Aprendizado de Máquinas - Conceitos Básicos de Aprendizado de Máquina

[Música] Olá eu sou o professor José Avelino placa e nós vamos iniciar Hoje a aula 1 de aprendizado de máquinas aprendizado de máquinas é um assunto que está em alta na área de sensibilidade Ciência da Computação devido ao enorme número de aplicações que essa técnica tem propiciado nós vamos dizer na aula de hoje conceitos básicos iniciais e aprendizado de máquina e também vamos ver algumas dessas áreas e aplicação que se utilizam dessa metodologia bom para a gente cumprir com a nossa programação a gente vai fazer uma breve introdução sobre o que que é aprendizado de

máquina vamos falar sobre o teste de Turim algumas definições de aprendizado de máquina aplicações e aprendizado de máquina os tipos de aprendizado de máquina vamos falar do aprendizado supervisionado não sobrevisionado vamos falar sobre aprendizado por reforço o viés indutivo as áreas multidisciplinares envolvidas com o aprendizado de máquina Outras aplicações clássicas e aprendizado de máquina algumas ferramentas utilizadas no aprendizado de máquina alguns conjuntos de dados grátis free disponíveis para o aprendizado de máquina e perspectivas futuras com o aprendizado de máquina bom então a primeira questão é o que é o aprendizado de máquina né bom nós

podemos fazer uma comparação bem simples né com o ser humano né o ser humano ele normalmente aprende com a experiência ou pelo menos deveria né aprender com a experiência né um robô um programa autômato é aprende com a experiência e o um computador um programa que não tem recursos de Inteligência Artificial Ele simplesmente segue um conjunto de instruções então aí está a grande diferença né de algoritmos de modelos né de aprendizado de máquina são modelos que permite que é o algoritmo modelo né o dispositivo Aprenda com experiência Isso vai ser muito útil para que esse

algoritmo esse modelo né realize tarefas repetitivas que é muito comum no nosso dia a dia na medida que quanto mais ele realiza mais ele aprende mais evidentemente ele fica eficiente realizar essas tarefas é um outro conceito interessante para a gente poder indicar essa questão de aprendizado e obviamente também relacionar com algum algum grau de inteligência né desses algoritmos desses modelos né foi proposto por Alan turing ficou com conhecido como teste de turi o teste de túnem se baseia nos seguintes experimento né eu tenho uma pessoa e conversa com outros dois outras duas situações que podem

ser uma pessoa um computador mas ele não sabe qual dos dois é humano qual não é se a pessoa que tá sendo testada não tiver capacidade de discernir quem é humano e quem é o computador então aquele programa né passou no teste de tour né já foram feitos diversos experimentos né nesse sentido né evidentemente que ao longo do tempo foram aperfeiçoados né Nós estamos ainda um pouco longe né de ter modelo um sistema algoritmo que seja perfeitamente capaz de passar no teste de turing uma vez né que essas perguntas elas não estão direcionadas uma área

específica né são São perguntas aleatórias né sobre qualquer área de conhecimento né mas isso dá uma pequena ideia né da complexidade que é fazer com que um algoritmo uma máquina possa ter essa capacidade de aprendizado por isso que o foco atualmente em tarefas repetitivas como nós vamos ver em alguns exemplos a seguir bom uma definição de aprendizado de máquina né ela tá é intimamente ligada nessa capacidade de aprender com a experiência então as definições que nós temos né de aprendizado de máquina elas fazem essa ligação né entre Eu tenho um conjunto de dados que precisa

ser avaliado precisa ser classificado precisa ser agrupado né e na medida que eu utilizo que permita que ao longo das execuções o meu algoritmo o meu modelo possa adquirir conhecimento e saber realizar aquela tarefa com maior precisão Então eu tenho um algoritmo de aprendizado de máquina né as tarefas repetitivas né no nosso dia a dia né Cada vez que a gente repete muito uma dada a situação a gente fica mais experiente né com mais expertise para realizar aquela tarefa uma situação que a gente pode colocar como exemplo é feito nas granjas né onde os operadores

e granjas eles têm que separar os pintinhos machos de fêmea e para quem não é da árvoremente não é uma tarefa é fácil de ser realizada assim com uma certa rapidez mas depois que essas pessoas né realizam várias vezes essa operação elas realizam essa tarefa de uma forma super rápida né Se vocês procurarem alguns vídeos na Internet vocês vão ver e fala nossa como que essa pessoa consegue né fazer essa separação né não dá nem para identificar direito né Mas ela já consegue fazer essa separação de forma correta né O que é a capacidade intrínseca

né do ser humano de aprender com a repetição então o aprendizado de máquina Visa construir algoritmos que permitam que modelos computacionais possam realizar essa tarefa com um grau de acessibilidade né é bastante elevado né bom as aplicações aprendizados de máquina são diversas né a gente poderia citar diversas aplicações eu vou citar aqui uma que talvez seja mais corrente né que é o reconhecimento facial Isso já é utilizado em diversos dispositivos hoje né para em termos e biometria para controles e acesso controle de segurança o próprio celular né O próprio Google fotos permite que eu também

realize né o reconhecimento facial para encontrar algumas fotos eu tenho sites que permitem que se faça busca né por fotos no banco de imagens as grandes empresas é a Amazon por exemplo ela mantém um pacote que permite que eu implemente aplicações com reconhecimento facial então isso já é uma área que expandiu bastante e é de pesquisas e implementações inovações de algoritmos e aprendizado de máquina que faz com que o algoritmo reconheça padrões né de uma Face né e posta depois identificar ela mesmo que já se tenham passado alguns anos a pessoa tem envelhecido tenha é

cortado o cabelo deixado a barba crescer e assim por diante Outras aplicações né a gente vem vendo surgir a cada momento né aí tal um quadrinho do desenho mais antigo né mas ainda muito referenciado que é o gestones né fazer alusão uma família né num futuro né não denominado né E que tinha uma empregada né robozinho né que era Rose né que fazia todas as tarefas né necessárias né do Lar né o sonho de consumo né de toda dona de casa mas hoje a gente já tá chegando perto da Rose né Nós temos aí os

robozinhos aspiradores e pó né E temos outros recursos né que fazem uso do aprendizado de máquina própria Alexa né Ela guarda né as preferências né de cada usuário temos o carro autônomo né que também aprende né trajetos situações e formas de direção né então nós temos aplicações diversas né nessa área própria Netflix utiliza muito isso né para identificar o perfil né do seu assinante do seu cliente bom vamos falar agora sobre os tipos de aprendizados de máquinas a gente tem basicamente três tipos né o aprendizado supervisionado não supervisionado e por reforço nós vamos falar com

um pouquinho mais detalhe cada um deles o aprendizado supervisionado basicamente é aquele aonde eu preciso da intervenção humana para que ela rotula o meu conjunto de dados para que ela indique Qual é a classificação correta para aqueles dados e a partir daí a máquina prende Esse é o aprendizado é mais fácil de implementar né ele resolve a maioria dos problemas né se a gente pensar por exemplo num sistema de Diagnóstico né aonde eu tenho vários atributos que precisam considerados para que o médico possa dar o seu diagnóstico né então ele vai ver a questão né

se o paciente tem histórico daquela doença se ele tem tem obesidade se o paciente né é apresenta uma vida né de exercícios físicos enfim né uma série de fatores que congregados podem permitir que o especialista médico indica que aquele paciente tem uma propensão alta Ou baixa de vir a desenvolver uma determinada doença uma vez que esse especialista rotula esses dados pegue essas esses conjuntos dados entradas que a gente pode imaginar com fichas né do pacientes e fala esse paciente tem probabilidade alta de desenvolver esse não tem esse tem esse não tem né uma classificação mais

simples binária né a partir daí com esse conjunto de dados entrada o meu modelo o meu algorit Pode Prever uma situação nova um novo paciente qual é a probabilidade de desenvolver ou não aquela doença isso apresentado supervisionado que é o que a gente vai começar a ver com mais detalhes na aula de hoje na aula seguinte o aprendizado não supervisionado é aquele onde não há a intervenção humana então eu vou aplicar em tarefas que requeram um conjunto de dados onde eu não tenho tanto conhecimento do dado E aí eu vou procurar por exemplo formar agrupamento

desses dados para identificar melhor os grupos formados e as características que esses grupos tem e finalmente o aprendizado por reforço é um aprendizado que pode ser classificado também como sempre supervisionado porque não há intervenção humana porém cada vez que há uma resposta do meu modelo a um novo dado eu coloco o analista humano para validar essa resposta né Se ela tá correto E caso ela não esteja né ou eu reingresso esse esse exemplo no meu modelo para que ele Aprenda com os erros então o aprendizado por reforço é aquele aprendizado que permite que o meu

modelo possa aprender com determinados erros bom o aprendizado supervisionado Então como a gente já comentou né É aquele aonde eu preciso do da intervenção humana para rotular os dados para dizer o que são cada um desses dados E aí a partir daí um novo dado não pertencente ao conjunto eu coloco para que o meu modelo possa dizer a que classe ou qual a o rótulo que aquele dado deve receber normalmente não numa tarefa de aprendizado supervisionado se separam os meus conjuntos e dados né que eu vou utilizar eu separo normalmente em torno de 20%, para

serem os dados e treinamento aonde eu vou ter o especialista humano que vai fazer essa rotulagem dos lados e os outros 80% seriam os dados de teste onde daí eu vou submeter esse dado para ver se meu modelo vai poder classificar corretamente é Vale lembrar que os meus modelos né eles índices muito bons né de acurácia né e de acerto mas não dá para ter um modelo que eu possa garantir que ele vai aceitar em 100% dos casos devido a uma série de fatores Inclusive a imprevisibilidade dos dados como a gente vai ver a seguir

bom o aprendizado não supervisionado é aquele aonde eu não tenho a participação do analista humano né então normalmente se utiliza em tarefas e agrupamento informação de cluster para que depois eu possa identificar características comuns nesses grupos formados e Finalmente né o aprendizado por reforço é aquele aonde eu inicialmente não tenha participação humana mas depois eu faço uma curadoria dos resultados e caso ocorra algum erro né na classificação feita pelo algoritmo eu reintroduzo esse exemplo para que ele possa aprender com esse erro então a gente pode fazer um resumo né do que a gente viu até

então né aprendizado supervisionado né a motivação é a tarefa né e ele vai me indicar um resultado final o aprendizado não supervisionado a motivação é o meu conjunto de dados e eu vou indicar possíveis grupos e finalmente o aprendizado por reforço é aquele onde eu aprendo com os erros bom uma outra maneira também da gente reunir nessa esses três grandes viés né do aprendizado de máquina né é o aprendizado supervisionado onde eu tenho os dados do outro lado o aprendizado não supervisionado aonde nenhum dado outro lado e no aprendizado semi supervisionado né que é a

tarefa de reforço né eu vou ter alguns dados não alguns dados do outro lado em função da curadoria do Especialista humano mas a maioria vai ser não rotular bom um outro conceito importante e aprendizado de máquina é o viés indutivo vamos entender primeiro o que que é né a indução Normalmente quando eu tenho uma lei um fenômeno da natureza né algo que eu possa é classificar como que sempre ocorre né algo Universal né quando eu passo do Universal particular eu estou fazendo uma dedução se a gente poder se a gente pensar né Por Exemplo né

que é todo é objeto lançado né na superfície da terra ele sofre o efeito da lei de gravidade Então essa é uma lei universal né Qualquer que seja objeto né particular ele também vai estar sujeito essa lei seja uma pedra seja uma pena de pássaro né seja né uma agulha Qualquer que seja objeto então eu pato do universal para o particular muitas vezes eu não tenho condição de ter essa regra Universal eu só tenho exemplo alguns poucos exemplos particulares quando eu procuro passado particular para Universal estou fazendo uma indução então observei vários exemplos de um

dado fenômeno não tenho condição de observar todos mas observei um grupo razoável eu vou fazer uma indução de que aquela situação pode se repetir para outros que eu ainda não considerei isso é a tarefa de indução que é exatamente o que um algoritmo de aprendizado de máquina faz né o viés indutivo é quando nós realizamos essa indução num conjunto menor e tem thanos generalizar ela considerando sempre as hipóteses mais simples né É isso que uma das metodologias né do aprendizado de máquina supervisionado que é o que a gente vai começar a ver hoje concluir com

mais detalhes na aula que vem que a ave de decisão faz quando eu tenho um conjunto de atributos valores né e eu preciso chegar uma classificação final uma maneira prática de representar essa situação é através de uma ave decisão né então eu tenho aí um exemplo lá onde eu vou considerar o peso se ele é maior ou menor que 50 depois eu vou considerar o sexo ele é masculino ou feminino e daí No final a folha uma árvore vai me indicar uma classificação vai me indicar um rótulo né se a pessoa tá doente se a

pessoa tá saudável por exemplo né as aves decisões elas podem ser transformadas em regras e decisão como a gente vai ver em aulas futuras e eu posso também aplicar redes neurais para esse tipo de problema como a gente vai ver em aulas também futuras Então esse é o conceito do viés indutivo E aí agora nós vamos ver que o aprendizado de máquina né Ele é uma área interligada com várias outras áreas né evidentemente a probabilidade estatística teoria da informação teoria da Computação tem uma foto e ligação com a área de aprendizado de máquina né mas

a gente tem outras áreas que também bastante interessantes com a área de psicologia né hoje já se buscam fazer algoritmos que possam né prever reações né emocionais das pessoas a própria biologia neurociência né uma vez que uma das técnicas mais empregadas em aprendizado de máquinas são as redes neurais que a gente vai ver em aulas futuras né além até de conceitos filosóficos né ligados à lógica né onde muitos das estruturas né seguem a lógica de primeira ordem algumas aplicações clássicas e aprendizado de máquinas a gente pode citar é de Finanças internet marca medicina Como já

foi dito como exemplo né sistemas diagnóstico médico indústria em Sistemas e controles e processos né é Finanças para análise de crédito então nós temos uma infinidade de áreas de utilização do aprendizado de máquina bom ferramentas também é o que não faltam né a gente tem algumas das mais populares que estão citadas aí escrito o próprio r a ferramenta muito utilizada nessa área rápido demais o kill Wicca que foi uma das primeiras né com tão todas as referências né para vocês poderem utilizá-las e Muitas delas nós vamos utilizar em exercícios futuros e os dados né Onde

eu acho os dados felizmente a gente também tem várias fontes de dados frio né que são disponíveis para que a gente possa utilizar esse conjunto de dados para realizar os nossos testes os nossos treinamentos né os nossos experimentos né Aí também tem algumas das principais fontes e dados né mas a lista é é muito maior do que essa evidentemente Quais são as perspectivas futuras do aprendizado de máquina né eu coloquei aí Alguns clássicos e Filmes né de ficção científica né Talvez o Blade Runner seja o mais antigo né eu tinha um Android né com capacidades

né sobre humanas até né mas nós estamos caminhando né nessa direção né não vai demorar muito nós vamos ter um robô que vai poder interagir de uma forma bastante parecida com a forma humana né realizar tarefas né É que hoje né a gente não pensa que um robô poderia ser capaz de realizar né mas o foco né que a gente vai ver as grandes aplicações são tarefas repetitivas tá e finalmente temos aí algumas referências né dos livros textos básicos aí da disciplina né presentes na minha biblioteca e espero que vocês tenham gostado dessa primeira aula

e até a próxima aula [Música] [Música]