Machine Learning: como ensinar uma máquina a aprender | Nerdologia Tech

[Música] sejam bem vindos ao neurologia até que eu sou átila biólogo pesquisador e treinador de inteligência artificial toda vez que eu tenho que provar que não sou robô oi tudo bem eu sou paulo programador e marqueteiro da lua cursos online de tecnologia e hoje a gente vai ver como podemos fazer as máquinas aprenderem truks conversar ou dirigir um carro eram feitos exclusivamente humanos até bem pouco tempo atrás e parecia que eu continuo a ser por um bom tempo mas com o aprendizado computacional o aprendizado de máquinas a gente já tem carros autônomos em teste e

falamos com assistentes e no ritmo que vai nem games vão ser exclusividade nossa tudo isso porque a gente ensinou as máquinas a aprender por um bom tempo tratamos os problemas de computação como se a gente tivesse que dar todas as instruções por exemplo se você quiser se inscrever um programa que joga o jogo da velha pode escrever algumas instruções bem simples se o oponente ocupa duas casas seguidas ocupe a terceira caso contrário se tiver algum movimento que cria duas linhas com duas casas ocupadas faça ele caso contrário se o espaço do centro estiver vazio ocupe

ele caso contrário seu oponente preencheu a quina preencha a cnaa contrária caso contrário se tiver máquina vazia preencha ela se nenhuma das condições acontecer pode preencher qualquer espaço vazio como pedro domingos conta em um algoritmo mestre esse algoritmo não perde no jogo da velha mas isso porque o jogo da velha bem simples agora no caso de um jogo de xadrez onde cada jogada têm em média 35 movimentos possíveis fazer um programa que cobrisse o passo a passo para todas as possibilidades de jogadas é inviável e situações ainda mais complexas como reconhecer a sarah connor fica

ainda mais difícil de criar regras do que fazer ao pé da letra mas a gente não precisa de regras podemos deixar o computador aprender e criar os próprios programas afinal nós mesmos precisamos aprender passamos um bom tempo com os pais parentes ou amigos apontando para o gato até a gente aprende a diferenciar um gato ou cachorro esse é o aprendizado supervisionado alguém que já sabia nos treinos é a mesma coisa que fazemos quando apontamos para o google fotos quem são as pessoas em uma foto ou quais imagens têm carros ou ônibus e um carro tinha

estamos supervisionando os algoritmos do google que estão aprendendo quem somos eo que dirigimos assim pelo menos treinamos os robôs da skynet para ir atrás do regal decerto aprendizado de máquina é justamente isso os a dados e testes para refinar como um programa um computador consegue fazer uma análise usando o mundo de dados coletados pela ciência de dados que a gente já explicou e um outro episódio tem vários algoritmos de aprendizado computacional supervisionado alguns para processar textos outros números outras imagens que a gente pode usar para as situações mais complexas do que a linha do tempo

de exterminador do futuro como aprender por exemplo a varrer o conteúdo de emails para detectar se o e mail spam ou um golpe ou detectar se uma transação bancária é legal ou se é uma fraude de alguém que roubou um cartão de crédito mas isso nem sempre precisa ser supervisionado só de reparar um pouco nos pokémons do desenho original é fácil de intuir como agrupar aqueles de água fogo ou psíquicos mesmo sem nunca ter jogado se ninguém ensina quais os agrupamentos que a gente está procurando nós mesmos inventam os grupos do mesmo jeito programas que

aprendi a clusterização podem dar respostas diferentes para cada problema que encontrou a netflix não precisa oferecer um cardápio só ela pode deixar o algoritmo aprender com base no que as pessoas assistem e oferecer opções mais personalizadas com base no que você já assistiu a própria lura agrupa as pessoas por áreas de interesse já que quem se interessa por uma área como design pode buscar cursos diferentes do que quem faz programação outro tipo de aprendizado que nós usamos é um aprendizado por reforço os seus pais podem ter usado o aprendizado supervisionado falando que encostar a chama

da vela faz do dói mas encostar a chama também sinalizam bem rápido e podemos fazer o mesmo para ensinar computadores com redes neurais como dillane o aprendizado profundo que imitam com o nosso cérebro funciona por exemplo para reconhecer se alguém a sarah connor uma rede neural pode usar a primeira camada o processamento pra quebrar a imagem em pixels a segunda camada com para um pixel com os vizinhos para ignorar os que são iguais e ficar com os que variam e definir o que é uma borda como o controle de um rosto uma terceira camada de

processamento com para as bordas para ver se elas formam um padrão com os olhos ou as sobrancelhas e outra camada compara esses padrões com os padrões da foto original da sacola se ele identificar corretamente o rosto as conexões que deram a informação correta são reforçadas e ganham mais peso e as outras rebaixadas uma rede treinada dessa forma pode se tornar tão boa e tão rápida e reconhecer padrões que pode inclusive dirigir um carro autônomo ou colocar um filtro de web jet no seu rosto esse tipo de estratégia de redes neurais profundas se tornou mais conhecida

a partir de 2012 e de lá pra cá mudou do que as máquinas são capazes de fazer se uma jogada de xadrez tem 35 movimentos possíveis um jogo de gota em mais de 250 posições por isso mesmo depois do deep blue ganhar do campeão mundial de xadrez kasparov 97 se imaginava que computadores tivessem há décadas de ser imbatíveis em vigor até um programa chamado alfa gol os a redes neurais profundas para analisar jogadas humanas e ganhar do campeão mundial de golo licitou em 2016 de 4 a 1 provavelmente a última vitória de humano contra as

máquinas um gol porque a versão seguinte o alfa o zero não usou nem aprendizado supervisionado ele só foi programado com as regras de gol e sem nunca ver uma jogada humana jogou contra si mesmo incontáveis vezes reforçando as estratégias que davam certo e esquecendo as que davam errado depois treinando ganhou do alfa gol anterior de 100 a 0 o próximo desafio provavelmente ganhar um jogo de estratégia como dota 2 ou starcraft que são bem mais próximos da vida real do que gol cada jogada tem milhares de movimentos possíveis não existem turnos claros como o xadrez

e não dá pra ver o tabuleiro todo de uma vez e saber tudo o que o adversário está construindo ou fazendo e dota dois profissionais humanos ainda controla o jogo inclusive foi um time brasileiro o pen que ganhou dos botes da upe ae na base da estratégia no jogo do campeonato internacional de 2018 e nenhum programa até hoje conseguiu durar mais alguns minutos contra o jogador profissional de sá craft e ainda pode levar décadas até a gente ter um método de aprendizado de máquinas capaz de lidar com os problemas que envolvem objetivos e pensamentos de

longo prazo mas isso é o que a gente pensava de gol até bem pouco tempo atrás e se você gosta de aprender e que aprender sobre aprendizado de máquinas a aluna cursos online de tecnologia têm carreiras em big data dentro da science e machine lane pra você tudo isso passando pelo básico de programação estatística e pitadas de matemática com uma didática que você vai realmente gostar tem muita ciência por trás dessas tecnologias mas cada vez são mais acessíveis para programadores e tecnólogos usarem sem precisar desenvolver todo o sistema de redes neurais de novo na luta

você vai ver o que tem por trás dessas tecnologias mas o mais importante você vai saber como aplicar no dia a dia de uma empresa que é exatamente o que o mercado precisa vai poder sugerir melhores produtos baseado nas compras antigas dos clientes saber classificar melhor as preferências e até tentar adivinhar o futuro comportamento do usuário trazendo as opções certas mais rapidamente e claro que a aluna tem a carreira the machine lane assim como a direita sais pra você e com 10% de desconto em aluna ponto com.br a promoção para supertec e nesse episódio o

livro que eu citei aqui é o algoritmo mestre do pedro domingos que é uma ótima introdução ao desafio de fazer as máquinas pensarem os tipos de aprendizado computacional que a gente tem e pra que eles são aplicados o único ponto que eu tenho um livro é uma área que tem avançado tanto que as técnicas e os feitos mais recentes ficaram de fora mas isso é inevitável e no episódio passado sobre a ciência de dados a gente falou pro pessoal checar qual o tema mais prometido e - entregue na neurologia e joão vinicius perguntou se não

tem um jeito mais fácil de saber isso do que tem que rever todos os vídeos que a gente já fez por mais que eu adoraria que vocês voltassem para ver de novo todos os episódios e esse é justamente o ponto da ciência de dados encontrar formas mais eficientes de extrair informação relevante já o engenheiro jorge falou que existem técnicas que evitam os dois tipos de problema de reconhecimento da moto que a gente apresentou reconhecer as partes de uma moto mesmo quando tem alguém em cima é evitar a oclusão de objetos o que as redes neurais

que a gente acabou de explicar que fazem mas se todas as imagens de treino tiverem motos com pessoas em cima ainda não tem com os programas saber generalizar o que é uma moto e o que uma pessoa a gente ainda precisa dar essa informação para o programa mesmo com redes neurais esse aliás é um desafio enorme aprendizado computacional um carro autônomo sabe reconhecer quando está chovendo por exemplo e sabe reconhecer pessoas mas ele nunca encontrou os dois juntos ele não sabe generalizar que quando chove muito as pessoas ficam mais distraídas mas isso fica para outro

episódio não se esqueça de curtir e compartilhar o vídeo assim o canal pra aprender mais com pessoas e com máquinas e até a próxima quinta [Música]