Aprendizagem de máquina I

Introdução

Prof: Rodrigo Valentim

Sumário

1. O que é aprendizado de máquina;

2. Tipos de aprendizado de máquina;
3. Principais algoritmos
Introdução a aprendizado de máquina
Introdução a aprendizado de máquina
Introdução a aprendizado de máquina
Introdução a aprendizado de máquina

Aprendizado de Máquina é uma subárea da Inteligência Artificial que se concentra

em desenvolver técnicas e algoritmos para fazer com que as máquinas aprendam a
partir dos dados, sem serem explicitamente programadas para realizar uma tarefa
específica.
Tipos de aprendizado de máquina

Os principais tips de aprendizado de máquina são:

● Aprendizado supervisionado
● Aprendizado não-supervisionado
● Aprendizado por reforço
Aprendizado supervisionado

1. Aprendizado supervisionado é uma técnica de aprendizado de máquina na qual o

algoritmo é treinado com exemplos rotulados (entrada/saída esperada).
2. Treinamento do modelo: Durante o treinamento, o algoritmo aprende a relação
entre as características de entrada e as saídas esperadas, ajustando seus parâmetros
para minimizar a diferença entre as saídas previstas e as saídas reais.
3. Classificação vs Regressão: O aprendizado supervisionado pode ser usado para
duas tarefas principais: classificação e regressão. A classificação é usada quando a
saída é discreta, enquanto a regressão é usada quando a saída é contínua.
4. Limitações: necessidade de dados rotulados
Aprendizado supervisionado regressão
Aplicações de aprendizado supervisionado

1. Classificação: Predição de categorias para dados, como classificação de imagens de animais,

vegetais ou minerais.
2. Regressão: Predição de valores contínuos, como preços de imóveis ou valores de ações.
3. Análise de sentimento: Análise de opiniões em textos, como avaliações de produtos ou
comentários em redes sociais.
4. Reconhecimento de voz e visão: Processamento de sinais de áudio e imagem, como
reconhecimento de voz para assistentes virtuais ou detecção de objetos em imagens.
5. Recomendação: Gerar sugestões para usuários com base em seus interesses, como
recomendações de música ou filmes.
6. Previsão: Prever eventos futuros, como previsão de vendas ou demanda por energia elétrica.
Aplicações de aprendizado supervisionado
Exemplo 01: Classificação de imagens
 Aplicações de aprendizado supervisionado
Exemplo 02: Predição de preço de casas
baseado em suas informações: quantidade
de quartos, banheiros, bairro, cidade…
Aplicações de aprendizado supervisionado

O texto abaixo se trata de um problema de regressão ou classificação?

Um gerente de uma empresa deseja encontrar uma solução que o ajude a prever
a quantidade de peças de roupas que serão vendidas no próximo mês, com base
no histórico de vendas da empresa.
Aplicações de aprendizado supervisionado

Baseado na questão anterior. Se o gerente mudasse de ideia e decidisse por uma

solução que falasse que o mês de vendas será (bom ou ruim). Que tipo de
abordagem você utilizaria?
Aprendizado não-supervisionado
1. Aprendizado não-supervisionado é uma técnica de aprendizado de máquina na qual
o algoritmo é treinado com dados não rotulados, sem uma saída esperada específica.
2. Descobrindo padrões: O objetivo do aprendizado não-supervisionado é descobrir
padrões ou relações nos dados sem a direção externa de exemplos rotulados.
3. Tipos de tarefas: clustering (agrupamento), redução de dimensionalidade e detecção
de anomalia.
4. Vantagens: capacidade de lidar com grandes volumes de dados não rotulados e a
capacidade de descobrir relações ocultas nos dados.
5. Limitações: dificuldade de avaliar os resultados e pode ser afetado por ruído ou
outliers (pontos fora da curva) nos dados.
Aprendizado não-supervisionado
Aprendizado não-supervisionado

Exemplo 03: Clusterização de tipos de filmes a partir de suas informações

Aprendizado por reforço
Conceito: Aprendizagem por reforço é uma forma de aprendizado onde o comportamento é
ajustado com base nas consequências imediatas. A ação é reforçada se resultar em uma
recompensa, ou não reforçada se resultar em uma punição.

● Reforço positivo: O reforço positivo é a adição de uma recompensa após a ação, com a
intenção de aumentar a probabilidade de repetição da ação no futuro.
● Reforço negativo: O reforço negativo é a remoção de um estímulo negativo após a ação,
com a intenção de aumentar a probabilidade de repetição da ação no futuro.
● Extinção: Extinção é o processo de deixar de reforçar uma ação, o que leva a uma
diminuição gradual na probabilidade de repetição da ação.
● Aplicações: games e robótica (Assistir AlphaGo no youtube)
 Aprendizado por reforço

Desempenho inicial do agente: Após 15 minutos de treinamento: Após 30 minutos de treinamento:

Empresas que utilizam IA para melhorar seus
produtos e serviços
Perguntas…

1. Como diferenciar aprendizado de máquina de programação convencional?

2. O que é aprendizado supervisionado?
3. O que é aprendizado não supervisionado?
4. Qual é a principal diferença entre aprendizado supervisionado e aprendizado não
supervisionado?
5. Como a classificação se diferencia da regressão em termos de problemas de
aprendizado de máquina e tipos de saídas?
Dúvidas???
Bibliografia básica

GÉRON, Aurélien. Mãos à Obra: Aprendizado de Máquina com

Scikit-Learn & TensorFlow. Alta Books, 2019.
Bibliografia básica

GRUS, Joel. Data Science do zero: Primeiras regras com o

Python. Alta books, 2019.
Bibliografia básica

BRUCE, Andrew; BRUCE, Peter. Estatística Prática para Cientistas de

Dados. Alta Books, 2019.
Bibliografia básica

McKinney, Wes. Python para análise de dados: Tratamento de dados

com Pandas, NumPy e IPython. Novatec Editora
 Bibliografia básica

Cap 62 e 63:

https://www.deeplearningbook.com.br/