Como se apresenta machine learning a quem está começando? Esse foi meu desafio com uma turma de Engenharia Química, usando dados reais de um projeto que os próprios alunos estavam construindo. A aula convidada fazia parte de uma colaboração interdisciplinar: quatro grupos de laboratório investigando processos de reaproveitamento de resíduos orgânicos, enquanto o lado de machine learning analisava padrões de um questionário comunitário sobre descarte de resíduos. O plano era percorrer três conceitos centrais juntos — clusterização, Random Forest e importância de variáveis. Escolhi esses de propósito. Clusterização porque não precisa de rótulos e o resultado é interpretável de imediato: aqui estão os grupos que existem nos seus dados, eles batem com a sua intuição? Random Forest porque é tolerante a entradas bagunçadas e não exige que ninguém entenda gradiente descendente antes. Importância de variáveis porque responde à pergunta com que as pessoas de fato chegam, que não é "dá para prever isso" e sim "o que importa aqui". O que eu vejo funcionar com iniciantes é partir de dados que eles mesmos coletaram. Conjuntos de dados abstratos ensinam a mecânica, mas não o julgamento. Quando é o seu próprio questionário, você já tem opiniões sobre qual deveria ser a resposta — e o momento em que o modelo discorda de você é o momento em que o conceito cai a ficha. Foi o que aconteceu, aliás. Um dos modelos não teve capacidade preditiva nenhuma. Isso acabou sendo o resultado mais útil, porque disse que o comportamento era determinado por fatores que o questionário nunca mediu.