Marketing digital essencial para Profissionais de Informática

Por Marcos Leonardo em 06/02/2019 no site Profissionais TI.

Ideal Marketing

Antigamente, podemos aqui citar um #10YearsChallenge, por volta de 2008/2009, a maneira mais simples de profissionais de informática que trabalham de forma autônoma conseguirem novos clientes, era através de tradicionais sites de classificados, ou até mesmo comprando um anúncio anual nas famosas páginas amarelas.

Felizmente muita coisa evoluiu desde então, e com algum conhecimento relativamente básico, alguém com um pouco de investimento financeiro, estudo e naturalmente com muita competência, é capaz de construir muito mais rápido a sua carteira de clientes, muito diferente de outros tempos, onde as vezes poderiam levar anos até ter um número razoável de clientes.

Aqui não importa muito se você trabalha com manutenção de computadores, notebooks, cabeamento estruturado ou outra carreira de TI, tudo que será ensinado pode ser aplicado para atrair o seu cliente ideal utilizando ferramentas e habilidades do marketing digital, vamos lá?

Ferramentas essenciais para conseguir novos clientes

Começaremos com o básico, como profissional de informática você já tem naturalmente uma facilidade maior de lidar com novas ferramentas online, com um pouco de teoria e uma boa prática, rapidamente você domina.

Temos hoje, dentro de todo universo do marketing digital, as seguintes ferramentas essenciais que você precisa conhecer:

WordPress

Ter um site minimamente apresentável é o básico para conseguir novos clientes e o WordPress é a ferramenta ideal para isso. O melhor é que não é necessário ser um Web Designer para essa tarefa, por isso você precisa aprender a utilizar os seus recursos.

O WordPress é o CMS (Content Management System) mais utilizado no mundo, extremamente customizável, fácil de usar e otimizado para SEO, falaremos sobre isso mais abaixo.

Não é o intuído desse artigo te ensinar a fazer um site no WordPress, para isso você pode contar com a base de dados totalmente em português e uma centena de vídeos no Youtube.

Com o site no ar, tenha uma página dedicada aos seus serviços, onde você deve descrever exatamente o que faz, colocar ou não uma faixa de preço e principalmente as suas formas de contato. O WhatsApp tem funcionado muito bem como uma ferramenta inicial de contato, as pessoas parecem que preferem no início digitar o seu problema a ter de ligar para vários profissionais diferentes.

Uma espiada nos seus concorrentes diretos, ou de outras cidades, pode servir muito bem de inspiração para criar o conteúdo da sua página.

Com a sua página de serviços montada, agora é necessário que os clientes que precisam de você, encontrem a sua página, aqui entra o Google Ads.

Google Ads

O Google Ads, anteriormente conhecido como o Google Adwords, é uma plataforma do Google onde você consegue comprar palavras-chaves.

Quando o seu potencial cliente digita por exemplo “manutenção de notebooks” no Google, e você está comprando essa busca e outros termos relacionados, o seu site vai aparecer entre os links patrocinados e você paga um determinado valor a cada clique. Acredite, funciona extremamente bem, não atoa o Google é uma das empresas mais valiosas do mundo.

Para configurar a sua primeira campanha, o Google Ads dispõe do 0800 724 8154, onde um assistente do Google vai te ajudar em todo o processo. Mas eu recomendo fortemente que você aprenda a ferramenta, assim como no WordPress existe uma base de dados enorme, totalmente em português do próprio Google.

Aliás o Google oferece uma certificação em Google Ads, se você dominar totalmente a ferramenta vai conseguir otimizar as suas campanhas, pagar menos por cada clique e aparecer para mais clientes. Como um profissional certificado você pode inclusive começar a oferecer esse serviço para os seus próprios clientes.

Indo além do essencial

Com um site feito em WordPress e uma boa campanha no Google, conseguir novos clientes será uma consequência inevitável, mas se após esse período você quiser ir além, existem outras ferramentas e habilidades excelentes que você pode aprender:

Facebook Ads

O Facebook Ads é a ferramenta de anúncios do Facebook, a maior rede social do mundo. Ao contrário do Google Ads, aqui você não compra palavras-chaves.

No Facebook Ads é possível configurar campanhas para rodar na sua cidade ou onde você determinar, sendo exibido por um custo relativamente baixo para milhares de potenciais clientes. Excelente para aumentar a percepção da sua marca, mesmo que você seja um profissional autônomo, consequentemente atraindo ainda mais clientes.

SEO

SEO é a sigla para Search Engine Optimization, em bom português é traduzido para Otimização para Mecanismos de Buscas, onde o Google domina o mercado.  

Lembra que no Google Ads nós comprados as palavras-chaves que precisamos? Através de um bom trabalho de SEO você aparece organicamente para essas pesquisas e a procura pelo seu trabalho pode aumentar de forma incrível.

Somado como um bom trabalho de marketing de conteúdo, você pode ainda se tornar referência no seu nicho de atuação e atingir um patamar que talvez nunca tenha imaginado.

Vale reforçar, mais uma vez, que o intuído desse artigo não era te ensinar a usar as ferramentas ou uma estratégia completa de SEO e marketing de conteúdo, mas sim apresenta-las a você, afinal é incrível o número de pessoas que não as utilizam a favor de conseguir novos clientes.

Tudo que foi citado possui uma enorme documentação em português e muitos vídeos de apoio, se você quer aprender basta ler e colocar em prática. Existe uma certa curva de aprendizado, mas valerá muito a pena

5 livros de TI que todo profissional da área deveria ler

Por Eduardo Harada em 04/02/2019 no site Profissionais TI

Quem já chegou a um determinado patamar de sucesso sabe o quanto os estudos contribuíram para isso. Buscar conhecimento constantemente é essencial para qualquer carreira bem-sucedida. E isso também inclui aquelas relacionadas a área de TI.

Em se tratando da busca pelo conhecimento, uma das fontes mais subestimadas é a leitura de livros. Hoje, com tantos avanços tecnológicos, há aqueles que preferem se apoiar em tendências como aulas online, cursos à distância e outras modernidades. Já os mais saudosistas continuam a dar mais atenção a um mestre que detém o conhecimento (geralmente de livros) e passa para os seus pupilos.

Tendo tudo isso em mente, quero resgatar aqui, neste artigo, a necessidade de encararmos os livros como uma excelente fonte de informação. Para isso, vou trazer, a seguir, uma lista com os livros que eu considero ser essenciais para todo profissional de TI. Essa seleção possui alguns títulos técnicos, mas dá preferência para aqueles que são mais amplos e podem beneficiar profissionais de diversas áreas de atuação tecnológica.

1. Um Bate-papo Sobre T.I. – Ernesto Haberkon

Um dos maiores desafios de quem está iniciando em uma carreira de TI é a adaptação à nova linguagem técnica usada na área. No início, é normal encontrarmos diversos termos e nomes que são uma completa novidade para qualquer um que ainda não detenha o conhecimento necessário para interpretá-los. Foi pensando nisso que o professor Ernesto Haberkon escreveu o título “Um Bate-papo sobre T.I.“.

Apesar de ser dos maiores especialistas em ERP (Enterprise Resource Planning) no Brasil, Haberkon escreveu essa obra para ser a mais ampla possível. Além disso, ele realmente tomou o cuidado para que o livro fosse acessível para os novatos da área. O seu objetivo era responder aquelas perguntas que todos querem saber, mas não têm coragem de perguntar. Uma ótima leitura para quem está iniciando na área de TI!

2. Engenharia de Software: Uma Abordagem Profissional – Roger S. Pressman

Roger Pressman é uma lenda viva quando o assunto é Engenharia de Software. Disciplina presente em praticamente qualquer curso de graduação ligado à área tecnológica, essa matéria definitivamente faz parte da vida de um profissional de TI, não importa qual seja o seu ramo de atuação.

É por isso que a obra “Engenharia de Software: Uma Abordagem Profissional” é a nossa segunda recomendação de leitura. Esse é um verdadeiro best-seller do segmento e pode ajudar a esclarecer diversos conceitos (básicos e avançados) sobre temas como a criação de softwares, gestão, linguagens de programação e muitos outros.

3. O Poder dos Quietos – Susan Cain

Longe de ser um livro técnico, “O Poder dos Quietos” é uma obra que pode ser muito importante para os profissionais de TI. Entusiasta do comportamento humano, Susan Cain se incomodava muito com a forma como a sociedade tratava os introvertidos – característica bem presente entre os que trabalham na área tecnológica. A maioria das pessoas acredita que os extrovertidos são aqueles que serão bem-sucedidos, enquanto os tímidos não terão sucesso.

Neste livro, lançado em 2010, a autora mostra que esse é um conceito errado e que não reflete a realidade. Depois de encará-lo, o leitor introvertido definitivamente vai começar a encarar a si próprio de maneira diferente e estará munido de técnicas incríveis de marketing pessoal e novas capacidades de superar os desafios da introspecção.

4. O Verdadeiro Valor de TI – Richard Hunter e George Westerman

Baseado em um estudo realizado pelo Massachusetts Institute of Technology (MIT) e pelo instituto Gartner, o livro “O Verdadeiro Valor de TI” é uma obra que possui a difícil missão de transformar a percepção da diretoria em relação à TI. Escrito por Richard Hunter e George Westerman, essa obra é essencial para aqueles que ainda têm dificuldade de entender como a tecnologia é, hoje, parte integrante de qualquer companhia.

Uma boa gestão de TI consegue gerar um grande valor para qualquer negócio. Os autores mostram isso através de vários exemplos e comprovam, na prática, que os profissionais de TI devem ser muito bem valorizados. Hoje não existe empresas que não possuam um departamento de tecnologia. Ele pode ser pequeno (e composto unicamente pelo dono da companhia), mas ele precisa existir e deve ser bem gerenciado para ser útil para o negócio.

5. Os 11 Segredos de Líderes de TI Altamente Influentes (“The 11 Secrets of Highly Influential IT Leaders”) – Marc J. Schiller

O último livro da lista é uma obra em inglês e que ainda não foi traduzida para o português. Além de ressaltar a importância de possuir a habilidade de ler nesse idioma, essa obra ainda traz aqueles que são considerados os 11 segredos dos maiores e mais influentes líderes de TI da atualidade. Quem não gostaria de ser diretamente orientado por essas pessoas? Esse livro dá exatamente essa oportunidade!

É por conta disso que o livro “Os 11 Segredos de Líderes de TI Altamente Influentes” é considerado por muitos como um mapa do sucesso para qualquer profissional de TI. A obra ajuda a trazer conceitos importantes que auxiliarão na busca pelos objetivos profissionais e novos níveis dentro da carreira. Marc J. Schiller traz exemplos reais de transformações individuais e mostra como esses processos foram impactados pelos segredos compartilhados pelo livro.

Dica final: leia muito!

Além de recomendar que você leia os livros mencionados acima, gostaria de deixar uma última recomendação: leia muitos livros! A leitura, como mencionei no primeiro parágrafo, é a base de sucesso de muitos profissionais. É ingenuidade acreditar que você vai alçar voos altos sem contar com a ajuda de obras que foram escritas exatamente para te ajudar e encurtar o caminho até o seu objetivo final.

Busque também leituras em línguas estrangeiras, especialmente o inglês. Diversas obras importantes ainda não foram traduzidas e você estará se privando de um conhecimento ímpar se não for atrás delas. E lembre-se: não fique restrito às áreas técnicas. Livros sobre comportamento, desenvolvimento pessoal e biografias podem ser grandes aliados seus nessa jornada na área de TI.

Então, uma boa leitura para você!

Desenvolvimento Seguro de Software se tornará em breve pauta n° 1 no mercado de TI

Alcyon Junior em 03/09/2018 no site Profissionais TI

Em 2017 ocorreram diversas ações de grupos de hackers que impactaram o cenário das grandes empresas diretamente. O melhor exemplo disso foi o famoso Ransomware Wannacry, que atingiu mais de 230.000 sistemas corporativos deixando o negócio dessas empresas totalmente paralisados.

Os dados são um dos ativos mais valiosos que uma empresa tem a sua disposição, abrangendo desde transações financeiras até detalhes importantes de clientes e clientes em potencial.

Com a LGDP – Lei de Proteção de Dados Pessoais – prestes a entrar em vigor no Brasil, é vital para as empresas começarem a reavaliar seus sistemas “pra ontem”. As empresas precisam planejar como minimizar os riscos, manter os dados seguros e implementar os processos de Desenvolvimento Seguro de Software caso precisem lidar com qualquer uma das ameaças à segurança de dados.

Observando esse cenário, as empresas estão cada vez mais contratando profissionais que tenham conhecimento em segurança da informação. Esse perfil não é exatamente a de um profissional de segurança da informação efetivo, mas sim a de um profissional de TI especialista em segurança da informação dentro da sua área.

Dentre as diversas áreas da tecnologia da informação, a área que está com a maior lacuna é a de profissionais de desenvolvimento com especialidade em desenvolvimento seguro de software. Essa lacuna, está fazendo com que esta temática eleve seu grau de importância cada vez mais e, até o final de 2019, será o profissional mais requisitado do mercado.

Agora que você entendeu que esse é um tópico de fundamental importância com muitos aspectos a serem considerados, inicialmente pode ser confuso saber por onde começar, então, aqui vão 4 dicas vitais para você que deseja ser um profissional qualificado na área de desenvolvimento seguro de software.

1. Analise o código-fonte linha a linha – Testes Unitários

A próxima metodologia de que falaremos é o teste unitário. Dependendo da sua experiência, você pode ou não ter ouvido algo sobre testes de unidade, desenvolvimento orientado a testes ou algum outro tipo de metodologia de teste. Normalmente, essas metodologias são aplicadas no contexto de grandes sistemas de software e, às vezes, no contexto de sites simples.

Na programação de computadores, o teste de unidade é um processo de desenvolvimento de software no qual a menor parte testável de um código-fonte, denominada unidade, é testada individualmente e de forma independente para examinar se estão funcionando conforme o esperado. Isso ajuda você a identificar falhas nos algoritmos e / ou lógica antes que o código seja liberado.

Um dos benefícios que você adquire ao criar testes de unidade é que sua equipe estará motivada a escrever código testável. Como o teste de unidade requer a estrutura apropriada do seu código, isso significa que o código deve ser dividido em funções menores e mais focadas. Cada um dos quais é responsável por uma única operação em um conjunto de dados, em vez de em grandes funções que executam várias operações diferentes.

2. Integração contínua

A Integração Contínua (CI) é uma prática de desenvolvimento que exige que os desenvolvedores integrem o código em um repositório compartilhado várias vezes ao dia (SVN, Subversion ou Git). Cada check-in é verificado pelos testes automatizados. Embora os testes automatizados não sejam estritamente parte do IC, eles geralmente são previstos. Essa abordagem permite que os desenvolvedores detectem problemas mais cedo e, como resultado, os resolvam mais rapidamente.

Esta é uma prática valiosa por si só. Você deve se concentrar em configurar um processo simples de Integração Contínua o mais cedo possível. Existem muitas ferramentas que podem ajudá-lo a configurar esse processo e as mais conhecidas são Jenkins , Bamboo e Teamcity . Eles permitem que você automatize sua implantação de software e permita que você se concentre na criação de seu produto.

3. Sessão de demonstração

A reunião de revisão de demonstração geralmente ocorre perto do final do Sprint. O objetivo desta reunião é mostrar os outros membros da equipe, clientes e partes interessadas que os resultados da equipe de trabalho realizaram durante a Sprint.

Pode não ser imediatamente visível por que isso leva a um código melhor, mas o fará. Ao mostrar regularmente o código-fonte, os desenvolvedores precisam mantê-lo próximo ao estado de lançamento. Com reuniões de demonstração regularmente, você terá um processo bem organizado de receber feedbacks. E isso lhe dará uma melhor compreensão do que foi feito corretamente e indicará quando algo foi na direção errada.

Agora, vamos seguir em frente e verificar quais são algumas ferramentas de qualidade de código recomendadas para aperfeiçoar o processo. Você deve realizar avaliações de risco regulares para identificar quaisquer perigos potenciais para os dados da sua organização. Isso deve analisar todas as ameaças que você pode identificar, desde uma violação de dados on-line até ameaças mais físicas, como cortes de energia. Isso permitirá identificar quaisquer pontos fracos no sistema de segurança de dados atual da organização e, a partir daqui você pode formular um plano de como remediar isso e priorizar ações para reduzir o risco de uma violação de dados cara.

4. Revisão de código

A próxima melhor coisa para emparelhar a programação é a revisão de código. Se você não praticar a programação em pares, recomenda-se considerar pelo menos a revisão de código. É um processo leve que deve ser aplicado o mais rápido possível depois que o código é escrito.

Ao longo dos anos trabalhando em diferentes projetos de desenvolvimento de software, acumulamos nossa própria experiência de tornar o bom código melhor. E aqui estão as coisas que recomendamos fazer durante todo o processo para melhorar a qualidade do código:

• Siga o guia de estilo da linguagem de programação;
• Aderir aos princípios do STRIDE no seu design;
• Dê nomes descritivos para métodos e variáveis;
• Use padrões de design;
• Não reinvente a roda ou utilize estruturas de terceiros;
• Use estruturas de dados e algoritmos eficientes;
• Crie testes unitários;
• Documente todos os aspectos do seu projeto;
• Mantenha todos os elementos do seu projeto sob o sistema de controle de versão.

Em conjunto com a metodologia de desenvolvimento seguro e suas práticas de programação diárias, você acabará desenvolvendo de forma mais legível, mais segura e tornando a revisão do código mais simples. Você também vai poupar seu trabalho, sua equipe e seus clientes de muitas dores de cabeça, tempo e, portanto, dinheiro.

Seguindo todas essas dicas você estará mitigando os riscos mais comuns. Caso queira se aprofundar no tema, você pode fazer o curso Gratuito “Desenvolvimento Seguro de Software” CLICANDO AQUI. Com esse curso gratuito você estará totalmente preparado para esse novo nicho de mercado de trabalho.

Os conceitos por trás da Inteligência Artificial e seu impacto nas organizações

Por Gabriel Alencar em 29/01/2018 no site Profissionais TI

Você já deve ter percebido que, com o passar do tempo, a inteligência artificial (AI, na sigla em inglês) está cada vez mais inserida no dia a dia da maioria das organizações. Seja quando você contrata uma empresa que consegue proteger as suas informações críticas de ataques cibernéticos, antecipando ou bloqueando tais ataques por meio da identificação de fluxos de dados anormais, seja quando a Amazon faz sugestões de produtos baseadas nos padrões de busca e de consumo dos clientes, a AI já está presente nos mais diversos mercados,

Para esse avanço ser possível, foi necessário muito esforço e tempo de desenvolvimento da tecnologia para suprir as necessidades de armazenamento de dados. Superada essa barreira, o próximo desafio foi transformar essa grande quantidade de dados em informações poderosas e cruciais para a tomada de decisões estratégicas. E é aí que entra em cena a inteligência artificial: para ajudar na análise de grandes volumes de dados, de forma ágil. Podemos subdividir a evolução da AI em três momentos: no início, só era possível executar tarefas específicas; em seguida, foi possível reproduzir em alguma medida capacidades e comportamentos de um humano; e, agora, ela sinaliza a possibilidade de superar até os cérebros humanos mais brilhantes.

Um relatório publicado pela PwC dá a noção do impacto que a AI pode causar em todo mundo: segundo estimativas, essa tecnologia poderá adicionar US$ 15,7 trilhões à economia mundial em 2030. Em termos comparativos, esse valor representa mais do que os PIBs de Índia e China somados em 2016. O relatório diz ainda que grande parte do aumento do PIB global será causado pela AI, o que promoverá o aumento da gama de produtos, permitirá uma maior personalização de serviços e os tornará mais acessíveis (economicamente). 

Entender como a AI funciona pode parecer um pouco complexo. No entanto, os conceitos-chave apresentados a seguir podem ajudar no seu entendimento e aplicação nas organizações.

Quais conceitos-chave você precisa entender?

Existem diversos termos ligados a tecnologias cognitivas que estão em voga hoje, como inteligência artificial (AI), aprendizado de máquina (Machine Learning, ou ML, no original) e aprendizado profundo (Deep Learning, ou DL). Para entender melhor como todos estes termos estão conectados, vamos começar pelo mais genérico e avançar até o mais específico.

O conceito de inteligência artificial vem sofrendo algumas modificações à medida que o desenvolvimento desta tecnologia avança. Entretanto, podemos resumi-lo como uma tecnologia que possui inteligência. É isso que torna a AI um dos termos mais abrangentes no contexto das tecnologias cognitivas.

Dentro do campo da inteligência artificial, temos uma subárea chamada aprendizado de máquina (ML). Sua aplicação vem substituindo a programação tradicional para determinados usos, tendo em vista que ela consegue criar programas baseados em dados em vez de regras limitadas. Ou seja, uma máquina que consegue aprender sem o uso de um código específico. Isso permite a uma máquina a capacidade de se auto modificar e melhorar o próprio desempenho sem intervenção humana.

Avançando um pouco mais, temos o chamado aprendizado profundo, que é uma subárea do ML e funciona através das chamadas redes neurais, exatamente pela semelhança com a complexidade das conexões entre neurônios nos nossos cérebros. O DL é uma nova possibilidade para superar os problemas enfrentados por algoritmos mais antigos de aprendizagem, tais como inferência bayesiana e regressão. Enquanto os algoritmos anteriores tendiam a alcançar um limite de desempenho com o aumento de dados aos quais eles eram expostos, os algoritmos de deep learning só melhoram os seus resultados.

Agora vamos conhecer como algumas empresas estão se diferenciando pelo uso da tecnologia de deep learning e modificando diversos paradigmas. Transcrições de fala, traduções em tempo real, reconhecimento facial, máquinas vencendo jogadores profissionais, veículos autônomos ou, até mesmo, o caso de um engenheiro norte-americano que usou uma rede neural para prever e escrever o “sexto livro” de “Game of Thrones”. Estas são algumas das aplicações e onde a “magia” acontece.

Deep learning para previsões meteorológicas

A The Weather Company (TWC), da IBM, está usando uma técnica que permite treinar sistemas para o reconhecimento de eventos meteorológicos incomuns com base na análise das alterações nos padrões de dados climáticos. A TWC vende serviços de previsão meteorológica específicos para cada ramo de negócio, ajudando seus clientes a prevenir danos e se preparar para eventos climáticos extremos.

No setor de energia, por exemplo, esses serviços podem otimizar a geração de energia renovável através da análise de dados históricos, o que permite saber onde é mais interessante instalar as estruturas necessárias e quando gerará maior rentabilidade. Já no setor de seguros, os serviços permitem estreitar o relacionamento com os clientes, evitando perdas financeiras e diminuindo o número de sinistros relacionados a eventos meteorológicos. Na aviação, as operações e a segurança de tráfego aéreo podem ser melhoradas com o acesso a informações disponibilizadas em tempo real para os pilotos.

Prevendo e antecipando ataques cibernéticos com deep learning

Com os hackers tentando invadir até mesmo os sistemas mais complexos, a empresa Deep Instinct conseguiu desenvolver um algoritmo poderoso de DL para cibersegurança que pode prever quando e de onde virá o próximo ataque.

O diferencial é que eles não só conseguem prever o ataque. Uma vez que o ataque é identificado, ele é bloqueado em tempo real, prevenindo qualquer tipo de dano ou vazamento de informações. O serviço tem como objetivo principal a prevenção, enquanto outras empresas normalmente focam no momento após o ataque e visam apenas minimizar os danos causados.

O que esperar da AI para o futuro das organizações?

Cena do filme “Ex-Machina”: a realidade começa a imitar a ficção com a AI cada vez mais perto do dia a dia das empresas

De acordo com Gartner, até o ano de 2020, pelo menos 30% dos CIOs irão incluir a AI dentre os cinco principais investimentos da área de TI. Isso demonstra que as iniciativas para tornar as tomadas de decisão embasadas em análises de dados estão valorizadas dentro das empresas. Ainda segundo Gartner, 59% das organizações pesquisadas já estão reunindo as informações necessárias para construir uma iniciativa estratégica de Inteligência Artificial.

Tendo em vista o valor representado pelas novas tecnologias, é de suma importância entendermos como a AI pode ajudar as organizações nas missões futuras. Enquanto algumas empresas insistem em utilizar modelos obsoletos, outras já estão implantando as mais novas ferramentas para obter vantagens competitivas e estar na vanguarda. Em um horizonte não muito distante, a expectativa é de que, aqueles que não se adaptarem nem seguirem as tendências tecnológicas, tenham sua participação de mercado reduzida.

Novas tecnologias que podem ser a nova geração de memórias magnéticas

Por Vitor Vidal em 07/12/2017 no site Profissionais TI

Memórias magnéticas tem um papel de destaque no mundo da tecnologia. Os HDs são o exemplo clássico, ainda em pleno uso e bastante comuns. Dentre as diversas tecnologias de memórias e armazenamento, o uso de um meio magnético sempre foi um conceito importante. Além dos HDs, outras mídias que se baseiam em armazenamento magnético são os Floppy Discs e as fitas K7 e VHS, todos já em desuso.

Neste artigo vamos falar de duas tecnologias que estão sendo pesquisadas que têm potencial para se tornar a base para novos dispositivos de memória magnética. A primeira é a MELRAM – Magnetoeletric RAM, que tem sido estudada por centros de pesquisa como o MIPT – Moscow Institute of Physics and Technology e University of Valenciennes (França). A segunda são as memórias baseadas em Skyrmions magnéticos, uma novidade ainda em processo de amadurecimento, mas que recentemente teve grandes avanços na ASTAR – Singapore’s Agency for Science, Technology and Research  e na NTU – Nanyang Technological University.

Fitas magnéticas e Floppy Discs são bons exemplos de memórias magnéticas. Créditos: Photograph: Robert Jacek Tomczak

As memórias magnéticas 

O princípio de funcionamento das memórias magnéticas é relativamente simples. Consiste em utilizar um meio magnetizável no qual diferentes micro-regiões possam ser polarizadas de forma diferente. Assim, cada bit 0 ou 1 é representado por uma orientação magnética diferente.

O processo de escrita basicamente consiste na polarização dessas regiões de acordo com o padrão de 0s e 1s a serem armazenados. A leitura, grosso modo, é a operação de detectar a orientação magnética de cada setor para determinar cada bit de informação. Em geral, uma cabeça de leitura-escrita é usada para fazer essas operações ao mover-se pela superfície do material magnético.

Diferentes tecnologias e dispositivos variam em como a cabeça de leitura percorre a superfície da mídia e como as regiões são organizadas, mas o princípio é o mesmo.

A grande vantagem das memórias magnéticas é, além de serem não-voláteis, o seu preço, bem menor do que outras tecnologias de armazenamento. A principal desvantagem é a velocidade, bem menor do que memórias RAM, por exemplo.

As memórias MELRAM são um avanço principalmente em relação à redução do consumo de energia a cada operação de leitura/escrita. Potenciais memórias baseadas em Skyrmions também são mais eficientes, e representariam um salto em capacidade e estabilidade. 

Memórias RAM magnetoelétricas 

As memórias MELRAM foram desenvolvidas a partir de uma nova arquitetura baseada em camadas de liga TbCo2  e liga FeCo(Ferro-Cobalto). A nova arquitetura é não volátil e pode reduzir o consumo de energia para operações de leitura/escrita por um fator de 10 mil ou mais. 

Cada célula de memória MELRAM é constituída de um material piezoelétrico(que possui a propriedade de se deformar em resposta a uma tensão elétrica e vice-versa) e uma estrutura de camadas de alta magnetoelasticidade, o que significa que sua magnetização depende da tensão mecânica aplicada a ela. Assim, aplicando-se um sinal elétrico na camada piezoelétrica, gera-se deformações mecânicas que polarizam a camada magnetoelástica.

O que permite a utilização desse conjunto como memória é o fato de sua estrutura ser anisotrópica, ou seja, é organizada de forma diferente dependendo do eixo de referência na sua estrutura. Devido a isso, cada célula pode ser magnetizada ao longo de duas direções, que são os 0s e 1s usados para armazenar informação. (Explicação detalhada). 

Novas tecnologias de memórias magnéticas. As células MELRAM possuem uma camada piezoelétrica deformável que chaveia as camadas de TbCo2 e FeCo para mudar os seus pólos magnéticos, ou seja, mudar entre 0 e1. (Fonte: MIPT)

A principal vantagem em relação a DRAM e RAM, é o fato de ser uma memória não-volátil, não perdendo suas informações ao ser desligada. A principal desvantagem é que a cada processo de leitura, logo após o bit ser lido, o mesmo é perdido, sendo necessário reescrevê-lo logo em seguida.

Apesar de o protótipo ainda não ser adequadamente miniaturizado, os pesquisadores já anteveem aplicações em memórias com consumo ultra-baixo. Ao todo 6 centros de pesquisa e universidades da Rússia e França desenvolveram o protótipo. 

Memórias baseadas em skyrmions magnéticos

No caso das memórias baseadas em Skyrmions, ainda não existe um protótipo de dispositivo de armazenamento. Mas recentemente, pesquisadores de Singapura conseguiram dar o passo que é visto como divisor de águas para o desenvolvimento de dispositivos que usem essa tecnologia.

Os Skyrmions magnéticos foram previstos teoricamente em 1962 pelo físico britânico Tony Hilton Royle Skyrme, e observados experimentalmente em 2009  em temperaturas extremamente baixas. Em 2013 foram descobertos à temperatura ambiente em pilhas de camadas de ligas e metais diferentes. Desde então cresceram as apostas em pesquisas para desenvolver memórias que os utilizem.

É mais simples pensar um Skyrmion em termos de seu funcionamento. Eles se comportam como partículas magnéticas na escala de nanômetros. Possuem a capacidade de se organizar em matrizes ou estruturas determinadas e, mais importante, podem ser criados, deletados e movidos, um por um, por meio de correntes elétricas. Devido à sua topologia, são também chamados de Vórtices magnéticos. 

Array de Skyrmions magnéticos. Fonte: www.eetimes.com(vide referências)

A figura acima mostra uma ilustração do campo de vetores magnéticos  nos Skyrmions. 

O avanço feito pelos pesquisadores da ASTAR e NTU foi desenvolver um filme multicamadas que serve de plataforma para a formação e controle dos Skyrmions magnéticos. Trata-se de uma sequência de Ir, Fe, Co e Pt, ou seja, uma estrutura com quatro camadas, que pode ser repetida mais de uma vez. Essa plataforma permitiu o controle das interações magnéticas que governam as propriedades dos Skyrmions por meio da variação da espessura das camadas constituintes da plataforma.

Como seria o mecanismo exato de leitura e escrita e como fabricar equipamentos que garantam estabilidade magnética são os próximos grandes desafios dos pesquisadores. Embora não seja ainda um protótipo de memória, a tecnologia já começa a tomar forma, e seria uma grande mudança no princípio de funcionamento dos dispositivos de armazenamento magnético.

As referências e divulgação dessas novas tecnologias estão indicadas abaixo e são ótimas fontes de informações e maiores detalhes. Este texto não se trata de um artigo essencialmente técnico, mas busca divulgar essas inovações. Caso você tenha outras referências e sugestões, compartilhe conosco! 

Referências:

• MELRAM 1
• MELRAM 2
• Skyrmions 1
• Skyrmions 2

Aprendizado de Máquina: conceitos e práticas da área que está movendo o mundo

Cícero Moura em 07/12/2017 no site Profissionais TI

O termo Inteligência Artificial (IA) não é novo, a primeira abordagem foi feita por pesquisadores em uma conferência de Dartmouth, no ano de 1956. Desde então, muitas expectativas envolveram o assunto, abordada como a tecnologia do futuro, ficção científica ou realidade atual. Depende do ponto de vista, pois atualmente a Inteligência Artificial tem se tornando realidade, apesar de que ainda é um campo de estudo a ser muito explorado.

Porém, quando falamos de IA, o termo mais conhecido e abordado na atualidade é o de Aprendizado de Máquina, ou Machine Learning no inglês. A área de Aprendizado de Máquina também não é nova, e já vem sendo praticada há um bom tempo. Saiba mais: A Hekima apresenta tudo o que você precisa saber sobre Machine Learning Patrocinado 

Então o que faz o assunto ganhar tanto destaque na atualidade? A quantidade de dados disponíveis!

Tudo bem que o aumento da velocidade do processamento dos computadores, o barateamento das tecnologias e a evolução das GPUs influenciam. Mas nunca na história da humanidade se produziu tantos dados como atualmente. Um artigo da Scientific American revela que em 2016 a humanidade produziu mais dados do que em toda a sua história, são cerca de 2,5 Exabytes de dados produzidos por dia. E é essa quantidade de dados disponíveis é que alimenta e fortifica o Aprendizado de Máquina.

Mas a máquina consegue aprender?

Aprendizado de Máquina é um método de análise de dados que automatiza o desenvolvimento de modelos analíticos. É possível utilizar algoritmos para coletar dados e aprender com os dados, levando em consideração todo o histórico para então fazer uma determinação ou predição sobre alguma coisa ou situação do mundo real. O que acontece é que o computador aprende através de técnicas que utilizam algoritmos computacionais. Os algoritmos trabalham com certa base de dados, então conseguem aprender através de treinamento e prever situações com a experiência adquirida com aqueles dados. O mais interessante é que os algoritmos começam a trabalhar de certa forma autônoma, retornando resultados para que nem foram programados, ou seja, começam a ter insights sobre algo específico.

Atualmente não é difícil encontrar históricos da utilização do Aprendizado de Máquina na vida real. Exemplos de que realmente a máquina aprende com dados e treinamento. Posso citar os carros autônomos do Google, que dirigem sozinhos (não começaram a dirigir do nada, eles aprenderam a dirigir sem a intervenção humana), as ofertas e recomendações online da Netflix, Facebook, Amazon e outras redes sociais e lojas virtuais, detecção de fraudes automáticas em cartões de créditos e contas bancárias, e até uma rede neural que é capaz de sonhar. Sim, esse último exemplo é uma rede neural do Google, que foi ensinada a reconhecer imagens e, enquanto aprende, os responsáveis do projeto dizem que a IA consegue produzir novas imagens.

Métodos para o Aprendizado de Máquina

A pergunta que pode ter ficado no ar é, como fazer a máquina aprender? Anteriormente foi mencionado que o combustível para a máquina aprender são os dados, porém, existem métodos de aprendizagens que são utilizados para realizar o Aprendizado de Máquina. Basicamente, existem quatro métodos: aprendizado supervisionado, aprendizado não supervisionado, aprendizado semi supervisionado e aprendizado por reforço. Porém, dois são os mais utilizados, o aprendizado supervisionado e o aprendizado não supervisionado, que são descritos logo abaixo:

• Aprendizado supervisionado: neste método de aprendizado, a máquina é treinada através de um conjunto de dados onde para cada entrada a saída é conhecida. Os dados para este tipo de método devem possuir rótulos. Podemos comparar a um aprendizado acompanhado, onde o professor supervisiona todo o processo de aprendizado, dizendo o que é certo, o que é errado e aonde se quer chegar. O desafio fica para quando se quer prever futuras situações. Com uma entrada de dados, quais serão os resultados previstos para aquela situação. Neste caso o algoritmo deve se ajustar para chegar aos resultados corretos e com o máximo de acerto. Para isso o aprendizado pode ser constante, aumentando assim a experiência com aquele problema. Um bom exemplo para esse caso é conseguir prever se uma transação do cartão de crédito de certa pessoa é falsa ou não.
• Aprendizado não supervisionado: neste método de aprendizagem, ao contrário do anterior, os dados não possuem rótulo, ou seja, a saída correta não é informada. Podemos comparar a um aprendizado autodidata, onde o aluno tem que descobrir o caminho e alcançar os resultados. Neste caso, o algoritmo deve descobrir a base de dados e o que está sendo mostrado, explorando os dados e buscando encontrar alguma estrutura neles. Dependendo da técnica utilizada, o algoritmo vai encontrar agrupamentos entre esses dados, aproximando os dados que tem alguma semelhança entre si. Um exemplo pode ser a classificação de pessoas que tenham a tendência de adquirir diabetes, analisando a sua alimentação e rotina, porém não é informado quais pessoas realmente tem ou não diabetes. Neste caso o algoritmo tem que agrupar e contextualizar esses dados para chegar a predição correta dos casos.

Processo de aprendizado

Como o ser humano, a máquina precisa passar por alguns processos para que ela possa aprender. Como discutido anteriormente, os dados são essenciais, então o primeiro passo é escolher quais dados serão trabalhados e disponibilizados para o processo do Aprendizado de Máquina.

Porém, nem todo conjunto de dados, seja ele adquirido em bases de dados abertas, coletados em tempo real ou de um banco de dados, estará de forma estruturada e pronta para ser passados para a máquina aprender. Como nós, que precisamos de um material para estudo de qualidade para podermos aprender, a máquina precisa de um conjunto de dados razoável para também poder aprender. Como citado, muitas das vezes os dados estão completamente desestruturados e fora de um padrão e para isso é necessário a realização da técnica de Data Cleaning.

Data Cleaning, ou Limpeza de Dados, é uma técnica utilizada para trabalhar com os dados. Nesse processo é realizada a normalização, a estruturação, padronização e contextualização dos dados. Pode ser que nem todas as bases de dados precisem passar por esse processo, porém, é bom validar dependendo do problema e qual o resultado desejado.

Após ter um conjunto de dados estruturados, o próximo passo neste processo de aprendizado é a aplicação de um método de aprendizagem juntamente com uma técnica de Aprendizado de Máquina. As técnicas de Aprendizado de Máquina utilizam algoritmos, que por sua vez faz o trabalho computacional e todo o processamento dos dados.

Logo abaixo serão descritos algumas técnicas de Aprendizado de Máquina.

• Redes Neurais: são baseadas em como o cérebro humano funciona. Existem diferentes tipos de Redes Neurais, mas basicamente elas consistem em um conjunto de nós (ou neurônios) dispostos em várias camadas com interconexões ponderadas entre eles. Cada neurônio combina um conjunto de valores de entrada para produzir um valor de saída, que por sua vez é passado para outros neurônios nas camadas seguintes.
• Árvore de Decisão: essa técnica utiliza algoritmos do formato de árvore. Cada árvore possui nó, ramos, folhas e ligações entre eles. Um ramo é um conjunto de nó que testa cada atributo da classificação e cada ramo corresponde ao valor do atributo. E as folhas atribui uma classificação para os ramos. A classificação é o resultado final que se quer chegar ou prever com o algoritmo.
• Regressão: é a técnica utilizada quando se quer prever valores de algo futuro, baseado em comportamento de variáveis passadas. Um exemplo seria prever o valor de mercado de um imóvel utilizando um algoritmo de regressão linear.

Depois da aplicação da técnica de aprendizado e do treinamento do algoritmo, devemos confirmar o seu desempenho para prever os casos. Nesse momento é a hora da aplicação da prova. Existe algumas métricas que podem ser utilizadas para assim ter uma medida que fale a quantidade de acertos, erros ou o desempenho da técnica utilizada. Algumas métricas interessantes serão descritas logo abaixo:

• Acurácia: essa métrica é a mais básica para medir o aprendizado, leva em consideração a proporção de predições corretas, sem levar em consideração a quantidade de erros.
• Sensibilidade: é a proporção de verdadeiros positivos, ou seja, a capacidade do algoritmo em prever casos corretamente para os casos que são realmente verdadeiros.
• Especificidade: A proporção de verdadeiros negativos: a capacidade do algoritmo em predizer situações erradas que realmente são falsas.
• Eficiência: é a média aritmética da sensibilidade e especificidade. Indica se o algoritmo está mais suscetível a ter verdadeiros positivos ou verdadeiros negativos.

O que podemos concluir

Durante este artigo foram apresentados alguns conceitos introdutórios ao mundo do Aprendizado de Máquina. É um começo para se aprender sobre essa área que está movendo o mundo e influenciado no nosso dia a dia. A área de IA já é uma realidade e está presente nas nossas atividades, seja no trabalho, estudo ou no lazer.

Uma coisa é certa: a organização ou profissional que investir em Inteligência Artificial tem a grande chance de sair à frente competitivamente dos demais em uma das áreas que mais cresce e evolui na atualidade.