Aprendendo com os dados

Entendendo a inteligência artificial

Maarten Van den Broeck

Senior Content Developer at DataCamp

Funções e áreas de IA envolvidas

Áreas de IA e funções de IA

Funções e áreas de IA envolvidas

Áreas de IA e funções de IA

Entra em cena o aprendizado de máquina (ML)

Aprendizado de máquina: aprender com dados e identificar padrões

Áreas de aprendizado de máquina

Entra em cena o aprendizado de máquina (ML)

Aprendizado de máquina: aprender com dados e identificar padrões

Áreas de aprendizado de máquina

Entra em cena o aprendizado de máquina (ML)

Aprendizado de máquina: aprender com dados e identificar padrões

Áreas de aprendizado de máquina

Entra em cena o aprendizado de máquina (ML)

Aprendizado de máquina: aprender com dados e identificar padrões

Áreas de aprendizado de máquina

Entra em cena o aprendizado de máquina (ML)

Aprendizado de máquina: aprender com dados e identificar padrões

Áreas de aprendizado de máquina

Aprendizado supervisionado: classificação

Classificação: atribuir a cada dado uma categoria (classe)

Classificação binária: duas classes, p.ex., positivo/negativo, masculino/feminino, etc.

Classificação binária

Aprendizado supervisionado: classificação

Classificação: atribuir a cada dado uma categoria (classe)

Classificação binária: duas classes, p.ex., positivo/negativo, masculino/feminino, etc.
Classificação multiclasse: várias classes mutuamente exclusivas, p.ex., várias espécies

Aprendizagem supervisionada Anotação de dados (observações rotuladas com classe conhecida a priori) necessária para aprender/treinar um modelo capaz de inferir

Classificação multiclasse

Aprendizado supervisionado: regressão e previsão

Regressão: atribuir a cada observação um resultado numérico ou rótulo

Regressão para estimar o preço de um imóvel

Previsão temporal: estimar valores futuros com base no passado

Previsão de séries temporais para prever passageiros diários de ônibus

Aprendizado não supervisionado e por reforço

Agrupamento: encontrar grupos de dados semelhantes (p.ex., algoritmo k-means)

Agrupamento de dados de pinguins

Detecção de anomalias: identificar dados incomuns(p. ex., transações)

Detecção de anomalias

Descoberta de regras de associação: encontrar co-ocorrências comuns em dados de transações

Descobrir produtos frequentemente comprados juntos

Aprendizagem por reforço: aprender por experiência a dominar uma tarefa complexa

Aprendizagem por reforço para navegar em um labirinto

E o aprendizado profundo?

Modelos bem sofisticados baseados em redes neurais profundas: resolvem tarefas muito desafiadoras em que os modelos clássicos de ML se tornam limitados
Aprende com os dados como um cérebro humano faria

Precisa de muitos dados para aprender: às vezes, milhões de observações

Tarefas de aprendizado profundo

E o aprendizado profundo?

Modelos bem sofisticados baseados em redes neurais profundas: resolvem tarefas muito desafiadoras em que os modelos clássicos de ML se tornam limitados

Precisa de muitos dados para aprender: às vezes, milhões de observações

Tarefas de aprendizado profundo

Vamos praticar!

Entendendo a inteligência artificial