Machine Learning
Conceitos sobre aprendizagem de Máquina
A ideia
Problema Solução
Perguntas Respostas
Concept
Machine Learning (Aprendizado de Máquina) é uma área de
IA cujo objetivo é o desenvolvimento de técnicas
computaci...
Definição
É a área de estudo que dá aos computadores a capacidade de
aprender sem serem explicitamente programados.
Diz-se...
A inferência indutiva
A indução é a forma de inferência lógica que permite obter conclusões genéricas sobre um conjunto pa...
Formas de Aprendizado Indutivo
• SUPERVISIONADO
No aprendizado supervisionado é fornecido ao algoritmo de aprendizado, ou ...
Fluxograma
Aprendizado
Indutivo
Aprendizado
Supervisionado
Classificação Regressão
Aprendizado
Não
Supervisionado
SUPERVISIONADO
Requisitos:
Deve haver dados de treino. Todos os algoritmos supervisionados devem ser “treinados” com dados...
Não Supervisionado
Deixamos o computador aprender por si.
Através de um conjuntos de dados, o algoritmo deve ser capaz de ...
Modelos
Exemplos
Regressão Logística
Prever o valor de venda de casas, sabendo o tamanho em m², o número de quartos e a respectiva...
Exemplos
Não supervisionado
• Catalogar e agrupar automaticamente fotos sobre o mesmo tema
• Identificar segmentos do merc...
Algoritmos
A fim de retornar os melhores resultados, os algoritmos
desempenha uma função crucial para isso.
Ainda que AM s...
Algoritmos
Escolha a vontade!!!
• K-means clustering
• Cobweb clustering
• DBScan
• Single-linkage clustering
• Neighbor j...
Coeficiente de Linearidade
Regressão Linear
Investimento Lucro Tendência
30 430
21 335
35 520
42 490
37 470
20 210
8 195
17 270
35 400
25 480
Média 3...
Regressão Linear
Investimento Lucro Tendência
30 430 409,213
21 335 321,5701
35 520 457,9035
42 490 526,0702
37 470 477,37...
Vídeo - Watson
CLIQUE NA IMAGEM PARA ASSISTIR AO VÍDEO
ou acesse: https://www.youtube.com/watch?v=Zct7M5j3Bls
Estudo de Caso
Cursos online:
Pergunta: Qual aluno desistirá antes de
concluir o curso?
Hipóteses de desistência:
O aluno ...
Questionamentos e agrupamentos
O que posso fazer para evitar que o aluno desista?
Alunos = []
Alunos << [12, 150, 3, 15]
A...
MeetUp
Café com Dados
Até a próxima
http://www.alfaconcursos.com.br/cafe-com-dados
Saiba mais sobre o Café Com Dados
Upcoming SlideShare
Loading in …5
×

AlfaCon LABs - Meetup Machine Learning (03/07/2014)

346 views
275 views

Published on

Machine Learning / Data Mining / Support Vector Machines (SVM)

Published in: Technology
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
346
On SlideShare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
7
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide
  • No modo Apresentação de Slides, clique na seta para entrar no PowerPoint Getting Started Center.
  • AlfaCon LABs - Meetup Machine Learning (03/07/2014)

    1. 1. Machine Learning Conceitos sobre aprendizagem de Máquina
    2. 2. A ideia Problema Solução Perguntas Respostas
    3. 3. Concept Machine Learning (Aprendizado de Máquina) é uma área de IA cujo objetivo é o desenvolvimento de técnicas computacionais sobre o aprendizado bem como a construção de sistemas capazes de adquirir conhecimento de forma automática. Um sistema de aprendizado é um programa de computador que toma decisões baseado em experiências acumuladas através da solução bem sucedida de problemas anteriores.
    4. 4. Definição É a área de estudo que dá aos computadores a capacidade de aprender sem serem explicitamente programados. Diz-se que é um problema de Machine Learning quando: Um programa de computador (P) aprende a partir da experiência (E) na realização de uma determinada tarefa (T) e com uma determinada medida de performance (Pe). Se sua Pe aumenta na realização de T, aumenta E.
    5. 5. A inferência indutiva A indução é a forma de inferência lógica que permite obter conclusões genéricas sobre um conjunto particular de exemplos. Na indução, um conceito é aprendido efetuando-se inferência indutiva sobre os exemplos apresentados. Portanto, as hipóteses geradas através da inferência indutiva podem ou não preservar a verdade. Arquimedes KeplerDarwin
    6. 6. Formas de Aprendizado Indutivo • SUPERVISIONADO No aprendizado supervisionado é fornecido ao algoritmo de aprendizado, ou indutor, um conjunto de exemplos de treinamento para os quais o rótulo da classe associada é conhecido. • NÃO SUPERVISIONADO No aprendizado não-supervisionado, o indutor analisa os exemplos fornecidos e tenta determinar se alguns deles podem ser agrupados de alguma maneira, formando agrupamentos ou clusters
    7. 7. Fluxograma Aprendizado Indutivo Aprendizado Supervisionado Classificação Regressão Aprendizado Não Supervisionado
    8. 8. SUPERVISIONADO Requisitos: Deve haver dados de treino. Todos os algoritmos supervisionados devem ser “treinados” com dados previamente separados para esse fim. • Regressão Logística: Faz previsão de dados contínuos (Preços, quantidades, temperaturas, etc) • Classificação: Faz previsão de dados discretos. (Verificar spam, operações fraudulentas online, tipo de imagem, etc)
    9. 9. Não Supervisionado Deixamos o computador aprender por si. Através de um conjuntos de dados, o algoritmo deve ser capaz de identificar clusters (grupos distintos) Ex. Agrupar notícias sobre o mesmo assunto
    10. 10. Modelos
    11. 11. Exemplos Regressão Logística Prever o valor de venda de casas, sabendo o tamanho em m², o número de quartos e a respectiva idade. Classificação Detecção de SPAM. Analisa-se e-mails e classifica-os como sendo spam ou não Detecção de Anomalias/Fraudes: Analisa os indicadores de um equipamento e classifica-o como tendo uma anomalia ou não. Analisa o comportamento do utilizador num website e classifica a possibilidade de atividade fraudulenta.
    12. 12. Exemplos Não supervisionado • Catalogar e agrupar automaticamente fotos sobre o mesmo tema • Identificar segmentos do mercado através de elementos recolhidos do perfil dos consumidores e do tipo de consumo, para fazer promoções ou publicidade dirigida.
    13. 13. Algoritmos A fim de retornar os melhores resultados, os algoritmos desempenha uma função crucial para isso. Ainda que AM seja uma ferramenta poderosa para a aquisição automática de conhecimento, deve ser observado que não existe um único algoritmo que apresente o melhor desempenho para todos os problemas.
    14. 14. Algoritmos Escolha a vontade!!! • K-means clustering • Cobweb clustering • DBScan • Single-linkage clustering • Neighbor joining • Self-organizing maps • Etc.....
    15. 15. Coeficiente de Linearidade
    16. 16. Regressão Linear Investimento Lucro Tendência 30 430 21 335 35 520 42 490 37 470 20 210 8 195 17 270 35 400 25 480 Média 380 Investimento X Lucro y = 9.7381x + 117.07 R² = 0.7385 0 100 200 300 400 500 600 0 5 10 15 20 25 30 35 40 45
    17. 17. Regressão Linear Investimento Lucro Tendência 30 430 409,213 21 335 321,5701 35 520 457,9035 42 490 526,0702 37 470 477,3797 20 210 311,832 8 195 194,9748 17 270 282,6177 35 400 457,9035 25 480 360,5225 Média 380 379,9987 Investimento X Lucro y = 9.7381x + 117.07 R² = 0.7385 0 100 200 300 400 500 600 0 5 10 15 20 25 30 35 40 45
    18. 18. Vídeo - Watson CLIQUE NA IMAGEM PARA ASSISTIR AO VÍDEO ou acesse: https://www.youtube.com/watch?v=Zct7M5j3Bls
    19. 19. Estudo de Caso Cursos online: Pergunta: Qual aluno desistirá antes de concluir o curso? Hipóteses de desistência: O aluno está: 1. Desmotivado 2. Desiludido 3. Decepcionado 4. Contente ....
    20. 20. Questionamentos e agrupamentos O que posso fazer para evitar que o aluno desista? Alunos = [] Alunos << [12, 150, 3, 15] Alunos << [4, 170,12, 25] Alunos << [1, 10, 3, 25] Alunos << [ 12, 20, 31, 15] Labels = [1, 1, 0, 0] Juremo = [6, 140, 25, 10] Model.predict(Node.feature(Juremo))
    21. 21. MeetUp Café com Dados Até a próxima http://www.alfaconcursos.com.br/cafe-com-dados Saiba mais sobre o Café Com Dados

    ×