Esta aula foi especialmente importante porque apresentou diferentes formas de lidar com a incerteza, algo muito presente tanto nos sistemas inteligentes quanto nos processos de tomada de decisão no cotidiano. Compreendi como o raciocínio probabilístico permite analisar cenários em que não temos certeza absoluta sobre o que acontecerá, mas podemos estimar probabilidades com base em evidências e dados disponíveis.
O estudo do Teorema de Bayes e das Redes Bayesianas mostrou como é possível atualizar probabilidades à medida que novas informações são obtidas, tornando as previsões mais precisas. Já as Redes Bayesianas Dinâmicas ampliam essa capacidade ao considerar a evolução das variáveis ao longo do tempo, sendo especialmente úteis para monitoramento e previsão de comportamentos futuros.
Outro aspecto que chamou minha atenção foi o estudo das Cadeias de Markov, que demonstram como o estado atual de um sistema pode ser utilizado para estimar estados futuros. Esse conceito possui aplicações práticas em diversas áreas, desde previsão do tempo até análise de comportamento e recomendação de conteúdos.
Ao relacionar o conteúdo com minha atuação profissional, percebi o potencial desses modelos para a construção de sistemas educacionais inteligentes. Em projetos que venho desenvolvendo, como a Plataforma AFA, conceitos como Redes Bayesianas e Cadeias de Markov podem ser utilizados para prever riscos acadêmicos, comportamentais e de permanência escolar, permitindo que a escola atue preventivamente antes que os problemas se consolidem.
A aula contribuiu para ampliar minha compreensão sobre como a Inteligência Artificial combina probabilidade, inferência e modelagem matemática para apoiar decisões em contextos complexos e incertos.
Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!