O documento apresenta casos de aplicação de machine learning em diferentes indústrias, incluindo recomendação, previsão de churn, previsão de vendas, precificação, detecção de fraude e melhoria de sistemas de busca. O autor é um cientista de dados e consultor que oferece serviços de desenvolvimento de modelos e treinamento de equipes.

1. Mario Filho – Udacity – 12/01/2017
http://www.mariofilho.com

2. Quem sou
 Cientista de Dados
 Consultor de Machine Learning para
empresas do Brasil e Exterior
 Foco:
 Desenvolvimento de modelos
 Treinamento de equipe
http://www.mariofilho.com

3. Conteúdo
 Casos baseados em minhas experiências
com clientes e competições
 Visão superficial dos casos: estimular a
criatividade, mostrar possibilidades
 Apresentação curta, perguntas são mais
importantes.
http://www.mariofilho.com

4. Casos apresentados
 Recomendação
 Churn Prediction
 Previsão de vendas
 Precificação (Caterpillar)
 Detecção de usuários ilegais (Facebook)
 Melhora do sistema de busca (Home Depot)
 Detecção de falhas em rede de
telecomunicações (Telstra)
http://www.mariofilho.com

5. Recomendação
 Quais produtos devo recomendar a este cliente?
 Recomendação por popularidade vs
personalização
 Aplicação bastante popular
 Pode ser aplicado a basicamente qualquer
produto (com algumas alterações)
 Competição da Netflix
 Objetivo: aumentar as vendas
http://www.mariofilho.com

6. Churn Prediction
 Qual a probabilidade deste cliente cancelar a
assinatura, não consumir mais, nos próximos N
meses?
 Melhor uso dos recursos de marketing/publicidade
 Manter clientes normalmente custa menos que
conseguir novos clientes.
 Objetivo: promover ações de retenção para os
clientes com maior probabilidade de deixar a
empresa.
http://www.mariofilho.com

7. Previsão de Vendas
 Quantas unidades de produtos sua
empresa venderá na próxima semana?
 Empresas de todos os tamanhos
 Segmentação por região
 Segmentação por produto
 Objetivo: alocar melhor os recursos de
produção, melhor controle de estoque
http://www.mariofilho.com

8. Precificação
 Qual será o preço de uma peça/produto no
futuro?
 Caterpillar Tube Pricing
 Dados sobre as características físicas e
propriedades comerciais dos tubos
 Prever o preço de tubos necessários para a
fabricação de máquinas
 Com uma estimativa do preço, é possível ter
uma ideia do preço final da máquina
http://www.mariofilho.com

9. Detecção de Usuários
Ilegais
 Este usuário é legítimo?
 Facebook Recruiting IV: Human or Robot?
 Dados sobre o comportamento do usuário
 Bastante relevante para redes sociais
 Pode ser aplicado para detectar outros
usuários indesejados: fraudadores, maus
vendedores e compradores, perfis falsos.
http://www.mariofilho.com

10. Melhora do Sistema de
Busca
 Quais são os produtos mais relevantes
para uma determinada frase de busca?
 Home Depot Product Search Relevance
 Banco de dados com uma pontuação de
relevância dada por humanos para pares
de produtos e termos de busca
 Maior facilidade para o cliente encontrar o
que deseja
http://www.mariofilho.com

11. Detecção de Falhas em Redes
de Telecomunicação
 Quão severa é uma falha na rede?
 Telstra Network Disruptions
 Dados sobre alertas e localização de pontos
da rede da empresa
 Minha impressão: sabendo a gravidade do
problema antecipadamente é possível enviar a
equipe com capacitação correta para o local.
Economiza custos com envios errados.
http://www.mariofilho.com

12. Conclusão
 Casos mais populares e gerais. Muitas
aplicações em casos mais específicos.
 Tem uma tarefa que talvez possa ser resolvida
com Machine Learning? Consulte um cientista
de dados!
 http://www.mariofilho.com
Obrigado pela atenção!