Introducao a machine learning na educacao

4.596 visualizações

Publicada em

Publicada em: Tecnologia
0 comentários
8 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

Sem downloads
Visualizações
Visualizações totais
4.596
No SlideShare
0
A partir de incorporações
0
Número de incorporações
10
Ações
Compartilhamentos
0
Downloads
85
Comentários
0
Gostaram
8
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \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

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

    ×