Muitas vezes, nós da área de dados nos vemos seduzidos pela ideia de inovar ou tornar nossa plataforma de análise mais complexa, e muito disso passa pelos algoritmos. A forma como eles são arquitetados e inseridos no projeto é fundamental para a obtenção dos resultados. A ideia de aprofundar algoritmos padronizados acaba por ser mais atraente, ao invés da execução simples para a obtenção dos resultados.
Por mais que o investimento de tempo e força de trabalho nisso possa parecer um capricho artístico do time de dados, é algo que traz sim resultados positivos ao projeto. Isso se explica pelo fato que de a partir de um conhecimento maior da técnica ou do algoritmo que essas tentativas podem trazer, o time de dados passa a ter mais confiança para operá-los. É sair do completo escuro de apenas aplicar algo já pronto para ter noção de onde e o que fazer em casos que possam surgir.
Óbvio que existem algumas dicas e anotações que devem ser feitas antes de mergulhar de cabeça nessa tarefa de aprimorar o que já foi feito.
Primeiro, é fundamental entender a ideia geral do algorítmo e o que ele trará de resultados. Por exemplo, em um ALS (Alternating-Least-Squares) o algoritmo é utilizado para recomendações.
Depois, você põe uma lupa para buscar a natureza e a origem do algoritmo. Assim, você descobrirá que, no nosso exemplo, o ALS surge com base na fatoração de matrizes.
A palavra matriz te assombra e age como um gatilho para o terror do ensino médio? Não se preocupe! Você perceberá que é mais simples do que parece. Aprender no que baseia seu algoritmo é fundamental para que aprimoramentos no projeto possam ser feitos.
Com a base compreendida, você pode analisar o processo que ela desencadeia por meio das linhas de programação já feitas. Abra o pseudocódigo e crie o mapa mental da logística de cada operação feita pelo algoritmo até o resultado.
Provavelmente você não irá entender todo o processo de uma vez. Para resolver isso, a única forma é analisar os fatores isoladamente até que cada operação feita esteja cristalina.
Feito isso, você terá noção do produto, do processo e das medidas. Como uma receita mesmo, basta você tentar aplicar este processo do zero em um notebook. Por meio de tentativas e erros, você vai conseguir aos poucos replicar o comportamento do algoritmo e isso trará o domínio dele.
Sem medo de se queimar ou de erros, tudo faz parte da curva de aprendizado. Em algum momento você vai ter todo o processo iluminado caso seu projeto necessite de mudanças e otimizações daquele algoritmo.
Quer inovar mas não tem certeza de como, nem por onde começar? Confie no time de especialistas da Stack Tecnologias para agregar a soluçao de dados personalizada e que mais se encaixa nas necessidades da sua empresa. Afinal, transmitir conhecimento e entregar soluções são o forte da Stack.