Machine learning é um tema muito popular, mas ainda é muito comum ter uma série de dúvidas. O objetivo desta apresentação é desmistificar este tema, mostrando uma série de informações sobre os dados e com um exemplo prático.

1. Desmistificando Machine
Learning
GABRIEL SCHADE CARDOSO

2. Quem é Gabriel?

3.  Bacharel em ciência da computação
 Mestre em computação aplicada
 Microsoft Innovative Educator (MIE)
 Microsoft Specialist (MS)
 C#
 Javascript
 ASP .NET MVC
3
GUI
Sobre mim

4.  Microsoft Certified Solutions Assiciate (MCSA)
 Web Applications
 Autor dos livros da editora casa do código sobre
os assuntos:
 Kinect
 Windows Phone
 Programação Funcional
4
GUI
Sobre mim

5.  Desenvolvedor Senior
 Professor
 Revisor
5
GUI
Sobre mim

6. Vamos começar pelo
começo

7. Quem já ouviu falar de
Machine Learning?

8. Uma buzzword

9. Uma buzzword

10. Quem usa isso?

11. Quem usa isso?

12. Quem usa isso?

13. Quem usa isso?

14. Quem usa isso?

15. O que é machine
learning?

16. O que é Machine Learning?
 Machine learning é uma área da ciência da computação
que concede à computadores a habilidade de aprender sem
precisar serem explicitamente programados.

17. Os exemplos dados...

18. Os exemplos
 Todos eles:
1. Analisam dados;
2. Buscam padrões;
3. Tentam predizer o futuro.

19. Mas o que isso tem a
ver com aprender?

20. Aprendendo a ler
1. Analisamos as letras;
2. Buscamos padrões;
3. Construímos sentenças.
4. ... Mas cadê predição?

21. Aprendendo a ler
 Depois que aprender a ler criamos a associação entre a
palavra escrita e a palavra falada, com isso, mesmo sem
nunca termos escutado a palavra, conseguimos predizer
com uma boa assertividade a sua pronúncia.

22. Parabolicamentemágico

23. O primeiro passo
AS DÚVIDAS

24. O primeiro passo – as dúvidas
 Qual pergunta estamos tentando responder?
 O filme que você mais quer assistir entre um catálogo;
 A notícia que você mais vai gostar de ver;
 Os produtos que você provavelmente vai comprar...

25. O primeiro passo – as dúvidas
 Tenho dados suficientes para responder isso?
 Consigo medir o resultado?

26. Vamos encontrar um padrão
 Nome com “J”? 30 mil ou mais na conta!

27. Temperatura Global X Piratas no mundo

28. Filmes com Nicolas Cage vs Afogamentos

29. Ou não.

30. Entendendo o
processo

31. Processos em Machine Learning

32. Processos em Machine Learning

33. Processos em Machine Learning

34. Processos em Machine Learning

35. Processos em Machine Learning

36. Processos em Machine Learning

37. Processos em Machine Learning

38. Processos em Machine Learning

39. Vamos fazer um
exemplo?

40. Azure Machine
Learning Studio

41. Preço do veículo baseado
em suas características

42. Me encontre em
/gabrielschade
/gabrielschade
/gabrielschade
/gabrielschade
https://gabrielschade.github.io

43. Perguntas?