Aprendizado de Máquina

Afluentes: Inteligência Artificial

Definições

• Aplicações: jogos digitais; detecção de fraudes; análises estatísticas; bolsa de valores; sistemas de recomendação (e-comerce, netflix, spotify, notícias, restaurantes)
• Para Arthur Samuel, é o "campo de estudos que da aos computadores a capacidade de aprender, sem ser explicitamente programados" .
• Segundo Tom Michell, é "um programa de computador é dito para aprender com a experiência E com a relação a alguma classe de tarefas T e medida de desempenho P, se o seu desempenho em tarefas em T, medida pelo P, melhora com a experiência E" .
  • Exemplo: Jogo de damas:
    • E = Experiência de jogar muitos jogos de dama;
    • T = Tarefa de jogar damas;
    • P = Probabilidade do programa ganhar no próximo jogo.

Aprendizado Supervisionado

Utiliza um conjunto de dados de entrada e já se sabe a saída correta ou solução.

Diversos algoritmos utilizam aprendizado supervisionado, como Redes Neurais, Máquinas de Vetor de Suporte (SVM), Classificadores Naive Bayers.

Problemas de Regressão

Tenta-se prever os resultados em uma saída contínua, ou seja, mapeando as informações de entrada para uma função contínua.

Por exemplo, ao tentar identificar a idade de uma pessoa pelos traços do seu rosto, um algoritmo está tratando de um problema de regressão.

Problemas de Classificação

Tenta-se prever os resultados em uma saída discreta, ou seja, tentando mapear as informações de entrada em categorias distintas.

Por exemplo, ao tentar identificar se uma pessoa possui um tumor malígno ou benígno pelas características do tumor e histórico do paciênte, estamos tratando de um problema de classificação.

Aprendizado Não Supervisionado

O aprendizado não supervisionado possibilita tratar de um problema possuindo poucas ou nenhuma informação sobre como os resultados devem ser. Não necessáriamente saberiamos os efeitos das informações de entrada.

Nesse tipo de apreendizado, agrupamos as informações com base nas relações entre elas. Podemos também reduzir o número da dimensão dos conjuntos de dados para nos concentrar nos atributos mais relevantes ao problema ou para detectarmos tendências.

Alguns tipos de algoritmos que usam aprendizado não supervisionado: Cluster K-Médio, Hierárquico, Mapas auto-organizáveis.

Por exemplo, por meio de uma captura de áudio, identificar o número que a pessoa está falando. Após uma série de exemplos extraídos, eles serão organizados em blocos, ou clusters.