Vamos aprender um pouco de aprendizado de máquina para avaliar as notas gerais dos jogadores no jogo FIFA
Aprendizado de máquina (machine learning) é a ciência que estuda algoritmos e modelos que permitem aos computadores reconhecer padrões, tomar decisões e até prever resultados — tudo isso sem instruções explícitas.
Por exemplo: quando você fala com seu assistente de voz como a Siri ou a Cortana, é o aprendizado de máquina que ajuda a transformar sua voz em texto e entender o que você está pedindo. Incrível, né?
Hoje vamos mostrar como ensinar um computador a avaliar a nota geral (Overall) de jogadores de futebol com base em seus atributos, passo a passo.
Vamos lá!
Um pouco de contexto
Imagine que existe uma fórmula secreta usada pela EA Sports (criadora do FIFA 2019) para calcular a nota geral dos jogadores no jogo.
Se soubéssemos essa fórmula, seria fácil prever a nota de qualquer jogador, mesmo que ele não esteja no jogo.
O problema é que… nós não sabemos qual é a fórmula exata.
Mas sabemos o que entra como entrada (os atributos do jogador) e o que sai como saída (a nota geral).
Com isso, podemos usar uma técnica chamada regressão para estimar essa fórmula com base nos dados que temos.
Hoje vamos usar um modelo simples chamado Regressão Linear.
Vamos imaginar que a fórmula que calcula a nota geral de um jogador seja ( y = f(x) ):
[ f(x) = ax + b ]
A regressão linear tenta descobrir os valores de (a) e (b).
Essa fórmula f(x) é chamada de modelo, e o processo de encontrar os valores de (a) e (b) é chamado de treinar o modelo.
Depois de treinado, podemos usar esse modelo para prever o valor de (y) com novos dados.
Voltando ao nosso exemplo: se tivermos só uma variável (x), é fácil resolver essa fórmula com papel e caneta.
Mas quando temos vários atributos, como velocidade, força, passe, defesa… a coisa fica mais complexa.
A fórmula então vira algo assim:
[ f(x_1, x_2, …, x_n) = a_1 * x_1 + a_2 * x_2 + … + a_n * x_n + b ]
Agora precisamos alimentar esse modelo com muitos dados de qualidade, para que ele se aproxime cada vez mais da fórmula “real”.
Vamos começar!