O Yahoo anunciou nessa quinta-feira (14/1) que está trabalhando para tornar a maior biblioteca de dados de machine learning do mundo disponível para a comunidade acadêmica para fins de pesquisa, por meio do seu programa Yahoo Labs Webscope.
Com 13,5 terabytes, a biblioteca é composta por dados de interação entre 20 milhões de usuários anônimos, coletados entre fevereiro de 2015 e maio do mesmo ano, incluindo aqueles que acessaram a homepage do Yahoo e de seus serviços, como Yahoo Notícias, Esportes, Finanças, e Imóveis.
Além disso, os dados possuem informações demográficas, como faixa etária e sexo, dados geográficos genéricos e frases-chave de artigos noticiosos, data e hora local, bem como informações parciais de dispositivos.
De acordo com a diretora de ciência da personalização do Yahoo Labs, Suju Rajan, dados são a força vital por trás da aprendizagem de machine learning, mas o acesso em grande escala à biblioteca “é um privilégio que tradicionalmente é reservado a pesquisadores da área e cientistas de dados que trabalham em grandes companhias – e fora do alcance da maioria dos pesquisadores acadêmicos”, disse. Esse cenário contribui para a demora nas pequisas, pode retardar a inovação e a evolução da tecnologia.
Pesquisadores da Carnegie Mellon University, a Universidade da Califórnia em San Diego; e do UMass Amherst Centro para Ciência de Dados já declararam que utilização a biblioteca para embasar estudos próprios.
Na Carnegie Mellon, por exemplo, os especialistas poderão estudar como identificar automaticamente quais notícias são de interesse e para quais usuários elas devem ser direcionadas, como conta Tom Mitchell, presidente do departamento de machine learning.
A ideia do Yahoo é nivelar o campo de pesquisa entre indústria e academia e a iniciativa pode tornar esse cenário viável.
