Escolar Documentos
Profissional Documentos
Cultura Documentos
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING - CONTEXTO
O termo “inteligência artificial” foi utilizado pela primeira vez em 1956
por um pesquisador americano chamado John McCarthy e, de acordo com
ele, a inteligência artificial se refere à ciência e à engenharia de construir
máquinas inteligentes.
Uma outra definição seria que a inteligência artificial é o campo da
ciência da computação que lida com a simulação de comportamento
inteligente em computadores.
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING - CONTEXTO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING - CONTEXTO
Eis alguns subcampos da IA
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING - CONTEXTO
A machine learning é apenas um dos subcampos da IA.
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING - CONTEXTO
A inteligência artificial surgiu em meados da década de 1950; o
aprendizado de máquina começa a ser estudado no início da década e 1980;
e a última década foi marcada pelo aprendizado profundo.
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING - CONTEXTO
A IA, em geral, trata de programas que podem sentir, raciocinar, agir e
se adaptar a fim de imitar a inteligência humana por meio de diversas
técnicas, incluindo o aprendizado de máquina.
O aprendizado de máquina trata de algoritmos cujo desempenho
melhoram à medida que eles são expostos a mais dados no decorrer do
tempo.
E o aprendizado profundo é um subconjunto do aprendizado de
máquina em que um software é capaz de treinar a si mesmo para executar
diversas tarefas por meio da utilização de redes neurais para aprender algo a
partir de uma quantidade massiva de dados.
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING - CONTEXTO
O Aprendizado de Máquina (Machine Learning) é a ciência e a arte de
programar computadores para que eles possam aprender com os dados, ou
ainda, o campo de estudo que dá aos computadores a capacidade de
aprender sem ser explicitamente programado.
Dessa forma, podemos estabelecer um paralelo entre o aprendizado de
máquina e programação tradicional.
Na programação tradicional, os dados são as entradas, as regras foram
pré-definidas por um programador, o computador executa as regras na
sequência determinada e é gerado o resultado que nós chamamos de saída.
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING - CONTEXTO
No aprendizado de máquina, nós entramos com os dados e com vários
exemplos de resultados passados e a máquina gera as regras estatísticas na
forma de um modelo matemático que é composto de diversas funções e
parâmetros e capaz de identificar padrões a partir de exemplos.
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING - CONTEXTO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING - CONTEXTO
Poderíamos citar como exemplo, soluções para identificar gatos em
uma imagem, ou hidrantes ou outros elementos quaisquer.
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING - CONTEXTO
Quanto mais exemplos de resultados você oferece, mais o algoritmo é
treinado, mais regras são aprendidas e mais ajustado se torna o modelo.
Essa é a etapa do processo de aprendizado de máquina chamada de
Treinamento e é bastante custosa, pois devemos colocar quantidades
massivas de dados para que os resultados sejam cada vez mais refinados.
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING - CONTEXTO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING - CONTEXTO
Assim sendo, o aprendizado de máquina é bastante relevante para os
casos que a criação de regras seria inviável, extremamente custosa ou
maçante.
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – TIPOS DE APRENDIZADO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – TIPOS DE APRENDIZADO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – TIPOS DE APRENDIZADO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – TIPOS DE APRENDIZADO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – TIPOS DE APRENDIZADO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – TIPOS DE APRENDIZADO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – TIPOS DE APRENDIZADO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – TIPOS DE APRENDIZADO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – TIPOS DE APRENDIZADO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – TIPOS DE APRENDIZADO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – TIPOS DE APRENDIZADO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – TIPOS DE APRENDIZADO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – TIPOS DE APRENDIZADO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – TIPOS DE APRENDIZADO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – TIPOS DE APRENDIZADO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – TIPOS DE APRENDIZADO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – TIPOS DE APRENDIZADO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – TIPOS DE APRENDIZADO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – CLASSIFICAÇÃO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – CLASSIFICAÇÃO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – CLASSIFICAÇÃO
No gráfico de dispersão temos: no eixo horizontal, temos a envergadura
em milímetros; no eixo vertical, temos a massa em gramas. Observe na
imagem da direita que é possível ver dois agrupamentos, mas no meio
(círculo roxo) existe uma sobreposição.
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – CLASSIFICAÇÃO
Imagine que eu trace uma linha reta vertical na altura dos 45 milímetros
de envergadura e afirme que tudo que estiver à esquerda provavelmente é
uma mariposa imperatriz e tudo à direita uma mariposa luna. Além disso, eu
posso traçar uma linha horizontal na altura dos 0,75 gramas de massa e
afirmar que tudo que estiver abaixo desse valor provavelmente é uma
mariposa imperatriz. Com isso, vejam na imagem ao lado que se forma um
quadrante em que sua parte inferior esquerda representa prováveis
mariposas imperatriz e o restante representa as mariposas luna.
Essas linhas que dividem o espaço de decisão são chamadas de limites
de decisão porque auxiliam a indicar qual será o classificador sugerido
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – CLASSIFICAÇÃO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – CLASSIFICAÇÃO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – CLASSIFICAÇÃO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – CLASSIFICAÇÃO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – CLASSIFICAÇÃO
Essa é a nossa matriz de confusão! Note que ela possui dois eixos:
horizontal, que indica o valor previsto ou esperado; e vertical, que indica o
valor real.
Para avaliar o desempenho do algoritmo, nós podemos utilizar a
métrica de acurácia, isto é, a divisão do número de acertos pelo total de
predições. Em nosso caso, tivemos 82+86 = 168 acertos em uma amostra de
200 mariposas. Dessa forma, a nossa acurácia foi de 168/200 = 84%.
Observe que não há como desenharmos linhas que nos forneçam 100%
de acurácia!
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – CLASSIFICAÇÃO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – CLASSIFICAÇÃO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – CLASSIFICAÇÃO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – CLASSIFICAÇÃO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – CLASSIFICAÇÃO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – CLASSIFICAÇÃO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – CLASSIFICAÇÃO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – CLASSIFICAÇÃO
ÁRVORE DE DECISÃO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – CLASSIFICAÇÃO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – CLASSIFICAÇÃO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – CLASSIFICAÇÃO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – CLASSIFICAÇÃO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – CLASSIFICAÇÃO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – CLASSIFICAÇÃO
O algoritmo vai fazer milhares de testes com cada uma das variáveis, vai
testar diversos pontos de corte diferentes e diversas sequências de análise
de variáveis diferentes. O que importa aqui é que nós vamos sair de um
grupo muito misturado (menos homogêneo) para dois subgrupos menos
misturados (mais homogêneos, o que chamamos de Ganho de Informação
ou Redução de Entropia.
OBS: Lembrando que entropia é a medida que nos diz o quanto um conjunto
de dados está desorganizado ou misturado.
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – CLASSIFICAÇÃO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – CLASSIFICAÇÃO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – CLASSIFICAÇÃO
Para encontrar modelos cada vez mais puros, falamos que ocorrem as
divisões nos nós, mas esse processo precisa ser finito para evitar o
overfitting que é um único dado para cada nó folha.
Há diversas maneiras de definir um limite para as divisoes: nós
podemos definir uma altura/profundidade máxima da árvore e quando esse
limite for atingido, interrompe as subdivisões ou podemos realizar a poda da
árvore que consiste em deixarmos a árvore crescer quanto quiser e depois
vamos reduzindo as divisões que sejam pouco significativas.
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – CLASSIFICAÇÃO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
MACHINE LEARNING – CLASSIFICAÇÃO
Informática
Profa: Emannuelle Gouveia
@Emannuelle Gouveia
OBRIGADA
Prof. Emannuelle Gouveia
@emannuellegouveia