Aprendizado de Máquina

Aprende a realizar a
generalização a partir de
um conjunto de dados
Aprendizado de máquina

Tarefas Preditivas Uso de tarefas

(conclusão a partir de descritivas. (diz respeito à
informações/dados descrição da realidade ou
prévios) da experiência)
Supervisionado Não Supervisionado

Rótulos discretos
Classificação
Procuram padrões
Dividem os dados em Buscam descrição simples
frequentes de
grupos de acordo com e compacta para um
associações entre os
sua similaridade conjunto de dados
atributos
Agrupamento Associação Sumarização

Rótulos contínuos

Regressão
 Aprendizado de Máquina
Chamamos de Machine Learning – ML ou Aprendizado de máquina – AM,
a capacidade de fazer com que o computador imite o processo de
aprendizagem de um ser humano.

Usamos diversos tipos de algoritmos de ML considerando as tarefas

preditivas e descritivas (sendo aprendizado supervisionado e não
supervisionado)

Deep Learning é um subárea do ML e as redes neurais um subárea da

deep learning.
 ML - Supervisionado

Preditivas: são aplicados a um conjunto de dados de treinamento

rotulado para induzir um modelo preditivo capaz de predizer, para um
novo objeto representado pelos valores de seus atributos preditivos, o
valor de seu atributo algo. Exemplo: Métodos baseados em distâncias,
métodos probabilísticos, entre outros. Normalmente utilizamos esse tipo
de algoritmo em aprendizado supervisionado
ML - Supervisionado
Modelos
Preditivos

Classificação Regressão

Classificador
Regressão
Naive Bayes

K-Nearest
Regressão linear
Neighbour

Modelagem por
Redes neurais
agrupamento

Árvore de
decisão
 ML – Não supervisionado

Descritivas: Algoritmos de Aprendizado de Máquina extraem padrões

dos valores preditivos de um conjunto de dados. Como não fazem uso do
conhecimento do “supervisor externo” esses algoritmos usam o
paradigma de aprendizado não supervisionado.
 ML - Supervisionado
Modelos
Descritivos

Agrupamento Associação Sumarização

K-Means FP-growth

Baseados em
A priori
Grafos

Baseados em
Redes neurais
 Referências
RUSSELL, Stuart e NORVIG, Peter. Inteligência Artificial. Rio de
Janeiro: Elsevier, 2013. 988p.

COPPIN, Bem. Inteligência Artificial. Rio de Janeiro: LTC, 2010. 636p.

LUGER, George F. Inteligência Artificial. 6ed. São Paulo: Pearson,

2014. 614p.