E aí [Música] o Olá pessoal então nessa nossa primeira aula aqui em aplicações de aprendizado de máquina A ideia é trazer para vocês alguns conceitos né algumas terminologias que a gente normalmente escuta e utiliza quando a gente tá falando em termos de aprendizado de máquina tá então essa primeira figura aqui eu acho que ela sintetiza bem em alguns desses conceitos e algumas dessas tecnologias EA relação entre elas tá só que a gente vê aqui no nível mais externo a inteligência artificial né e a gente pode definir Inteligência Artificial aí como serão a ciência né com
a matemática ou a Biologia tá que estuda formas de construir programas e máquinas inteligentes que possam resolver problemas de forma criativa né O que sempre foi considerado aí uma prerrogativa humano tá dentro da Inteligência Artificial a gente tem então aqui a parte que aprendizado de lá para cá o foco da nossa disciplina né e o aprendizado de máquina e ele pode ser visto né como um subconjunto da Inteligência Artificial e começa os sistemas é a capacidade de aprender e melhor e a mente leque uma experiência sem ser explicitamente programado tá E além disso né existem
né quando a gente tá falando em aprendizado de máquina existem diferentes algoritmos né aqui a gente vê e como é que eu tinha figura mostra para gente né É é muito comum Às vezes a gente escutar o termo nas redes neurais mais cedo normais é um dos algoritmos possíveis dentro do aprendizado de máquina e nesse curso a gente vai ver diversos algoritmos aí dentro do conjunto de algoritmos né que tá esse guarda-chuva é que a gente pode chamar de aprendizado de máquina tá e o outro tema que também é bastante comum a gente escutar é
aprendizado profundo né que é isso que aparece mais a dentro aqui na nossa figurinha tá aprendizado profundo nada mais nada que a utilização de redes neurais Profundas que como a gente vai ver que ao longo do curso é são redes neurais que possuem várias camadas tá uma outra questão que a gente vai olhar aqui na sequência da aula é que dependendo da natureza no aprendizado e das tarefas e aprendizado eles podem receber diferentes classificações aí então a gente vai discutir um pouquinho dessas classificações né E vamos mostrar também com alguns exemplos pra gente ter essa
primeira imagem aí no aprendizado de máquina tá Bom primeiramente hoje para a gente falar das falsificações vamos falar um pouquinho de algumas definições de aprendizado de máquina clássicas que a gente escuta por aí tá então uma delas vem através do Arthur Samuel de 1959 e ele diz então que o aprendizado de máquina um machinho online né o campo de estudos que dá os computadores aí a capacidade de aprender e serem programados explicitamente uma outra definição também a gente encontra por aí é do Tom Mix né de 1997 onde ele diz então que um programa de
computador ele aprende o que uma experiência e com relação a tarefa ter né e alguma medida de desempenho P passe o seu desempenho em realização dessa tarefa te né conforme medido por essa métrica P ela melhora com a experiência ou seja à medida que esse programa realiza mais e mais tarefas ele melhora o seu desempenho para realização de tarefas semelhantes Tá bom agora falando um pouquinho aqui das possíveis classificações quando a gente está falando e é como se fosse procurar na internet talvez vocês encontram em outros mas essas aqui são as principais geralmente quando a
gente procura tipos né de aprendizado de máquina vão vim para a gente normalmente essas classificações tá aí a gente vai algumas delas a gente vai estar trabalhando aqui ao longo desse curso Então primeiramente vem aprendizado supervisionado tá um super vai saturn tal está relacionado aos métodos preditivos em tarefas produtivas nesse tipo de aprendizado aqui que o aprendizado supervisionado você que a gente vai vir daqui a pouco você fornece durante a etapa de Treinamento além dos exemplos para treinamento também vamos assim as respostas corretas para que o algoritmo aprenda tá Depois a gente ter o aprendizado
não supervisionado ou um super vai saturn está relacionado e também aos métodos descritivos ou tarefas descritivos e no caso desse tipo de aprendizado não é fornecido né uma resposta durante o treinamento na verdade ele vai tentar é um os padrões dentro de um conjunto de dados como a gente vai ver longo do curso e depois porque a gente tem também aí o aprendizado por reforço tá o forte na turno não é que esse daí que a gente vai vir daqui a pouco era bem parecido né com o processo de aprendizado natural né dos seres humanos
Tá mas é nesse pulso a gente vai focar no aprendizado supervisionado e no aprendizado não-supervisionado a gente não vai tratar especificamente algoritmos LED aprendizado por reforço tá existem outras classificações naquele apresenta sistemas de recomendação Mas a gente não vai entrar no estudo de sistemas tá então o nosso curso ele vai estar e concentrado mais na parte de algoritmos relacionados aprendizado supervisionado e o aprendizado não supervisionado i é como fala um pouquinho aqui detalhar um pouco do aprendizado supervisionado né das tarefas produtivas e a gente vai ilustrar também aqui ao longo da aula com alguns exemplos
tá então aprendizado supervisionado né é fornecido que não comentei com vocês vão conjunto de entrada e saída tá Para que o treinamento em que a previamente sabido aí qual deve ser o resultado correto da saída para uma dada entrada né então aqui em diferente do que a gente vai vir daqui a pouco a gente vai falar de aprendizado descritivo o tarefas descritivas nesse caso do aprendizado supervisionado eu for mesmo conjunto exemplos e conto para o meu algoritmo Qual que é a resposta correta que ele deve aprender né o apresento talvez aí a gente vai ver
um exemplo daqui a pouco né mas por exemplo apresenta uma imagem para ele eu quero que ele treino para reconhecer uma imagem de um gato né a gente vai vir inclusive mais alto na sequência então durante o treinamento Eu apresento várias imagens e digo para ele qualquer imagem correta Quais que são as imagens de gato sabe diferente do aprendizado não-supervisionado onde eu não dou né o resultado para ele durante o treinamento vai ficar mais claro aqui é medida que a gente foi mostrando através dos exemplos bom então ainda os problemas de aprendizado supervisionado eles são
divididos em problemas de regressão e problemas de classificação bom então os problemas de regressão normalmente não eles vão tentar marque as entradas em alguma função contínua tá aqui a principal característica né que a minha saída na contínua Então o que o algoritmo vai tentar predizer uma quantidade de cochila Em contrapartida com que a gente vai ver aqui sobre classificação hoje eu vou ter rótulos lá então tenta se prever uma função contínua a partir do conjunto de dados de entrada e saída fornecidos e os problemas de classificação né a gente vai tentar predizer as saídas de
forma discreta né então a gente vai tentar uma piada entrada em categorias bicicletas rótulos é um exemplo que eu acabei de falar com vocês aqui da nas imagens de gato a gente vai vir Cruzeiro na sequência esse exemplo então classificação tarefas de prever um rótulo discreto o e regressão tarefa de PVA uma quantidade continua é tão ver um exemplo de regressão né Então imagina aqui que eu tivesse não a companhia de telefonia móvel né e eu tô tentando prever um nível de sinal de rádio frequência né uma determinada distância de Mantena né com base em
uma série de medidas 90 imagina que o funcionário lá da empresa ele tem uma estação rádio base né que transmite um sinal de celular e ele faz diversas medidas aí a diferentes distâncias dessa antena e qual que é a tarefa do algoritmo é tentar é predizer qual que seria um nível de potência de RF para um ponto que não foi medido né então se a gente imagina aqui esse gráfico como somos diferentes pontos na que foram medidos então algoritmo Na verdade ele vai tentar se estabelecer aqui se estabelecer aqui né uma função que vai se
aproximar por esse esposo eu posso possa pisar agora saber por um determinado o ponto aqui que não foi medido Ele vai tentar predizer qual que é esse valor tá então que nem a gente comentou nesse caso aqui a predição é de um valor continuar o rótulo né não é uma classificação e vamos ver agora um problema de classificação e aí aquele o exemplo que eu comentei no início né da imagem do gato então baseado num conjunto de mares fornecidas então mais ou menos como que ficaria esse tipo de tarefa de classificação então eu entro né
com conjunto A gente pode imaginar de um vetor x com várias imagens né e aqui a gente vê que eu tenho a imagem de cachorro tem imagem de gato né que a gente tem uma outra imagem de cachorro tá E aí eu forneço durante a etapa de Treinamento a resposta correta né então quando eu tenho 10 aqui eu tô dizer olha isso aqui não é um gato quando eu tenho um eu tô dando para isso aqui é um gato então eu forneço na durante as etapas de Treinamento Qual que é o resultado correto Qual que
é o resultado esperado aquele tipo de macho tá que a gente tem um cachorro de novo lá então a gente tem 10 bom então eu vou associar isso algum algoritmo de classificação e passar dessa primeira etapa de Treinamento a gente entra na etapa que a gente chama de etapa de inferência nessa etapa de referência o algoritmo ele já tá treinado tá E aí eu vou fornecer então né uma nova imagem que não participou do treinamento dele ele vai tentar então para dizer se aquilo ali eventualmente é um gato tá uma imagem que se queira classificar
e vamos falar um pouquinho do aprendizado não-supervisionado né que está relacionado à as tarefas descritivas então que nem eu tinha adiantado para você seu aprendizado não supervisionado o problema é tratado com pouco ou nenhum uma ideia dos resultados que serão alcançados tá então sendo calgary foi vai tentar identificar de alguma forma estruturas no conjunto de dados tá as tarefas podem ser carácter categorizados ainda como um agrupamento Associação ou sumarização tão nas tarefas de agrupamento os dados eles são agrupados segundo alguma característica identificada a gente vai ver um exemplo daqui a pouco tá então eu tenho
um conjunto de objetos e eu vou buscar semelhanças entre algum tipo de semelhança né que a gente vai vir depois que se referem aos atributos desses objetos e vou tentar agrupar ele segundo em algum critério de posição agrupamento passear o comportamento tamanho enfim e quando ele está falando de tarefas de associação para gente procura por padrões frequentes de associação entre atributos de um conjunto de dados tá é a gente vai falar mal especificamente sobre o algoritmo a priori que o algoritmo de associação onde a ideia Justamente a gente procurar o que são chamados de itemsets
frequentes o conjunto de itens frequentes Tá mas a gente vai falar de um exemplo agora daqui a pouco também Ah e por fim a gente tenta lá fazer aí de sumarização tá elas buscam a discrição simples e compacta por um conjunto de dados tá nesse curso aqui a gente vai focar em algoritmos de agrupamento e algoritmos de associação a gente ou vai entrar em algoritmos imaginação embora a gente fazer um rápido exemplo durante a sala o botão falando aqui agora um exemplo de aprendizado não-supervisionado usando agrupamento né uma tarefa de agrupamento então é bastante comum
é a gente encontrar hoje em dia softwares de busca né em vários sites na internet tá então por exemplo como como exemplo a ID software de busca existe por exemplo meio de lei que é um software que ele busca é artigos científicos relacionados algum assunto então você passa uma característica na um critério de agrupamento para ele e ele vai buscar então em vários sites né em várias bases de dados né é artigos que tenham alguma correlação nem alguma semelhança com aquele critério que foi passado tá um outro também aí mais popular né Por exemplo o
Google notícias eu é um software que a gente tá vendo aqui então eu passo para ele aqui algum critério de busca e aí ele vai buscar né pesquisar em diversos sites fazer o agrupamento né de todos os sites que ele encontrou que de alguma forma trazem aquele assunto relacionado tá então seria um exemplo de um é algo e localizando tarefa de agrupamento tô falando agora um pouquinho aqui de tarefa de associação né então sofre que busca de associação entre tem de compra Ele vai tentar induzir né o cliente a comprar produtos que ele vai consumir
ao mesmo tempo colocando os próximos no mercado e aí tem uma história que ficou já até famosa né que é de uma grande rede de varejo lá no Estados Unidos que o pessoal analizando la base de dados deles de compras né você sido de compra esse percebi u e sempre existe a venda de fralda e chamei ela de cerveja também né E aí o pessoal não foi tentar descobrir porque quando vende fralda vende cerveja também descobriu que na verdade socorrido por que normalmente eram os pais né do que tinha acabado de ter filho e eles
acabavam saindo hoje para buscar fralda para os filhos e compravam uma cerveja também né então com base nesse tipo de análise que que o pessoal fez pegou começou a colocar né a geladeira na cerveja perto né da sessão de fraldas bom né a venda de fraldas de cervejas então é esse é um tipo de utilização esse daqui é meio folclórico né mas só para ilustrar né O que que esse tipo de algoritmo pode fazer na tentativa de identificar né itens que são comprados com frequência e qual que é a relação né como que um a
compra de um determinado produto que influenciam a compra de outro tá eu vou falar que agora um pouquinho né de sumarização tá então essa figura aqui segura um ela mostra né sinalização é muito utilizada né às vezes na análise de textos né então a gente tem um texto completo aqui o texto fonte a e a figura 2 é o resultado gerado automaticamente por esse software aqui o Pizza não é onde ele vai fazer o que ele vai tentar capturar as principais informações e sumarizar mas não conteúdo mas compacto né mas sem perder as principais características
do texto e das informações que estão ali dentro tá e fala agora aqui por cima um pouquinho do aprendizado de reforço né então que nem tinha comentado com vocês no início da aula o aprendizado por reforço ele possui aí bastante semelhança né com a maneira com que os humanos e os Animais utilizam durante o aprendizado na realização de tarefas tá então existe basicamente uma tarefa que tem que ser realizada né aprendido tá um sistema de Recompensas tá que fornece alguma recompensa toda vez que a relação de uma determinada tarefa é bem-sucedida e existem e Normalmente
quando a gente tá falando de aprendizado com reforço em alguns elementos que a gente identifica né dentro dessa tarefa de aprendizado tá então esses elementos que se que a gente não aumente identifica né então você tem um ambiente onde a tarefa é realizada tá aqui a gente almoçou de forma lúdica lá então como se fosse um labirinto onde o Ratinho tem que chegar do outro lado então meio ambiente aqui seria um labirinto né Depois a gente tem um robô que realiza a tarefa que nós ficamos ser o próprio Ratinho tá o pô e ele se
encontra né Faz o que falar com ela tarefa é o estado dele né estaria simbolizado aqui pelas essas marcas em vermelho então determinado o ponto lá no labirinto sabe a recompensa né que é o Queijinho aqui lá então toda vez que ele está no caminho correto para saída do labirinto não que ele recebe uma recompensa tá bom pessoal então nessa primeira aula a ideia era realmente introduzir né esses primeiros conceitos nessas primeiras idéias e terminologias a gente escuta por aí é um aprendizado de máquina né dar essa essa primeira imagem para vocês as diferentes tarefas
E então a gente na próxima aula começa na efetivamente a entrar mas a dentro na disciplina a inclusive nessa primeira semana a gente vai focar bastante na parte do conjunto de dados para a gente vai ver que esse conjunto de dados que eu falei hoje para vocês aqui é fornecido né para os algoritmos aí para parte de Treinamento muitas vezes ele precisa ser trabalhado antes às vezes não tá na forma ainda adequada para comer um algoritmo Apple e sai seus dados tá então a gente na próxima aula e na outra a gente vai falar um
pouco aí de análise de dados e da parte de pré-processamento de dados e as próximas semanas então a gente entra mais fortemente na parte dos algoritmos ok pessoal então muito obrigado até a próxima tchau [Música] [Música]
