Mundo Acadêmico

Manifesto pela educação superior

Durante toda minha vida escolar aprendi que na faculdade seria me dado apenas um norte e teria que me aprofundar nos assuntos por minha conta. Quando finalmente cheguei ao segundo ano do meu curso superior aprendi que tudo isso é mentira e que caso me aprofunde nos assuntos e me diferencie dos demais serei punido nas provas por sair do padrão.

Sem entrar em detalhes técnicos que não são interessantes para quem não é da área, em uma questão multi-escolha de uma prova onde haviam duas respostas corretas, sendo a unica diferença entre elas o usuário e senha de conexão com o banco de dados., dado que nenhuma delas quebrava regra alguma nessa diferença, as respostas de diversos alunos divergiram entre as duas.

No momento da correção o professor fez questão de enfatizar que só deveria ser usado o padrão do laboratório(apesar de momento algum isso estar explícito na prova) e considerou por que foi “bonzinho”. Ainda finalizou dizendo que aquela alternativa foi marcada por quem estuda por fora, pois seria a unica maneira de saber que aquela alternativa também estava certa. Sim, quem teve a dedicação de estudar por fora não foi punido por isso por que o professor foi “bonzinho”.

Uma coisa é cobrar algo em um nível que foi dado em sala de aula e outra completamente diferente é PUNIR quem foi além do esperado ou mesmo quem trabalha na área. Ter conhecimento a mais e se destacar do padrão é motivo de vergonha, de castigo.

A cada aula, a cada explicação, vejo que empurram os “enlatados dos USA” para nós como já dizia o eterno Renato Russo e somos obrigados a aceitar. Essa foi a gota d’agua, mas com certeza não é nem a ponta do Iceberg dos erros da nossa educação superior.

Somos ensinados a não questionar e sim aceitar, não por culpa dos professores, mas por culpa de algo muito maior que também cegou a eles. Não há necessidade de criar e inovar no Brasil, nossas provas e ensino podem se basear simplesmente em APIs de java, para que precisamos saber o por trás? Para que saber a base? Deixe para os engenheiros do MIT.

Tudo o que vamos precisar no dia a dia é sermos bons robôs “apertadores” de botões, basta você entrar de boca fechada no serviço se sentar em sua mesa com um sorriso no rosto e apertar os botões exatamente como foi ensinado. Não robô idiota, nem pense em perguntar o por que de você apertar o azul antes do vermelho. Você é pago para apertar e não pensar. Quando quisermos ter pensadores iremos contratar algum estrangeiro. Fique no seu lugar.

Exatamente por isso, somos cobrados pelo famoso “decoreba” e não pela lógica por trás das questões. Ah, sim, mas este “decoreba” não começou aqui, começou lá atrás quando estudavamos para o vestibular. Professores enfatizavam o que caia no vestibular e ensinavam o que deveríamos decorar e o que deixar para trás.

Posso contar nos dedos de uma mão quais foram os professores em toda a minha vida escolar que amavam a matéria que davam e explicavam com brilho no olho. Esse prazer em dar aula que contagiava a todos e fazia com que até mesmo o mais “bagunceiro” da turma sentasse e ouvisse o que aquele grande Mestre tinha a dizer.

Um desses Mestres um dia me disse que ele poderia dar a formula para um aluno que nunca estudo aquela matéria e ele iria acertar, pois aplicar a formula é simples. O importante de verdade era o conceito por trás daquilo, o por que de V = d * t e não saber essa formula.

Onde estão esses Mestres? E por que deixamos de questionar?

Elias, um robô rebelde.

[Machine Learning] (Un)Supervised learning

[Nota: Usarei os termos técnicos em inglês por não saber exatamente a tradução correta para eles em português]

No campo de estudo de Machine Learning nós temos dois tipos mais usados de algoritmos, os de “Supervised learning” e o”Unsupervised learning“.

O primeiro se dá quando  damos para o software  termos de entrada e o que esperamos na saída(“damos as respostas certas” para o computador se basear). Assim “treinamos” a máquina para seguir este padrão de saída. Ao usarmos o algoritmo “treinado” em problemas reais ele se baseará nos valores dados previamente e seguirá o padrão para dar o resultado.

Podemos classificar esse tipo em mais duas categorias, aqueles cujo o problema é um problema de classificação, exemplo: Saber se um tumor é ou não é maligno. Neste exemplo só há duas saídas possíveis, ou seja, temos que classificar o objeto de saída.

Temos também os “regression problems” cujo os valores de saída variam de acordo com o objeto de entrada. Temos neste exemplo o preço de uma casa dada a a partir do tamanho dela. Não é possível mais classificar o objeto de saída, apenas dar seu valor, pois não temos mais grupos distintos. Então esperamos simplesmente que o software siga o padrão dado previamente.

Quanto ao grupo de Unsupervised learning, nós não separamos as respostas, simplesmente as colocamos para o computador e ele mesmo terá que definir padrões e separar as respostas conforme o algoritmo achar melhor.

Um exemplo de unsupervised learning é o google news que pega centenas de milhares de notícias e agrupa elas automaticamente apenas olhando o padrão dos textos.

 Scroll to top