voice Service (AVS)
Dispositivos com a Alexa
O Alexa é o serviço de voz criado
pela Amazon em 2014 com base em nuvem que se conecta com o Amazon Echo, uma
nova categoria de dispositivo da varejista online que foi projetado para se
adequar a comandos da sua voz. O Alexa Voice Service (AVS) é o conjunto de
serviços da Amazon construído em torno de seu assistente de IA controlado por
voz para uso doméstico e outros ambientes. O AVS foi introduzido pela primeira
vez com o Echo, o alto-falante inteligente da empresa, que permite a interação
por voz com vários sistemas no ambiente e online. O Alexa está disponível para
um número cada vez maior de outros dispositivos, incluindo smartphones, tablets
e controles remotos.
Ele fornece um conjunto de
recursos internos, chamados de habilidades, sendo elas, tocar músicas de vários
provedores, responder perguntas, fornece previsões do tempo e consultar a
Wikipedia. O Hurricane Center, por exemplo, é uma habilidade do Alexa que
fornece informações constantemente atualizadas sobre sistemas de tempestades,
com base em dados de agências governamentais. Existe também Virtual Librarian é
essencialmente um mecanismo de recomendação que sugere livros, com base em indicações
de prêmios, listas de best-sellers e análises de usuários. O Alexa Skills Kit ,
um kit de desenvolvimento de software ( SDK ), é disponibilizado gratuitamente
para desenvolvedores e as habilidades estão disponíveis para download
instantâneo na Amazon.com
Sendo totalmente integrado ao
ambiente de comércio eletrônico da Amazon, o que significa que torna as compras
rápidas e simples. O sistema pode operar como um hub de automação residencial,
permitindo ao usuário controlar sistemas de aquecimento e iluminação, por
exemplo. O Alexa também se conecta a serviços de mídia de streaming on-line e
suporta If This Then That ( IFTTT ).
O sistema de inteligência
artificial está disponível no Brasil a partir desse ano de 2019, onde possui 3
tipos de caixas de som com os recursos da Alexa.
Cloud Speech-to-Text
Cloud Speech-to-Text
O Cloud Speech-to-Text permite a
fácil integração das tecnologias de reconhecimento de fala do Google nos
aplicativos do desenvolvedor. Com ele os desenvolvedores convertem áudio em
texto ao aplicar modelos de rede neural avançados em uma API fácil de usar. A
API reconhece 120 idiomas e variantes para oferecer suporte à sua base de
usuários global. Ele permite ativar o comando e o controle de voz, transcrever
áudio de call centers e muito mais. Com a tecnologia de machine learming do
Google essa API processa streaming em tempo real ou de áudios pré gravados, ou
seja, ela retorna o texto no momento em que ele é reconhecido. Sendo possível a
analise de áudios de curta ou longa duração
O Speech-to-Text tem três métodos
principais para realizar o reconhecimento de fala. Eles estão listados abaixo:
O reconhecimento síncrono (REST e
gRPC): envia dados de áudio para a API Speech-to-Text, executa o reconhecimento
nesses dados e retorna os resultados depois que todo o áudio foi processado. As
solicitações de reconhecimento síncrono são limitadas a dados de áudio de até
um minuto de duração.
O reconhecimento assíncrono (REST
e gRPC): envia dados de áudio para a API Speech-to-Text e inicia uma operação
de longa duração. Usando essa operação, é possível pesquisar periodicamente
resultados de reconhecimento. As solicitações assíncronas para dados de áudio
de qualquer duração de até 480 minutos.
O reconhecimento de streaming
(somente gRPC): realiza reconhecimento em dados de áudio fornecidos em um
stream gRPC bidirecional. As solicitações de streaming são projetadas para fins
de reconhecimento em tempo real, como captura de áudio ao vivo de um microfone.
O reconhecimento em streaming oferece resultados provisórios enquanto o áudio
está sendo capturado, permitindo que o resultado apareça, por exemplo, enquanto
um usuário ainda está falando.
Siri
Logo Siri
A Siri é um aplicativo
inteligente que auxilia o usuário a realizar tarefas em um aparelho por meio do
recurso de voz. Trata-se de um aplicativo no estilo assistente pessoal
utilizando processamento de linguagem natural para responder perguntas,
executar tarefas e outras atividades. Por possuir uma tecnologia mais refinada,
a Siri não necessita que o usuário diga palavras predeterminadas ou comandos
específicos, já que a assistente consegue compreender frases de forma precisa.
Fundada por Dag Kittlaus, Cheyer
Adam, Tom Gruber e Norman Winarsky, a Siri teve seus primeiros testes
realizados em 2007, foi adquirida pela Apple em abril de 2010, porém, apenas
começou a funcionar em 2011. A Siri
agora conta com o aplicativo de atalhos embutido no IOS 13. A visualização
aprimorada da galeria permite fornecer atalhos pré configurados, esses atalhos
também podem ser combinados com ações de outros aplicativos.
Cortana
Inicialização Cortana
A Cortana é um assistente pessoal
digital que promete auxiliar os usuários de um sistema computacional a realizar
diversas atividades. Não se pode visualizar a Cortana como um simples
assistente que permite a realização de atividades através do comando de voz,
apesar de essa parecer ser sua principal finalidade. Usado corretamente, esse
assistente pode ajudar seu usuário a se manter sempre bem informado,
permitindo-o realizar diversas atividades através de dispositivos e plataformas
distintas.
Muito além do que serviços de
lembrete, ou até mesmo uma interface interativa de pesquisa, a Cortana fornece
uma arquitetura que permite facilmente a incorporação de outras atividades ou
serviços, melhorando assim sua experiência. Trata-se de um recurso capaz de
aprender com o usuário para melhor servi-lo.
Ela permite que o usuário
interaja com o computador por qualquer uma de suas interfaces. Caberá ao
desenvolvedor, dependendo do contexto, determinar qual ação será desencadeada,
ou seja, o usuário pode interagir via texto ou voz e o desenvolvedor decidirá
como irá tratar cada uma das interfaces de entrada. Além de prático e fácil de
utilizar, a Cortana é compatível com qualquer versão do Windows 10 ou superior,
além do Android.
Para o desenvolvedor, é possível
a integração das funcionalidades da Cortana às suas aplicações, podendo essa
interação ocorrer através de solicitações explícitas ou até mesmo com base no
contexto do usuário (análise de seu comportamento).
Ao desenvolvedor, a Cortana
oferece também suporte a uma série de ações pré-determinadas, sendo necessário
somente fornecer à API uma ligação capaz de indicar como sua aplicação deve
responder/completar a ação. O desenvolvedor pode, entretanto, a qualquer momento
personalizar uma ação pré-definida (se julgar necessário), buscando assim
atender às necessidades de sua aplicação.
Watson Text-to-Speech e Speech To Text
Watson
O Watson possui alguns serviços para integrar texto e voz
como o Text to Speech e o Speech to Text.
Onde o Text to Speech transforma
um texto em voz, o Speech to Text transforma voz em texto. Esses
serviços são basicamente simples e diretos de utilizar e não necessitando de
nenhum treinamento adicional. Para a utilização basta instanciá-los no Bluemix
(plataforma em nuvem desenvolvida pela IBM) e escolher o idioma. No caso
do Text to Speech, dependendo do idioma, também é
possível escolher a voz do interlocutor (se masculino ou feminino). Está disponível em 27 vozes (13 neurais e
14 padrão) em 7 idiomas. As vozes selecionadas agora oferecem recursos de
Síntese expressiva e transformação de voz. O uso geral desses serviços conta
com um vocabulário baseado no diálogo cotidiano. Para alguns tipos de
aplicação, esse vocabulário pode não ser suficiente e requerer refinamentos que
o ajustem ao domínio da aplicação. Nesse caso, é possível ajustar o modelo de
acordo com os termos e pronúncias utilizados naquele domínio.
Com isso pode se verificar a
importância que as APIs vem possuindo nos últimos anos, onde podemos ver essa
inteligência tomando amplamente destaque no mercado. Com este artigo foi
possível identificar algumas das principais e mais desenvolvidas APIs de Voz,
mais utilizadas em equipamentos do dia a dias como smartphones e smartvs.
O reconhecimento de voz contínuo
é o mais complexo e difícil de ser implementado, pois deve ser capaz de lidar
com todas as características e vícios de linguagem, como regionalidade e gírias
tão utilizadas frequentemente, de forma natural. Vale ressaltar que as APIs
citadas acima trabalham de forma online, sendo assim, para trabalhos futuros
estarão direcionadas as pesquisas para APIs que utilizam o reconhecimento de
voz de forma offline, para assim, trazer uma maior automação dos equipamentos
mesmo desprovidos de internet no momento.
Autora: Laís
Fochezatto Sabedot
Referências
Y. Dong and L.
Deng, Automatic Speech Recognition. London: Springer-Verlag, 2015.
V. F. S.
Alencar. 2005. Atributos e Domínios de Interpolação Eficientes em
Reconhecimento de Voz Distribuído. Master’s thesis. Pontifícia Universidade
Católica do Rio de Janeiro, Rio de Janeiro, Brasil.l
Gigantescas
ondas de informações, dos mais variados tipos são lançadas diariamente na
internet – o tal chamado “Fenômeno BIG DATA”.
E este volume de dados cresce em tal proporção que, sistemas de busca
convencionais não estão mais sendo capazes de gerir e varrer tantas
informações, prejudicando a qualidade com que os dados são apresentados aos
usuários.
Em busca de solucionar – ou pelo menos amenizar – este problema, portais de venda e de conteúdo têm desprendido esforços cada vez maiores para tornar mais assertiva suas campanhas de maketing, através dos chamados “Sistemas de Recomendação (SR)”. Mas para entender como funcionam estes sistemas, é necessário conhecer sobre um assunto em alta na atualidade – A Inteligência Artifical (IA).
Inteligência Artificial: O passo humano nas máquinas
Segundo
Ribeiro (2010, p.8), “a inteligência artificial é uma ciência multidisciplinar
que busca desenvolver e aplicar técnicas computacionais que simulem o
comportamento humano em atividades específicas”. De acordo com Lima, Pinheiro e
Santos (2014), os primeiros estudos sobre inteligência artificial surgiram na
década de 1940, marcada pela Segunda Guerra Mundial, onde houve a necessidade
de desenvolver métodos tecnológicos voltados para análise balística, quebra de
códigos e cálculos para projetos de arma nucleares.
A IA possibilita que máquinas aprendam com experiências, se ajustem a entradas de dados novas e executem tarefas similar a um ser humano. Tudo isso depende do deep learning e do processamento de linguagem natural, tecnologias das quais permitem que os computadores sejam treinados e possam reconhecer padrões nos dados apresentados a eles.
Reconhecimento de Padrões
A IA
faz uso do reconhecimento de padrões para analisar e classificar dados,
agrupando-os por similaridade, podendo ser identificadas preliminarmente ou
dedutivamente. O reconhecimento de padrões é uma tarefa trivial ao ser humano,
mas que se torna custosa às máquinas, uma vez que ainda não se conseguiu
desenvolver um equipamento ou sistema com capacidade de reconhecimento à altura
do cérebro humano.
O trabalho de reconhecer padrões é que permite identificar em qual grupo (ou classe) um dado novo pertence. Este tipo de trabalho é que permite que sistemas de recomendação, muito utilizados pelos e-commerces, ofertem produtos que os usuários estejam planejando adquirir, sem ao menos terem acessado o site do portal de vendas.
Mas, e como são identificados estes padrões???
Para
identificar estes padrões dois tipos de métodos são mais utilizados hoje: o
supervisionado e o não-supervisionado.
Método Supervisionado: É dado à máquina um
conjunto de dados do qual já se sabe qual é a saída correta, e que deve ser
semelhante ao grupo, percebendo a idéia de que saída e entrada possuem uma
relação. É como se existisse um “professor” que ensinasse qual o tipo de
comportamento que deveria ser exibido em cada situação.
Método Não-Supervisionado: Esse método, ao
contrário do supervisionado, não possui uma rotulação prévia (não existe um
“professor”). Conforme os dados forem sendo apresentados, a máquina precisa
descobrir sozinha relações, padrões e regularidades e codificá-las nas saídas,
criando grupos (processo chamado de clusterização).
Exemplo de Clusterização
E-business têm se valido destas ferramentas para desenvolver sistemas que conseguem identificar o perfil do usuário que está acessando seu portal de vendas e através de um cruzamento de dados com outros perfis de usuários similares, estão podendo direcionar sua força de marketing de forma mais assertiva. É o caso dos Sistemas de Recomendação.
O que é um Sistema de Recomendação (SR)?
Sistemas
de Recomendação são, basicamente, um conjunto de algoritmos que utilizam
técnicas de Aprendizagem de Máquinas (AM) e Recuperação de Informação (RI) para
gerar recomendações baseadas em filtragens. Estas filtragens podem ser do tipo:
colaborativa, baseada em conteúdo ou híbrida.
Filtragem
Colaborativa: É uma técnica para recomendação baseada no
conhecimento coletivo, ou seja, baseia-se nas preferências dos usuários acerca
dos itens que compõem um determinado catálogo do sistema;
Filtragem
Baseada em Conteúdo: Diferente da Filtragem Colaborativa, a
Filtragem Baseada em Conteúdo leva em consideração os atributos dos itens para identificar
similaridades entre o perfil do usuário e o perfil do item. Basicamente ela se
baseia em itens que o usuário já tenha demonstrado interesse no passado para
recomendar.
Filtragem
Híbrida: Esta uma “mistura” das filtragens anteriores, buscando combinar
as vantagens das duas e atenuar as desvantagens das mesmas.
Os SR’s têm então o objetivo de gerar recomendações válidas aos usuários de itens que possam os interessar, como por exemplo, sugestão de livros, filmes, amigos em redes sociais, etc. Para isso, um dos principais conceitos utilizados pelos SR’s é a similaridade, identificada pelo reconhecimento de padrões abordado anteriormente neste artigo. Para isso, os algoritmos mais utilizados são o KNN (K-Nearest Neighbors), Árvore de Decisão, Redes Bayesianas e Redes Neurais. Neste artigo, nossa ênfase se dará em cima das Redes Neurais, explicadas a seguir.
RNA – Redes Neurais Artificiais
Uma RNA compreende um conjunto de elementos de
processamento conectados e organizados em camadas. Um dos modelos de RNAs é
disposto em camadas, onde as unidades são ordenadas e classificadas pela sua
topologia e a propagação natural da informação é da camada de entrada para a de
saída, sem realimentação para as unidades anteriores.
As entradas são processadas e transformadas por
uma função de ativação até que um determinado critério de parada seja atendido
(quantidade de ciclos (épocas) ou erro mínimo), obtendo os pesos sinápticos que
melhor se ajustem aos padrões de entrada. Nesse estágio, pode-se dizer que a
rede está treinada. Contudo, a rede neural pode apresentar ou não a capacidade
de generalização – permitir a classificação correta de padrões já conhecidos,
mas que não faziam parte do conjunto de treinamento.
As RNA’s podem ser utilizadas na recomendação de sistemas de Recomendação baseadas em modelos. As RNA’s podem combinar vários módulos de recomendações ou várias fontes de dados, podendo ser exemplificado como na construção de um sistema de recomendação para TV a partir de quatro fontes de dados diferentes: informações de comunidades, contexto de exibição de programas, perfil de usuários e metadados dos programas.
Concluindo…
Neste viés, as RNA’s estão apresentando vantagens superiores sobre as demais técnicas, principalmente pelo fato de trabalharem muito bem com grandes volumes de dados, reduzindo a dimensionalidade sem perder representatividade da informação original. Outra vantagem é conseguir trabalhar com dados dinâmicos (ou de curto prazo), se comparados à algoritmos clássicos e também por conseguir a interação entre usuário e conteúdo, representando os dados de forma não-linear, permitindo que a generalização não seja tão limitada quanto demais métodos (Fatoração de Matrizes, por exemplo).
Autor: Valmor Marchi
Referências
FERNANDES, Marcela Mayara Barbosa; SEVERINO, Áxel Douglas Santos; FERREIRA, Patrick Pierre Fernandes. SISTEMAS DE RECOMENDAÇÃO WEB UTILIZANDO A REDE NEURAL ARTIFICIAL DO TIPO PERCEPTRON. 2014. Disponível em: <http://www.fepeg2014.unimontes.br/sites/default/files/resumos/arquivo_pdf_anais/artigo_-_sistemas_de_recomendacao_utilizando_uma_rede_neural_artificial_perceptron_1.pdf>. Acesso em: 14 nov. 2019.
LIMA, I.; SANTOS, F.;
PINHEIRO, C. Inteligência Artificial.
Rio de Janeiro: Elsevier, 2014.
RIBEIRO, R. Uma Introdução à Inteligência
Computacional: Fundamentos, Ferramentas e Aplicações. Rio de Janeiro:
IST-Rio, 2010.
SANTANA,
Marlesson. Deep
Learning para Sistemas de Recomendação (Parte 1) — Introdução. 2018.
Disponível em: <https://medium.com/data-hackers/deep-learning-para-sistemas-de-recomenda%C3%A7%C3%A3o-parte-1-introdu%C3%A7%C3%A3o-b19a896c471e>.
Acesso em: 16 nov. 2019.
O presente artigo aborda uma breve introdução sobre o que é, e como funciona o Flutter Framework, com o objetivo de demonstrar essa ferramenta de desenvolvimento de aplicativos mobile que está sendo utilizada por alguns desenvolvedores na indústria de software atualmente. Ao longo do trabalho será apresentado a história, funcionalidades e também a arquitetura do Flutter Framework.
Os aplicativos móveis estão tornando-se cada vez mais
populares e presentes na vida das pessoas. O número de downloads desses
aplicativos tem apresentado forte crescimento e é notável o aumento do
interesse das pessoas por mobilidade. Isso está ligado principalmente à
constante evolução dos dispositivos móveis, que tem apresentado capacidade de
processamento e armazenamento cada vez maiores. Android e iOS predominam no
mercado de sistemas operacionais para smartphones, os dispositivos móveis mais
utilizados atualmente. A Tabela 1 demonstra que as vendas globais de
smartphones equipados com Android no primeiro trimestre de 2018 representaram a
imensa maioria, chegando a 85,9% do total, segundo dados da Gartner (2018). Os
outros 14,1% são de smartphones equipados com iOS. Todos os outros sistemas
operacionais somados registraram vendas pouco significativas.
Com a ascensão na venda de smartphones e a consolidação do
Android e iOS como sistemas operacionais predominantes, há uma necessidade cada
vez maior no desenvolvimento de aplicativos para atender a demanda das pessoas
nas mais diferentes áreas, devido a isso ferramentas de desenvolvimento de
software cada vez mais modernas estão sendo criadas e utilizadas pelos
programadores ao redor do mundo, como exemplo temos o presente tema desse
artigo o Flutter Framework.
FLUTTER FRAMEWORK
O Flutter2 é o SDK de
código aberto do Google que permite o desenvolvimento de aplicativos que
executem tanto no Android quanto no iOS a partir de uma única base de código.
Seu objetivo é permitir que os desenvolvedores criem aplicativos de alta
performance com uma experiência nativa em ambas as plataformas.
Seu fluxo de
desenvolvimento é orientado ao design e os widgets são os blocos básicos da
interface de usuário de um aplicativo Flutter. Assim, existem widgets para
definir elementos estruturais como botões, menus e etc. Elementos de estilo como
fontes, cores e formatos de texto. Aspectos de layouts como margens e espaçamentos,
além de widgets com design específico para a plataforma e iOS. Além disso, o
Flutter foi projetado para facilitar a criação de novos widgets e a
personalização dos existentes. Os widgets formam uma hierarquia baseada na
composição onde cada um herda propriedades de seu superior. A Figura 1
demonstra essa hierarquia.
Figura 1
– Hierarquia dos Widgets
Fonte:
https://flutter.io/technical-overview/
O que
torna o Flutter diferente da maioria das outras opções para criar aplicativos
móveis, é que ele não utiliza os widgets fornecidos com o dispositivo. Em vez
disso, utiliza o seu próprio mecanismo de renderização de alto desempenho para desenhar
widgets. A Figura 2 representa a arquitetura do Flutter, que é composta pela
engine, uma camada fina de código C/C++, e pelo framework, organizado em uma
série de camadas, cada uma construída sobre a anterior e onde está implementada
a maior parte de seu sistema (composição, gestos, animação, estrutura,
widgets). Essa implementação é feita em Dart3, uma linguagem de programação
moderna, concisa e fortemente tipada e orientada a objetos.
GARTNER. Worldwide Sales of Smartphones
Returned to Growth in First Quarter of 2018. Disponível em:
<https://www.gartner.com/en/newsroom/pressreleases/2018-05-29-gartner-says-worldwide-sales-of-smartphones-returned-to-growthin-first-quarter-of-2018>.
A automação de processos robóticos, do inglês Robotic Process Automation (RPA) é uma forma emergente de tecnologia de automação de processos de negócios baseada na noção de robôs de software ou de trabalhadores de inteligência artificial.
Em ferramentas tradicionais de automação de fluxo de trabalho, um desenvolvedor de software produz uma lista de ações para automatizar uma tarefa e interface para o sistema back-end usando interfaces de programação de aplicativos internos (APIs) ou linguagem de script dedicada. Em contraste, os sistemas RPA desenvolvem a lista de ações observando o usuário executar essa tarefa na interface gráfica com o usuário (GUI) do aplicativo e, em seguida, executa a automação repetindo essas tarefas diretamente na GUI. Isso pode diminuir a barreira do uso de automação em produtos que, de outra forma, não teriam APIs para essa finalidade.
As ferramentas do RPA têm o objetivo de substituir tarefas repetitivas, operacionais e de baixa importância. Deixando assim as pessoas livres para atuar em atividades que exigem o uso de julgamentos, da razão, de sentimentos e de fatores humanos que contribuem para a inovação de qualquer empresa. Todos os sistemas que operam sem a mínima integração e que demandam toda uma equipe para tabular dados e preencher planilhas serão manipulados por robôs, que executarão cada tarefa com uma velocidade muito maior do que uma pessoa.
Os RPA têm fortes semelhanças técnicas com as ferramentas de teste da interface gráfica do usuário. Essas ferramentas também automatizam as interações com a GUI e geralmente o fazem repetindo um conjunto de ações de demonstração executadas por um usuário. As ferramentas do RPA diferem desses sistemas, incluindo recursos que permitem que os dados sejam manipulados em e entre vários aplicativos, por exemplo, recebimento de email contendo uma fatura, extração de dados e, em seguida, digitação em um sistema de contabilidade.
EVOLUÇÃO HISTÓRICA DA RPA
Como uma forma de automação, o conceito de RPA existe há muito tempo na forma de screen scraping, mas a primeira é considerada uma evolução tecnológica significativa dessa técnica, no sentido de que novas plataformas de software estão surgindo, que são suficientemente maduras, resilientes, escalável e confiável para tornar esta abordagem viável para uso em grandes empresas. (NEW SCIENTIST, 2015).
Como exemplo de até que ponto a tecnologia se desenvolveu desde a sua forma inicial na raspagem de telas, é útil considerar o caso citado em um estudo acadêmico. Usuários de uma plataforma da Xchanging, empresa global sediada no Reino Unido que fornece processamento de negócios, tecnologia e serviços de compras em todo o mundo, antropomorfizou seu robô em uma colega de trabalho chamada “Poppy” e até convidou “ela” para a festa de Natal. Esse exemplo serve para demonstrar o nível de intuição, engajamento e facilidade de uso das modernas plataformas de tecnologia RPA, que leva seus usuários (ou “treinadores”) a se relacionar com eles como seres, em vez de serviços de software abstratos. (WILLCOCKS, LACITY E CRAIG, 2015).
OS IMPACTOS DO RPA
3.1 Impactos no mercado de trabalho
De acordo com a Harvard Business Review (2014), a maioria dos grupos de operações que adotaram a RPA prometeu a seus funcionários que a automação não resultaria em demissões. Em vez disso, os trabalhadores foram realocados para fazer um trabalho mais interessante. Um estudo acadêmico destacou que os trabalhadores do conhecimento não se sentem ameaçados pela automação: eles adotaram e viram os robôs como companheiros de equipe. O mesmo estudo destacou que, ao invés de resultar em um menor número de funcionários, a tecnologia foi implantada de forma a alcançar mais trabalho e maior produtividade com o mesmo número de pessoas.
Por outro lado, alguns analistas afirmam que a RPA representa uma ameaça para a indústria de Business Process Outsourcing (BPO). A tese por trás dessa noção é que a RPA permitirá que as empresas “repatriarem” processos de locais offshore em data centers locais, com o benefício dessa nova tecnologia. O efeito, se for verdade, será criar trabalhos de alto valor para designers de processos qualificados em locais onshore (e dentro da cadeia de fornecimento de hardware de TI, gerenciamento de data center, etc.), mas para diminuir a oportunidade disponível para offshore de trabalhadores pouco qualificados. Por outro lado, esta discussão parece ser um terreno saudável para o debate, já que outro estudo acadêmico se esforçou para combater o chamado “mito” de que a RPA trará muitos empregos do exterior. (SLABY, 2012).
Impactos na sociedade
Estudos acadêmicos projetam que a RPA, entre outras tendências tecnológicas, deverá impulsionar uma nova onda de ganhos de produtividade e eficiência no mercado de trabalho global. Embora não seja atribuída diretamente à RPA, a Universidade de Oxford estima que até 20% de todos os trabalhos podem ter sido automatizados até 2035.
Em uma palestra do TEDx organizada pela UCL em Londres, o empreendedor David Moss explicou que a mão-de-obra digital na forma de RPA não apenas revolucionará o modelo de custo da indústria de serviços ao reduzir os preços de produtos e serviços, mas é provável que aumente os níveis de serviço, a qualidade dos resultados e crie maiores oportunidades para a personalização dos serviços. (JEE, 2016).
Enquanto isso, o professor Willcocks (2015), autor do artigo de LSE, fala de maior satisfação no trabalho e estímulo intelectual, caracterizando a tecnologia como tendo a capacidade de “tirar o robô do humano”, uma referência ao “A noção de que os robôs assumirão as porções mundanas e repetitivas da carga de trabalho diária das pessoas, deixando-as reposicionadas em papéis mais interpessoais ou concentradas nas partes restantes, mais significativas, de seus dias”.
IMPLEMENTAÇÃO DO RPA EM EMPRESAS
De acordo com a iCaptor a implementação de um RPA, ao contrário de outras ferramentas de TI, é bem simples. Existem processos de pequenas e médias empresas, para as quais desburocratizar e cortar algumas fases é essencial para alcançar rápidos resultados.
Uma implementação bem sucedida começa por encontrar os processos da empresa que poderiam se beneficiar do RPA. Para começar, é necessário realizar uma avaliação de alto nível de quais processos e tarefas podem ser robotizados.
A segunda fase desse processo envolve a seleção de um provedor de RPA, começando por obter informações sobre os requisitos técnicos e os critérios de avaliação. O processo de seleção, muitas vezes, é uma oportunidade para que os fornecedores mostrem como eles atendem aos seus requisitos.
A fase seguinte inclui a facilitação do piloto para as áreas de processo selecionados na fase 1 e 2. Durante esse passo a robotização será explorada de ponta a ponta para mostrar toda a extensão da tecnologia RPA. É importante garantir que os recursos de capital humano sejam treinados e estejam prontos para executar o plano de implementação. Essa etapa também envolve o suporte e o teste do ambiente de TI. Além disso, as atividades de implementação precisarão ser documentadas, rastreadas e concluídas de acordo com o plano inicial.
Se ocorrerem erros, esse é o momento de aprimorar e fazer modificações finais antes da revisão das partes interessadas. Assim, esse momento estabelece as bases para futuros modelos operacionais para uma transição suave para a estratégia RPA de longo prazo definida na Fase 1 e gerenciada na Fase Final.
A fase final é a hora de lançar a solução RPA bem-sucedida, que inclui o lançamento inicial do RPA, bem como o planejamento do sucesso contínuo do software RPA por meio da manutenção proativa.
A estratégia deve incluir um modelo de governança, um modelo operacional, uma estrutura organizacional e uma estratégia de gerenciamento de mudanças da solução RPA. Suas principais tarefas na fase final são:
colocar o modelo estratégico final em vigor;
determinar o modelo operacional, a governança e o sistema de priorização de processos;
fazer a gestão do plano de gerenciamento e de comunicação de mudanças em curso.
CONSIDERAÇÕES FINAIS SOBRE RPA
A partir dessas informações é possível considerar que um RPA pode ser uma solução definitiva para a otimização dos processos de uma empresa. Com ele, torna-se desnecessário atualizar os sistemas para outros mais pesados e complexos. O RPA é uma solução definitiva, que aproveitará todo o legado dos seus sistemas atuais.
Dessa forma, em vez de contratar um ERP que faz tudo, é possível aproveitar a ferramenta de CRM e integrá-la com outros sistemas, sem ter que se preocupar em ter a tecnologia mais recente e mais completa de gestão empresarial. Basta investir em um bom RPA e contratar novos sistemas à medida que uma demanda real surgir.
Seja RPA, chatbots ou tecnologias de planejamento de projetos, cada vez mais empresas estão tentando se preparar para o futuro do trabalho. No local de trabalho, a tecnologia ultrapassada pode prejudicar a retenção e, em um mercado de funcionários, as empresas competirão por expertise, aumentando assim o preço dos salários. Ao criar uma cultura de local de trabalho mais fluida, as empresas estarão em melhor posição para competir a longo prazo.
Neste artigo você vai entender o que são Aplicativos Nativos e Multiplataforma, quais suas vantagens e desvantagens no universo do desenvolvimento mobile.
Todos os dias, inúmeros apps surgem com a finalidade de resolver problemas, atender necessidades ou de simplesmente divertir seu público.
Os aplicativos móveis já são uma mania, com eles podemos realizar tarefas de forma muito ágil, como a de pedir comida, um táxi, controlar nossos gastos, acessar nossa conta bancária, realizar compras, vendas, enviar mensagens e muitas outras funcionalidades que deixam nossa vida mais prática.
Os smartphones e os tablets foram os responsáveis por nos tornar dependentes dessa tecnologia. Eles são os propagadores dos aplicativos “ferramentas” mais utilizados atualmente no mundo digital. Com certeza, permanecerão por muito tempo no topo dos itens mais desejados pelo público em geral.
Devido a popularização dos tablets e smartphones, as empresas foram obrigadas a criar aplicativos mais “inteligentes” e de uma maneira mais rápida. A fim de resolver esse problema, cada empresa criou seu próprio sistema operacional, loja de aplicativos e canais de desenvolvimento tentando obter uma maior fatia desse mercado.
“Afinal, se cada empresa tem seu sistema operacional, podemos dizer que o desenvolvimento, neste caso, será de Aplicativos Nativos?”
A resposta para essa pergunta é: “Sim”, pois os sistemas nativos são os que são criados para uso exclusivo da plataforma determinada pela empresa do ramo móvel.
Os apps nativos necessitam de desenvolvedores especialistas em cada plataforma ou até desenvolvedores que conhecem várias plataformas.
A principal vantagem é que neste caso, o desenvolvedor possui acesso a todos os recursos do dispositivo (acelerômetro, giroscópio, geolocalização, etc..) além de obter um bom desempenho da aplicação.
Como o desenvolvimento é voltado especificamente para cada plataforma, explora muito bem toda UX/UI seguindo a padronização de interface do usuário.
A principal desvantagem dos apps nativos corresponde ao custo do desenvolvimento que é bastante elevado, pois necessita de um desenvolvedor específico para cada plataforma. Além disso, o tempo de desenvolvimento e o prazo de entrega final se tornam maiores, pois todo trabalho terá que ser feito novamente para cada plataforma.
Exemplos de aplicativos nativos: Facebook Messenger, foi desenvolvido para atender recursos dos sistemas operacionais Android e IOS. WhatsApp, famoso aplicativo de mensagens instantâneas, foi vendido ao Facebook por US$ 16 bilhões e faz parte da vida de quase todas as pessoas do mundo todo.
“E quanto ao desenvolvimento multiplataforma, para que serve?”
Quanto mais sistemas operacionais diferentes, maior será o esforço, tempo e custo necessários para desenvolver um app que atenda a todas as plataformas existentes. Nestes casos, os aplicativos Multiplataformas se destacam.
Os apps Multiplataforma tem uma grande vantagem para o desenvolvedor que é a de escrever em um único código fonte para várias plataformas. Isto é, tem um maior controle sobre o código fonte, qualquer alteração será realizada simultaneamente em todas as plataformas.
Eles acessam recursos nativos do dispositivo através de programas como o Cordova e Phonegap que servem basicamente para criar um app nativo.
Respeita também a UX/UI do sistema operacional do dispositivo, porém tem a desvantagem de utilizar um navegador embutido no aplicativo para demostrar ao usuário a aplicação.
Outra desvantagem é de que as API´s nativas demoram a ser integradas nos apps multiplataformas, portanto, as aplicações têm uma demora maior no quesito da utilização dos novos recursos dos dispositivos.
O custo do desenvolvimento dos apps multiplataforma é bem reduzido, bem como o tempo de desenvolvimento, pois em um único código é possível gerar um app nativo para diferentes plataformas.
Já que o código fonte é único, o desenvolvedor não precisa se especializar em cada plataforma, pois nessa forma não é necessário a utilização de IDE específica.
Exemplos de aplicativos Multiplataforma: Untappd, é uma rede social e de check-in para cervejeiros, onde os usuários encontram cervejarias e bares pelo mundo todo. MarketWatch oferece aos usuários notícias comerciais e informações sobre o mercado financeiro.
Conclusão
O desenvolvimento Multiplataforma está cada dia mais evoluído, a ponto de já apresentar mais vantagens do que desvantagens. Não quer esta tecnologia seja mais vantajosa que a nativa, pois cada uma delas tem particularidades distintas. Antes de começar um desenvolvimento, deve-se analisar com maior rigor se a mesma atenderá todas as exigências da aplicação, pesar os objetivos futuros bem como a disponibilidade de recursos financeiros da empresa.
Autor Jean Carlos Wieczorek
Artigo do Seminário de Engenharia de Software – 2018/2
Material Design nasceu da coleta de informações e conhecimentos que se transformaram em diretrizes para aprimorar a relação homem-máquina, isso tornou-se em um sistema de desenvolvimento para interface do usuário, definido por um conjunto de propriedades que qualquer objeto dentro do sistema deve aderir.
É chamado Material, pois a ideia é trazer um material sólido para a interface virtual, todos os objetos têm uma altura definida, essa altura ajuda na interação com o usuário dando dicas visuais e também é responsável pelas sombras geradas, assim dando um efeito mais natural aos olhos.
As diretrizes do material design não só criam uma experiência prazerosa visualmente, mas também proveem consistência através dos dispositivos e aplicações e dicas do que virá a acontecer na tela.
Pense como um Engine de um jogo, onde toda a física, texturas, iluminação, animações são delimitadas pelas propriedades da Engine. O mesmo vale para o Material Design. Existe um ambiente 3D onde todos os elementos funcionam de formas restringidas pelas propriedades e diretrizes definidas pela Google.
No Material Design existem as propriedades físicas, propriedades de transformação e propriedades de movimento, estas propriedades são combinadas para temos componentes com um comportamento parecido com papel que pode mudar dinamicamente dependendo do seu uso.
Limitações:
Existem algumas limitações impostas pela Google que devem ser respeitadas:
Materiais são sólidos e não podem atravessar um ao outro
Materiais não podem ser curvados ou dobrados
Todos os materiais tem a mesma espessura, definida pelo Google como 1DP (medida utilizada no desenvolvimento Android, que diferente do pixel, vai apresentar o mesmo resultado em diferentes resoluções).
Sombra:
A Sombra é uma das maneiras mais rápidas de identificarmos onde um objeto se localiza num espaço 3D, ou seja, a distância relativa entre eles. A sombra também nos ajuda a identificar movimento, que como estamos em um ambiente 3D pode ser relacionada a altura do material.
Movimentos:
No Material Design movimentos nos trazem um senso de objetivo. Objetos podem ser movidos livremente, e especialmente em relação a altura como mencionado acima. Essa altura é bastante utilizada como uma dica visual para indicar o local de interação do usuário. Isso é implementado usando “Dynamic Elevation Offset“, que é a posição de destino do objeto relativo a posição de repouso dele mesmo.
Por exemplo todos os componentes que sobem num clique, tem a mesma mudança de elevação relativos aos suas posições de repouso. O objetivo é que todos os movimentos do mesmo tipo possam ser agrupados, gerando consistência.
Animações:
O Google identificou que mudanças abruptas de velocidade ou direção são brutas e causam distrações indesejadas. Com isso muitas das animações contam com um processo de aceleração, e para se tornar mais próxima ao mundo real se faz uso de aceleração assimétrica.
Aceleração assimétrica pode indicar o ‘peso’ de um objeto. Objetos menores ou mais leves podem se movimentar mais rápido porque eles precisam de menos “força”, e objetos mais pesados podem demorar um pouco para acelerar porque precisam de mais “forca”.
A transição entre dois estados visuais deve ser clara, suave e de pouco esforço. Uma transição bem feita indica ao usuário onde ele deve focar a sua atenção. O Google chama isso de “Visual Continuity”, tem as seguintes diretrizes para ser consideradas:
Onde o usuário deve focar, quais elementos e movimentos apoiam esse objetivo.
Transições devem estar conectadas visualmente, através de elementos persistentes e cor.
Usar os movimentos com precisão, isso traz clareza e suavidade pra transição.
Quando fazendo uma transição o Material Design considera a ordem o timing dos elementos, isso transmite qual conteúdo é mais importante, criando um caminho para o olho do usuário seguir, o Google chama isso de ” Hierarchical Timing” e deve ser sempre usado para direcionar a atenção do usuário e não deixar todas as transações ocorrerem ao mesmo tempo sem indicativos do que é mais importante.
Quando as transações de elementos são coordenadas, isso cria uma facilidade para o usuário entender o aplicativo, os destinos dos elementos na transação devem fazer sentido e ser o mais ordenados possível, isso é chamado de “Consistent Choreography”. Para obter esse resultado é indicado evitar movimentos conflitosos ou caminhos sobrepostos, a altura em que os objetos de movimentam e porquê fazem isso e indicam até visualizar se o traçando o caminho de todos os objetos movimentados obtemos uma imagem limpa e organizada.
Material Design imita a realidade, traz um sistema de design simples para um ambiente digital 3D com parâmetros e diretrizes bem definidos. Intuitivamente transmite como uma interface deveria funcionar se fosse feita de papel digital. Essa intuição auxilia no rápido entendimento e reconhecimento da interface, com o menor esforço do usuário.
Para saber mais sobre o Material Design e começar a utilizado segue o site oficial, que conta com uma vasta documentação e representações visuais para melhor entender alguns destes conceitos: https://material.io/
Também interessante ver dos próprios criadores alguns comentários da criação e desenvolvimento, segue vídeo de apresentação do Google sobre o tema: https://www.youtube.com/watch?v=rrT6v5sOwJg
