Este documento apresenta uma introdução ao machine learning usando Python e VS Code. Ele discute conceitos básicos de machine learning como aprendizado supervisionado, não supervisionado e por reforço, a importância dos dados e como Python e ferramentas como Anaconda e Jupyter Notebook podem ser usados para desenvolver modelos de machine learning.
5. Agenda
O que é Machine Learning
Conceitos
Dados e mais Dados.
Python e VSCode, combinação perfeita.
Porque Python?
Anaconda + Jupyter
Aplicação no VS Code + Jupyter
6.
7.
8.
9. Diz-se que um programa de computador aprende pela
experiência E, com respeito a algum tipo de tarefa T e
performance P, se sua performance P nas tarefas em T,
na forma medida por P, melhoram com a experiência E.
Tom M. Mitchell
10.
11. Tarefa T: Classificar E-mail como Spam ou
não.
Medida de Performance P: Percentual de
e-mails classificados corretamente.
Experiência de treinamento E: E-mail
classificados por humanos.
12. Tipos de Aprendizado
Aprendizado Supervisionado
Aprendizado não supervisionado
Aprendizado por Reforço
18. Dados, Dados e mais dados
Machine Learning é:
Usar Dados para responder a perguntas
19.
20. Os passos do ML
Capturar os dados
Preparar os dados
Escolher um modelo
Treinar
Validar o treinamento
Retreinar com mais dados
Predizer ou prever um resultado
21.
22. Porque Python?
Fácil aprendizado
Muitas ferramentas e frameworks
Bastante disseminado pela comunidade acadêmica
23.
24.
25. Anaconda
Jupyter Notebook
Aplicação Web que permite compartilhar documentos que contêm
equações, visualizações e etc.
Spyder
Ambiente de desenvolvimento para ciência
Pacotes como numpy e matplotlib pré instalado
Conda Package
26.
27.
28. Scikit Learn
Pacote cientifico para ML
Tem suporte a diversas técnicas de ML
E também tem ferramentas de ajudam no ML