Introdução Machine Learning (Parte 1)


Olá galera, estou começando meus estudos sobre aprendizado de maquina, e para fixar venho compartilhar com vocês sobre esse grande e poderoso assunto.

Aprendizado de maquina ou Machine Learning o que é isso ?
É o campo de estudo que permite que computadores tenham a habilidade de aprender sem que sejam explicitamente programados”

Trata-se do projeto e desenvolvimento de algoritmos que imitam o comportamento humano, com foco principal em aprender automaticamente a reconhecer padrões complexos e tomar decisões.

O que é aprender?

Do ponto de vista humano → Aprender através das experiências
Do ponto de vista das máquinas → Aprender através dos dados

…Quais as partes importantes do aprendizado?

Lembrar e adaptar

Computadores devem modificar ou adaptar suas ações para que sejam cada vez mais precisas. A precisão é medida pelo quão bem as ações escolhidas refletem as corretas

A ideia de fazer o computador aprender surgiu de diversas áreas, como neurociência, biologia, estatística, matemática e física.

Os tipos de aprendizado:

Aprendizado Supervisionada (Supervised Learning)
Aprendizado Não Supervisionada (Unsupervised Learning)
Aprendizado por Reforço (Reinforcement Learning)
Aprendizado Evolucionário (Evolutionary Learning)

Existem varios tipos de aprendizado porém existe 2 grupos que é essencial conhecer, elas são:

O cientista de dados será o cara que deverá saber quando usar e qual tipo de aprendizado terá que usar e qual mais se adapta para o devido a sua solução.

1 – Aprendizado Supervisionado (Supervized Learning)
È apresentando ao computador exemplos de saída e de entrada desejado, ou seja, é informado uma informação prévia

Exemplo: Predição do valor de preços de casas em uma certa região.

Basicamente você tem um conjunto de treino que alimentará um algoritimo de aprendizado e esse algoritimo irá gerar uma função matematica de hipóteses, e será capaz de estimar o preço da casa basedo no tamanho da casa por exemplo, essa função é tipo uma função matematica. Pode se dizer que o preço da casa cresce linearmente com o tamanho da casa ou pela quantidade de crime

2 – Aprendizado nao supervisionado (Unsepervized Learning)

Respostas corretas não são fornecidas, ao invés o algoritmo tenta identificar similaridades entre as entradas para que elas tenham algo em comum e assim serem categorizadas juntas.
A rede tem de descobrir sozinha relações, padrões, regularidades ou categorias nos dados que lhe vão sendo apresentados e codificá-las nas saídas.

Exemplo: Agrupamento de imagens semelhantes

Tipos de Algoritmos
Classificação:
Decide o quanto um item pertence a uma categoria em particular
Você tem itens, e baseado em caracteristicas você quer classifica-lo

Regressão: Quando uma valor estiver sendo previsto esse aprendizado será chamado de Regressão

Agrupamento:
Essa técnica que tenta agrupar itens com base em algum tipo de semelhança.

Associação:

Sumarização:

Tipos de análises

Aprendizado de máquina pode ser utilizado para:

Detecção de SPAM
Fraude em cartões de crédito
Detecção de invasão na rede
Diagnósticos médicos
Análise de sentimento
Sistemas de recomendação
Predições
Reconhecimento de padrões e imagem.
Motores de busca
Filtragem de spams no e-mail.
Reconhecimento de fala e escrita
Locomoção de robôs
Carros autonomos
..entre outros.

 

Obrigado pela visita e até a proxima.

Abraços!

Share on FacebookTweet about this on TwitterShare on LinkedIn

One thought on “Introdução Machine Learning (Parte 1)


Escreva um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *