Introducao a machine learning na educacao
Upcoming SlideShare
Loading in...5
×
 

Like this? Share it with your network

Share

Introducao a machine learning na educacao

on

  • 4,165 views

 

Statistics

Views

Total Views
4,165
Views on SlideShare
4,160
Embed Views
5

Actions

Likes
7
Downloads
58
Comments
0

3 Embeds 5

https://si0.twimg.com 2
https://twitter.com 2
https://twimg0-a.akamaihd.net 1

Accessibility

Categories

Upload Details

Uploaded via as Apple Keynote

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n

Introducao a machine learning na educacao Presentation Transcript

  • 1. Uma introdução aMachine Learning Guilherme Silveira http://www.caelum.com.br
  • 2. a idéia
  • 3. a idéiaproblemasperguntas
  • 4. a idéiaproblemas soluçõesperguntas respostas
  • 5. quem sou eu
  • 6. quem sou eu
  • 7. quem sou eu
  • 8. casa ==> caelum
  • 9. decidi ir de carro
  • 10. decidi ir de carro <== piada
  • 11. pego o carro...
  • 12. pego o carro...
  • 13. pego o carro...
  • 14. assisto o trânsito de camarote
  • 15. decidi ir de metrô
  • 16. quem conhece são paulo?
  • 17. quem conhece são paulo?quem conhece o metrô em são paulo?
  • 18. Problema?
  • 19. Problema? vista interna
  • 20. além do trânsito
  • 21. além do trânsitominha vida pessoal
  • 22. mudança
  • 23. o preço dos imóveis Tamanho Preço 100 750000 200 860000está caro? 150 977000 140 81900 160 984000 180 1127000 130 638000 80 647000 40 346000
  • 24. p: qual um preço justo para esse imóvel?
  • 25. está caro?
  • 26. regressão linear f(x) = ax + b
  • 27. planilha
  • 28. planilha
  • 29. planilha
  • 30. planilhapreço = 5053x + 57758
  • 31. planilhapreço = 5053x + 57758
  • 32. regressão linear f(x) = ax + b
  • 33. regressão linear f(x) = ax + b
  • 34. regressão linear f(x) = ax + bpolinômios f(x) = a + bx + cx^2 + ... + dx^n
  • 35. regressão linear f(x) = ax + bpolinômios f(x) = a + bx + cx^2 + ... + dx^n
  • 36. regressão linear f(x) = ax + b polinômios f(x) = a + bx + cx^2 + ... + dx^npreço = a + ... + dx^n
  • 37. p: como estimar o valor de algo? possível resposta: regressão
  • 38. p: como estimar o valor de algo? possível resposta: regressão p: qual a nota que o aluno vai tirar na prova final?
  • 39. p: como estimar o valor de algo? possível resposta: regressão p: qual a nota que o aluno vai tirar na prova final?p: qual será a nota do hipólito na próxima olimpíada?
  • 40. p: como estimar o valor de algo? possível resposta: regressão p: qual a nota que o aluno vai tirar na prova final?p: qual será a nota do hipólito na próxima olimpíada? p: quanto tempo os alunos precisarão para essa prova?
  • 41. simplicidade++ bizarro--
  • 42. função Brad Pitt
  • 43. função Brad Pitt (a função perfeita?)
  • 44. função Brad Pitt (a função perfeita?)
  • 45. e o número de dormitórios?Tamanho Preço 100 750000 200 860000 150 977000 140 81900 160 984000 180 1127000 130 638000 80 647000 40 346000
  • 46. e o número de dormitórios?Tamanho Dormitório Preço 100 2 750000 200 3 860000 150 4 977000 140 3 81900 160 3 984000 180 4 1127000 130 3 638000 80 3 647000 40 1 346000
  • 47. bibliotecashttp://commons.apache.org/math/http://math.nist.gov/javanumerics/jama/http://mahout.apache.org/google: language + regression
  • 48. chego no trabalho
  • 49. abro os emails
  • 50. p: classificação
  • 51. p: classificação É spamzis!
  • 52. p: classificação É spamzis! Não é!
  • 53. p: classificação É spamzis! Não é!
  • 54. p: classificação É spamzis! 1 Não é!
  • 55. p: classificação É spamzis! 1 Não é! 0
  • 56. treino!
  • 57. valido!
  • 58. p: ele é 1?
  • 59. p: ele é 1?
  • 60. p: ele é 1? acredito que sim, com chance de 78%
  • 61. lista com 1000 itens
  • 62. lista com 1000 itensclassificação humana
  • 63. lista com 1000 itensclassificação humana
  • 64. lista com 1000 itensclassificação treino da humana máquina
  • 65. lista com 800 itens lista com 1000 itensclassificação treino da humana máquina
  • 66. lista com 800 itens lista com 1000 itensclassificação treino da valida a humana máquina qualidade
  • 67. lista com 800 itens lista com 1000 itens lista com 200 itensclassificação treino da valida a humana máquina qualidade
  • 68. 99% de acerto lista com 800 itens lista com 1000 itens lista com 200 itensclassificação treino da valida a humana máquina qualidade
  • 69. p: ele é 1?r: regressão logística
  • 70. p: ele é 1?r: regressão logística
  • 71. p: ele é 1?r: regressão logística chance de x%
  • 72. p: o email é spam?
  • 73. p: o email é spam?p: o aluno está com dificuldade?
  • 74. p: o email é spam?p: o aluno está com dificuldade?p: o aluno domina o conteúdo?
  • 75. p: o email é spam?p: o aluno está com dificuldade?p: o aluno domina o conteúdo?p: qual a chance do aluno acertar esse exercício?
  • 76. p: o email é spam?p: o aluno está com dificuldade?p: o aluno domina o conteúdo?p: qual a chance do aluno acertar esse exercício?p: qual a chance de essa imagem ser o número 3? ou 8?
  • 77. p: o email é spam?p: o aluno está com dificuldade?p: o aluno domina o conteúdo?p: qual a chance do aluno acertar esse exercício?p: qual a chance de essa imagem ser o número 3? ou 8?p: qual a chance de essa imagem ser um cancêr?
  • 78. nota: simplificações desses problemas
  • 79. e o cartão de credito?
  • 80. você gastou 50 dia 30 loja 15
  • 81. você gastou 30 dia 30 loja 17
  • 82. você gastou 25 dia 30 loja 21
  • 83. você gastou 25 dia 30 loja 21
  • 84. você gastou 2500 dia 30 loja 7
  • 85. dia valor loja30 30 1530 35 1730 100 81 37 930 2500 7
  • 86. dia valor loja label30 30 15 030 35 17 030 100 8 01 37 9 030 2500 7 1
  • 87. dia valor loja label30 30 15 030 35 17 030 100 8 01 37 9 030 2500 7 1
  • 88. dia valor loja label30 30 15 030 35 17 030 100 8 01 37 9 030 2500 7 1
  • 89. dia valor loja label30 30 15 030 35 17 030 100 8 01 37 9 030 2500 7 1
  • 90. dia valor loja label30 30 15 030 35 17 030 100 8 01 37 9 030 2500 7 1
  • 91. dia valor loja label30 30 15 030 35 17 030 100 8 01 37 9 030 2500 7 1 treina
  • 92. dia valor loja label30 30 15 030 35 17 030 100 8 01 37 9 030 2500 7 1 treina
  • 93. dia valor loja label30 30 15 030 35 17 030 100 8 01 37 9 030 2500 7 1 valida
  • 94. dia valor loja label30 30 15 030 35 17 0 37% de acerto30 100 8 01 37 9 030 2500 7 1 valida
  • 95. dia valor loja label30 30 15 030 35 17 0 37% de acerto30 100 8 01 37 9 030 2500 7 1 valida
  • 96. dia valor loja label30 30 15 030 35 17 0 37% de acerto30 100 8 01 37 9 030 2500 7 1 eu continuo roubando valida
  • 97. regressão logística é, em geral, linear ou lerdíssima
  • 98. regressão logística é, em geral, linear ou lerdíssima regularização
  • 99. regressão logística é, em geral, linear ou lerdíssima regularização polinômios
  • 100. regressão logística é, em geral, linear ou lerdíssima regularização polinômios outras
  • 101. dia valor loja label30 30 15 030 35 17 030 100 8 01 37 9 030 2500 7 1
  • 102. dia valor loja label30 30 15 030 35 17 030 100 8 01 37 9 030 2500 7 1
  • 103. dia valor loja label30 30 15 0 treina30 35 17 030 100 8 01 37 9 030 2500 7 1
  • 104. dia valor loja label30 30 15 0 treina30 35 17 030 100 8 01 37 9 030 2500 7 1 treina
  • 105. dia valor loja label30 30 15 030 35 17 030 100 8 01 37 9 030 2500 7 1 treinadia valor loja label30 30 15 030 35 17 030 100 8 01 37 9 030 2500 7 1 treina
  • 106. dia valor loja label30 30 15 030 35 17 030 100 8 01 37 9 0 treina30 2500 7 1 treinadia valor loja label30 30 15 030 35 17 030 100 8 01 37 9 030 2500 7 1 treina
  • 107. dia valor loja label30 30 15 030 35 17 030 100 8 01 37 9 0 treina30 2500 7 1 treinadia valor loja label treina30 30 15 030 35 17 030 100 8 01 37 9 030 2500 7 1 treina
  • 108. dia valor loja label30 30 15 030 35 17 030 100 8 01 37 9 0 treina30 2500 7 1 treinadia valor loja label treina30 30 15 030 35 17 030 100 8 01 37 9 030 2500 7 1 treina treina
  • 109. dia valor loja label 30 30 15 0 30 35 17 0 30 100 8 0 1 37 9 0 30 2500 7 1 dia treina valor loja label 30 30 15 0treina 30 35 17 0 30 100 8 0 1 37 9 0 30 2500 7 1 treina dia valor loja label 30 30 15 0 30 35 17 0 30 100 8 0treina 1 37 9 0 30 2500 7 1 treina
  • 110. dia valor loja label 30 30 15 0 30 35 17 0 30 100 8 0 1 37 9 0 30 2500 7 1 dia treina valor loja label 30 30 15 0treina 30 35 17 0 30 100 8 0 1 37 9 0 30 2500 7 1 treina treina dia valor loja label 30 30 15 0 30 35 17 0 30 100 8 0treina 1 37 9 0 30 2500 7 1 treina
  • 111. dia valor loja label treina 30 30 15 0 30 35 17 0 30 100 8 0treina 1 37 9 0 30 2500 7 1 treina treinatreina treina
  • 112. 87% de acerto dia valor loja label treina 30 30 15 0 30 35 17 0 30 100 8 0treina 1 37 9 0 30 2500 7 1 treina treinatreina treina
  • 113. 87% de acerto dia valor loja label treina 30 30 15 0 30 35 17 0 30 100 8 0 treina 1 37 9 0 30 2500 7 1 treina treina treinao seu telefone toca treina
  • 114. 87% de acerto dia valor loja label treina 30 30 15 0 30 35 17 0 30 100 8 0 treina 1 37 9 0 30 2500 7 1 treina treina treinao seu telefone toca treina
  • 115. p: o email é spam?http://neuroph.sourceforge.net/
  • 116. p: o email é spam?p: essa movimentação é uma fraude? http://neuroph.sourceforge.net/
  • 117. p: o email é spam?p: essa movimentação é uma fraude?p: qualquer pergunta sim/não como antes? http://neuroph.sourceforge.net/
  • 118. acesso o“banco.caelum.com.br”
  • 119. dia valor loja30 30 MAX PAD30 35 MUNI TR30 149 CAELUM1 499 FACULDADE30 5 BUTECO
  • 120. dia valor loja o que é isso?30 30 MAX PAD30 35 MUNI TR30 149 CAELUM1 499 FACULDADE30 5 BUTECO
  • 121. o que é isso?dia valor loja o que é isso?30 30 MAX PAD30 35 MUNI TR30 149 CAELUM1 499 FACULDADE30 5 BUTECO
  • 122. o que é isso?dia valor loja o que é isso?30 30 MAX PAD30 35 MUNI TR30 149 CAELUM1 499 FACULDADE alimentação30 5 BUTECO
  • 123. o que é isso?dia valor loja o que é isso?30 30 MAX PAD30 35 MUNI TR profissional30 149 CAELUM1 499 FACULDADE alimentação30 5 BUTECO
  • 124. o que é isso?dia valor loja o que é isso?30 30 MAX PAD profissional30 35 MUNI TR profissional30 149 CAELUM1 499 FACULDADE alimentação30 5 BUTECO
  • 125. p: a movimentação 15 é?
  • 126. p: a movimentação 15 éentretenimento ou não? (0 ou 1)
  • 127. p: a movimentação 15 éentretenimento ou não? (0 ou 1) p: a movimentação 15 é alimentação ou não? (0 ou 1)
  • 128. p: a movimentação 15 éentretenimento ou não? (0 ou 1) p: a movimentação 15 é alimentação ou não? (0 ou 1) p: a movimentação 15 é profissional ou não? (0 ou 1)
  • 129. dia valor loja categoria30 30 MAX PAD alimentação30 35 MUNI TR transporte30 149 CAELUM profissional1 499 FACULDADE profissional30 5 BUTECO alimentação
  • 130. dia valor loja categoria30 30 MAX PAD alimentação30 35 MUNI TR transporte onde estão os30 149 CAELUM 0 e 1? profissional1 499 FACULDADE profissional30 5 BUTECO alimentação
  • 131. dia valor loja categoria30 30 MAX PAD 030 35 MUNI TR 130 149 CAELUM 21 499 FACULDADE 230 5 BUTECO 0
  • 132. dia valor loja categoria30 30 MAX PAD 030 35 MUNI TR 1 é 0, 1 ou 2?30 149 CAELUM 21 499 FACULDADE 230 5 BUTECO 0
  • 133. dia valor loja categoria30 30 MAX PAD é30 35 MUNI TR resto30 149 CAELUM resto1 499 FACULDADE é30 5 BUTECO resto
  • 134. dia valor loja categoria30 30 MAX PAD é30 35 MUNI TR resto é 0 ou o resto?30 149 CAELUM 77% resto1 499 FACULDADE é30 5 BUTECO resto
  • 135. dia valor loja categoria30 30 MAX PAD resto30 35 MUNI TR é30 149 CAELUM resto1 499 FACULDADE resto30 5 BUTECO é
  • 136. dia valor loja categoria30 30 MAX PAD resto30 35 MUNI TR é é 1 ou o resto?30 149 CAELUM 53% resto1 499 FACULDADE resto30 5 BUTECO é
  • 137. dia valor loja categoria30 30 MAX PAD resto30 35 MUNI TR resto30 149 CAELUM é1 499 FACULDADE é30 5 BUTECO resto
  • 138. dia valor loja categoria30 30 MAX PAD resto30 35 MUNI TR resto é 2 ou o resto?30 149 CAELUM 64% é1 499 FACULDADE é30 5 BUTECO resto
  • 139. dia valor loja label30 30 15 030 35 17 030 100 8 01 37 9 130 2500 7 0dia valor loja label30 30 15 130 35 17 030 100 8 01 37 9 030 2500 7 1dia valor loja label30 30 15 030 35 17 130 100 8 11 37 9 030 2500 7 0
  • 140. dia valor loja label30 30 15 030 35 17 030 100 8 01 37 9 130 2500 7 0dia valor loja label30 30 15 130 35 17 030 100 8 01 37 9 030 2500 7 1dia valor loja label30 30 15 030 35 17 130 100 8 11 37 9 030 2500 7 0
  • 141. dia valor loja label30 30 15 030 35 17 030 100 8 01 37 9 130 2500 7 0 entretenimentodia valor loja label30 30 15 130 35 17 030 100 8 01 37 9 030 2500 7 1dia valor loja label30 30 15 030 35 17 130 100 8 11 37 9 030 2500 7 0
  • 142. dia valor loja label30 30 15 030 35 17 030 100 8 01 37 9 130 2500 7 0 entretenimentodia valor loja label30 30 15 130 35 17 030 100 8 01 37 9 030 2500 7 1 alimentaçãodia valor loja label30 30 15 030 35 17 130 100 8 11 37 9 030 2500 7 0
  • 143. dia valor loja label 30 30 15 0 30 35 17 0 30 100 8 0 1 37 9 1 30 2500 7 0entretenimento dia valor loja label 30 30 15 1 30 35 17 0 30 100 8 0 1 37 9 0 30 2500 7 1 alimentação dia valor loja label 30 30 15 0 30 35 17 1 30 100 8 1 1 37 9 0 30 2500 7 0 profissional
  • 144. dia valor loja label 30 30 15 0 30 35 17 077% 30 100 8 0 1 37 9 1 30 2500 7 0 entretenimento dia valor loja label 30 30 15 1 30 35 17 0 30 100 8 0 1 37 9 0 30 2500 7 1 alimentação dia valor loja label 30 30 15 0 30 35 17 1 30 100 8 1 1 37 9 0 30 2500 7 0 profissional
  • 145. dia valor loja label 30 30 15 0 30 35 17 077% 30 100 8 0 1 37 9 1 30 2500 7 0 entretenimento dia valor loja label 30 30 15 153% 30 35 17 0 30 100 8 0 1 37 9 0 30 2500 7 1 alimentação dia valor loja label 30 30 15 0 30 35 17 1 30 100 8 1 1 37 9 0 30 2500 7 0 profissional
  • 146. dia valor loja label 30 30 15 0 30 35 17 077% 30 100 8 0 1 37 9 1 30 2500 7 0 entretenimento dia valor loja label 30 30 15 153% 30 35 17 0 30 100 8 0 1 37 9 0 30 2500 7 1 alimentação dia valor loja label 30 30 15 064% 30 35 17 1 30 100 8 1 1 37 9 0 30 2500 7 0 profissional
  • 147. 77% entretenimento53% treina alimentação64% profissional
  • 148. entretenimento treina alimentação profissional
  • 149. entretenimentoentretenimento treina alimentação profissional
  • 150. entretenimentoentretenimento treina alimentação você ficou esperando o outro robô aparecer né? profissional
  • 151. One vs All
  • 152. p: dentre as categorias A,B,C a qual categoria ele pertence?
  • 153. p: dentre as categorias A,B,C a qual categoria ele pertence? p: o aluno está motivado, desanimado, desiludido, decepcionado, contente ou malandrão?
  • 154. o aluno não terminou :(
  • 155. será que eu poderia ter ajudado ele?
  • 156. qto tempo em cada exercício?
  • 157. qto tempo em cada exercício? alunos = [] alunos << [12, 150, 3, 15] alunos << [4, 170, 32, 25] alunos << [1, 10, 3, 25] alunos << [12, 20, 31, 15]
  • 158. se ele termina o curso em 3 meses ou não
  • 159. se ele termina o curso em 3 meses ou nãoalunos = []alunos << [12, 150, 3, 15]alunos << [4, 170, 32, 25]alunos << [1, 10, 3, 25]alunos << [12, 20, 31, 15]
  • 160. se ele termina o curso em 3 meses ou nãoalunos = []alunos << [12, 150, 3, 15]alunos << [4, 170, 32, 25]alunos << [1, 10, 3, 25]alunos << [12, 20, 31, 15] labels = [1, 1, 0, 0]
  • 161. treina
  • 162. treina
  • 163. treina
  • 164. treina
  • 165. e o guilherme?
  • 166. e o guilherme?guilherme = [6, 140, 25, 10]
  • 167. e o guilherme?guilherme = [6, 140, 25, 10]model.predict(Node.features(guilherme))
  • 168. adivinhe!
  • 169. SVM
  • 170. SVM
  • 171. dados fake
  • 172. dados fakealunos = []alunos << [12, 150, 3, 15]alunos << [4, 170, 32, 25]alunos << [1, 10, 3, 25]alunos << [12, 20, 31, 15]
  • 173. dados fakealunos = []alunos << [12, 150, 3, 15]alunos << [4, 170, 32, 25]alunos << [1, 10, 3, 25]alunos << [12, 20, 31, 15] labels = [1, 1, 0, 0]
  • 174. dados reais
  • 175. dados reais
  • 176. dados reaisC utilizado ACERTOS NO TREINO PREVISOES COM AC0.08! 93.18%! 85.71%
  • 177. dados reaisC utilizado ACERTOS NO TREINO PREVISOES COM AC0.08! 93.18%! 85.71%C utilizado! ! ACERTOS NO TREINO!PREVISOES0.001! ! ! 70.45454545454545!61.904761904761900.04! ! ! 88.63636363636364!71.428571428571430.08! ! ! 93.18181818181819!85.714285714285710.2! ! ! 100.0! ! ! 100.0
  • 178. dados reaisC utilizado ACERTOS NO TREINO PREVISOES COM AC0.08! 93.18%! 85.71%C utilizado! ! ACERTOS NO TREINO!PREVISOES0.001! ! ! 70.45454545454545!61.904761904761900.04! ! ! 88.63636363636364!71.428571428571430.08! ! ! 93.18181818181819!85.714285714285710.2! ! ! 100.0! ! ! 100.0
  • 179. SVM para classificar (0,1, ...)
  • 180. p: dentre as categorias A,B,C a qual categoria ele pertence?
  • 181. p: dentre as categorias A,B,C a qual categoria ele pertence?p: o aluno vai desistir do curso? p: essa pessoa tem perfil de terrorista?
  • 182. grupos de alunos
  • 183. grupos de alunos
  • 184. grupos de alunos
  • 185. user id 15 ?? user id 17
  • 186. user id 15 ?? user id 17user id 15 ?==? user id 17
  • 187. user id 15 ?? user id 17 user id 15 ?==? user id 17333784321236738126783 ?==? 1238793923832178612397
  • 188. user id 15 ?? user id 17 user id 15 ?==? user id 17333784321236738126783 ?==? 1238793923832178612397 dificuldade != facilidade
  • 189. user id 15 ?? user id 17 user id 15 ?==? user id 17333784321236738126783 ?==? 1238793923832178612397 dificuldade != facilidade
  • 190. características em comum
  • 191. características em comum altura???
  • 192. características em comumnúmero de respostas erradas altura???
  • 193. características em comumnúmero de respostas erradas altura??? tempo gasto
  • 194. características em comumnúmero de respostas erradas altura??? tempo gasto número de exercícios feitos
  • 195. características em comumnúmero de respostas erradas altura??? tempo gasto número de exercícios feitos feedbacks dados
  • 196. características em comumnúmero de respostas erradas altura??? tempo gasto número de exercícios feitos feedbacks dados notas de feedback recebidos
  • 197. características em comumnúmero de respostas erradas altura??? tempo gasto número de exercícios feitos feedbacks dados notas de feedback recebidos likes
  • 198. características em comumnúmero de respostas erradas altura??? tempo gasto número de exercícios feitos feedbacks dados notas de feedback recebidos likes cursos
  • 199. características em comumnúmero de respostas erradas altura??? tempo gasto número de exercícios feitos feedbacks dados notas de feedback recebidos likes cursos quantidade de caracteres
  • 200. joga no plano
  • 201. olha eles aqui!
  • 202. chuta um pontoX X
  • 203. genialX X
  • 204. melhoraX X
  • 205. melhoraX X X
  • 206. melhoraX X X X
  • 207. melhoraX X X X
  • 208. melhoraX X X X
  • 209. e melhora...
  • 210. e melhora...e melhora...
  • 211. e melhora...e melhora...e melhora...
  • 212. e melhora...e melhora...e melhora...e melhora...
  • 213. e melhora...e melhora...e melhora...e melhora...e melhora...
  • 214. e melhora...e melhora...e melhora...e melhora...e melhora...e melhora...
  • 215. e melhora...e melhora...e melhora...e melhora...e melhora...e melhora...e melhora...
  • 216. esses são os grupos
  • 217. grupos esperados:muitas perguntas, poucos erros, muitos erros poucas perguntas poucos erros, poucas perguntas, ajuda bastante
  • 218. grupos esperados:Xmuitas perguntas, poucos erros, muitos erros poucas perguntas poucos erros, poucas perguntas, ajuda bastante
  • 219. grupos esperados:X Xmuitas perguntas, poucos erros, muitos erros poucas perguntas poucos erros, poucas perguntas, ajuda bastante
  • 220. grupos esperados:X Xmuitas perguntas, poucos erros, muitos erros poucas perguntas X poucos erros, poucas perguntas, ajuda bastante
  • 221. grupos encontrados:
  • 222. grupos encontrados:muitas perguntas, poucos erros
  • 223. grupos encontrados:muitas perguntas, muitos erros, poucos erros poucas perguntas
  • 224. grupos encontrados:muitas perguntas, muitos erros, poucos erros poucas perguntas muitos erros, poucas perguntas, ajuda bastante
  • 225. grupos encontrados:muitas perguntas, muitos erros, poucos erros poucas perguntas muitos erros, poucas perguntas, ajuda bastante entre outros
  • 226. p: como meus _____ se agrupam?
  • 227. p: como meus _____ se agrupam? p: como os alunos se comportam?
  • 228. p: como meus _____ se agrupam? p: como os alunos se comportam?p: como os instrutores se comportam?
  • 229. p: como meus _____ se agrupam? p: como os alunos se comportam?p: como os instrutores se comportam?p: como os exercícios se comportam?
  • 230. p: como meus clientes se agrupam?
  • 231. p: como meus clientes se agrupam?p: como meus produtos se agrupam?
  • 232. p: como meus clientes se agrupam?p: como meus produtos se agrupam?p: como minhas features se agrupam?
  • 233. p: como meus clientes se agrupam?p: como meus produtos se agrupam?p: como minhas features se agrupam?p: como os clientes usam o sistema?
  • 234. resumindo
  • 235. machine learning
  • 236. machine learningregressão linear
  • 237. machine learningregressão linear classificadores
  • 238. machine learningregressão linear classificadores redes neurais
  • 239. machine learningregressão linear classificadores redes neurais logistic
  • 240. machine learningregressão linear classificadores redes neurais logistic k-cluster
  • 241. a média de bugs de umaequipe é X
  • 242. a média de bugs de umaequipe é X“nessa equipe está Y”metricminer.org.br
  • 243. se usar o computador
  • 244. se usar o computador
  • 245. se usar o computador não dirija
  • 246. se beber não dirija
  • 247. se beber não dirija
  • 248. se ler, não dirija
  • 249. se ler, não dirija
  • 250. se falar, não dirija
  • 251. se falar, não dirija
  • 252. “carros” automáticos
  • 253. “carros” automáticos
  • 254. “carros” automáticos
  • 255. “carros” automáticos
  • 256. detectando...
  • 257. detectando...
  • 258. detectando...
  • 259. detectando...
  • 260. detectando...
  • 261. detectando...
  • 262. detectando... margem de erro
  • 263. o que você quer saber sobre um cliente?
  • 264. o que você quer saber sobre um cliente?o que o cliente quer saber sobre ele mesmo?
  • 265. o que você quer saber sobre um cliente? o que o cliente quer saber sobre ele mesmo?como os clientes se agrupam?
  • 266. o que você quer saber sobre um cliente? o que o cliente quer saber sobre ele mesmo?como os clientes se agrupam?como seus itens se agrupam?
  • 267. o que você quer saber sobre um cliente? o que o cliente quer saber sobre ele mesmo?como os clientes se agrupam?como seus itens se agrupam? quando o cliente fará algo?
  • 268. nós respondemos 2
  • 269. nós respondemos 2 levante as suas
  • 270. obrigado 1guilherme.silveira@caelum.com.br@guilhermecaelumhttp://caelum.com.br/online