Baixado 37 vezes
![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]](https://image.slidesharecdn.com/introducaoainteligenciaartificialnaeducacao-ppt-130812121703-phpapp01/85/Introducao-a-inteligencia-artificial-na-educacao-67-320.jpg)
![se ele termina o curso
em 3 meses ou não
labels = [1, 1, 0, 0]
alunos = []alunos << [12, 150, 3, 15]alunos << [4, 170, 32, 25]alunos << [1, 10, 3, 25]alunos << [12, 20, 31, 15]](https://image.slidesharecdn.com/introducaoainteligenciaartificialnaeducacao-ppt-130812121703-phpapp01/85/Introducao-a-inteligencia-artificial-na-educacao-68-320.jpg)
![e o guilherme?
guilherme = [6, 140, 25, 10]
model.predict(Node.features(guilherme))](https://image.slidesharecdn.com/introducaoainteligenciaartificialnaeducacao-ppt-130812121703-phpapp01/85/Introducao-a-inteligencia-artificial-na-educacao-70-320.jpg)
![dados fake
labels = [1, 1, 0, 0]
alunos = []alunos << [12, 150, 3, 15]alunos << [4, 170, 32, 25]alunos << [1, 10, 3, 25]alunos << [12, 20, 31, 15]](https://image.slidesharecdn.com/introducaoainteligenciaartificialnaeducacao-ppt-130812121703-phpapp01/85/Introducao-a-inteligencia-artificial-na-educacao-73-320.jpg)
Carregado porCaelum
Introducao a inteligencia artificial na educacao
Este documento fornece uma introdução a machine learning, discutindo conceitos como regressão linear, classificação, redes neurais e agrupamento. O documento também apresenta exemplos de como essas técnicas podem ser usadas para prever comportamentos, agrupar itens e clientes e responder perguntas.
Mais conteúdo relacionado
Semelhante a Introducao a inteligencia artificial na educacao
![[DTC21] Raphael Castilho - Começando com Inteligência Artificial e Machine Le...](https://cdn.slidesharecdn.com/ss_thumbnails/iaemachine-210317154040-thumbnail.jpg?width=640&height=640&fit=bounds)
![[FrontInBH 2012] Por uma web mais rápida: técnicas de otimizações de sites - ...](https://cdn.slidesharecdn.com/ss_thumbnails/otimizacoesclientside-frontinbh2012-sergio-120713204920-phpapp02-thumbnail.jpg?width=640&height=640&fit=bounds)
Introducao a inteligencia artificial na educacao
- 1. Uma introdução a MachineLearning Guilherme Silveira http://www.caelum.com.br
- 2. Uma introdução a MachineLearning Guilherme Silveira http://www.alura.com.br
- 3.
- 4.
- 5.
- 6. decidi ir decarro <== piada
- 7.
- 8.
- 9. decidi ir demetrô
- 10. quem conhece são paulo? sãopaulo? quem conhece o metrôem são paulo?
- 11.
- 12. além do trânsito minhavida pessoal
- 16.
- 17. o preço dosimóveis está caro? Tamanho Preço 100 750000 200 860000 150 977000 140 81900 160 984000 180 1127000 130 638000 80 647000 40 346000
- 18. p: qual umpreço justo para esse imóvel?
- 19.
- 20. regressão linear f(x)= ax + b
- 21. planilha preço = 5053x+ 57758preço = 5053x + 57758
- 22. regressão linear f(x)= ax + b polinômios f(x) = a + bx + cx^2 + ... + dx^n preço = a + ... + dx^npreço = a + ... + dx^n
- 23. p: como estimaro valor de algo? possível resposta: regressão possível resposta: regressão p: quanto tempo os alunos precisarão para essa prova? p: qual a nota que o aluno vai tirar na prova final? p: qual será a nota do hipólito na próxima olimpíada?
- 24.
- 25. função Brad Pitt (afunção perfeita?)
- 26. e o númerode dormitórios? Tamanho Preço 100 750000 200 860000 150 977000 140 81900 160 984000 180 1127000 130 638000 80 647000 40 346000
- 27. e o númerode 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
- 28.
- 29.
- 30.
- 32. p: classificação É spamzis!Éspamzis! Não é!Não é! 11 00
- 33.
- 35.
- 36. p: ele é1? acredito que sim, comacredito que sim, com chance de 78%chance de 78%
- 37. classificação humana lista com 1000itens treino da máquina valida a qualidade 99% de acerto99% de acerto
- 38. p: ele é1? chance de x%chance de x% r: regressão logística
- 39. p: o emailé spam? p: qual a chance do aluno acertar esse exercício? p: o aluno está com dificuldade? p: o aluno domina o conteúdo? p: qual a chance de essa imagem ser o número 3? ou 8? p: qual a chance de essa imagem ser um cancêr?
- 40.
- 41. e o cartãode credito?
- 42. você gastou 50 dia30 loja 15 loja 15 loja 15
- 43. você gastou 30 dia30 loja 17 loja 17 loja 17
- 44. você gastou 25 dia30 loja 21 loja 21 loja 21
- 45. você gastou 25 dia30 loja 21 loja 21 loja 21
- 46. você gastou 2500 dia30 loja 7 loja 7 loja 7
- 47. dia valor loja 3030 15 30 35 17 30 100 8 1 37 9 30 2500 7
- 48. dia valor lojalabel 30 30 15 0 30 35 17 0 30 100 8 0 1 37 9 0 30 2500 7 1
- 49. dia valor lojalabel 30 30 15 0 30 35 17 0 30 100 8 0 1 37 9 0 30 2500 7 1 treina 37% de acerto37% de acerto valida eu continuoeu continuo roubandoroubando
- 50. regressão logística é, emgeral, linear ou lerdíssima regularização polinômios outras
- 51. dia valor lojalabel 30 30 15 0 30 35 17 0 30 100 8 0 1 37 9 0 30 2500 7 1 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 valor loja label 30 30 15 0 30 35 17 0 30 100 8 0 1 37 9 0 30 2500 7 1 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 valor loja label 30 30 15 0 30 35 17 0 30 100 8 0 1 37 9 0 30 2500 7 1 87% de acerto87% de acerto treina treina treina treina treina treina dia valor loja label 30 30 15 0 30 35 17 0 30 100 8 0 1 37 9 0 30 2500 7 1 o seu telefone tocao seu telefone toca
- 52. p: o emailé spam? p: essa movimentação é uma fraude? p: qualquer pergunta sim/não como antes? http://neuroph.sourceforge.net/
- 53.
- 54. dia valor loja 3030 MAX PAD 30 35 MUNI TR 30 149 CAELUM 1 499 FACULDADE 30 5 BUTECO o que é isso?o que é isso? o que é isso?o que é isso? alimentaçãoalimentação profissionalprofissional profissionalprofissional
- 55. p: a movimentação15 é?
- 56. p: a movimentação15 é entretenimento 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)
- 57. dia valor lojacategoria 30 30 MAX PAD alimentação 30 35 MUNI TR transporte 30 149 CAELUM profissional 1 499 FACULDADE profissional 30 5 BUTECO alimentação onde estão osonde estão os 0 e 1?0 e 1?
- 58. dia valor lojacategoria 30 30 MAX PAD 0 30 35 MUNI TR 1 30 149 CAELUM 2 1 499 FACULDADE 2 30 5 BUTECO 0 é 0, 1 ou 2?é 0, 1 ou 2?
- 59. dia valor lojacategoria 30 30 MAX PAD é 30 35 MUNI TR resto 30 149 CAELUM resto 1 499 FACULDADE é 30 5 BUTECO resto é 0 ou o resto?é 0 ou o resto? 77%77%
- 60. dia valor lojacategoria 30 30 MAX PAD resto 30 35 MUNI TR é 30 149 CAELUM resto 1 499 FACULDADE resto 30 5 BUTECO é é 1 ou o resto?é 1 ou o resto? 53%53%
- 61. dia valor lojacategoria 30 30 MAX PAD resto 30 35 MUNI TR resto 30 149 CAELUM é 1 499 FACULDADE é 30 5 BUTECO resto é 2 ou o resto?é 2 ou o resto? 64%64%
- 62. dia valor lojalabel 30 30 15 0 30 35 17 0 30 100 8 0 1 37 9 1 30 2500 7 0 dia valor loja label 30 30 15 0 30 35 17 1 30 100 8 1 1 37 9 0 30 2500 7 0 dia valor loja label 30 30 15 1 30 35 17 0 30 100 8 0 1 37 9 0 30 2500 7 1 77%77% entretenimento alimentação profissional treina você ficou esperando o outro robô aparecer né? 53%53% 64%64% entretenimentoentretenimento
- 63.
- 64. p: dentre ascategorias A,B,C a qual categoria ele pertence? p: o aluno está motivado, desanimado, desiludido, decepcionado, contente ou malandrão?
- 65. o aluno nãoterminou :(
- 66. será que eupoderia ter ajudado ele?
- 67. qto tempo emcada exercício? alunos = []alunos << [12, 150, 3, 15]alunos << [4, 170, 32, 25]alunos << [1, 10, 3, 25]alunos << [12, 20, 31, 15]
- 68. se ele terminao curso em 3 meses ou não labels = [1, 1, 0, 0] alunos = []alunos << [12, 150, 3, 15]alunos << [4, 170, 32, 25]alunos << [1, 10, 3, 25]alunos << [12, 20, 31, 15]
- 69.
- 70. e o guilherme? guilherme= [6, 140, 25, 10] model.predict(Node.features(guilherme))
- 71.
- 72.
- 73. dados fake labels =[1, 1, 0, 0] alunos = []alunos << [12, 150, 3, 15]alunos << [4, 170, 32, 25]alunos << [1, 10, 3, 25]alunos << [12, 20, 31, 15]
- 74.
- 75. dados reais C utilizadoACERTOS NO TREINO PREVISOES COM ACE 0.08 93.18% 85.71% C utilizado ACERTOS NO TREINO PREVISOES 0.001 70.45454545454545 61.9047619 0.04 88.63636363636364 71.4285714 0.08 93.18181818181819 85.7142857 0.2 100.0 100.0
- 76.
- 77. p: dentre ascategorias A,B,C a qual categoria ele pertence? p: o aluno vai desistir do curso? p: essa pessoa tem perfil de terrorista?
- 78.
- 79. dificuldade != facilidade userid 15 ?? user id 17 user id 15 ?==? user id 17 333784321236738126783 ?==? 1238793923832178612397
- 80. características em comum númerode respostas erradas tempo gasto número de exercícios feitos feedbacks dados notas de feedback recebidos likes cursos quantidade de caracteres altura???
- 81.
- 82.
- 83.
- 84.
- 85.
- 86. e melhora... e melhora... emelhora... e melhora... e melhora... e melhora... e melhora...
- 87. esses são osgrupos
- 88. grupos esperados: muitas perguntas, muitoserros poucos erros, poucas perguntas poucos erros, poucas perguntas, ajuda bastante X X X
- 89. grupos encontrados: muitas perguntas, poucoserros muitos erros, poucas perguntas muitos erros, poucas perguntas, ajuda bastante entre outros
- 90. p: como meus_____ se agrupam? p: como os alunos se comportam? p: como os instrutores se comportam? p: como os exercícios se comportam?
- 91. p: como meusclientes se agrupam? p: como meus produtos se agrupam? p: como minhas features se agrupam? p: como os clientes usam o sistema?
- 92.
- 93. machine learning regressão linear classificadores redesneurais logistic k-cluster
- 94.
- 96.
- 97. se beber nãodirija
- 100. eu quero bebere ler eu não quero dirigir
- 102. detectando... margem deerromargem de erro
- 103. o que vocêquer saber sobre um cliente? 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?
- 104. nós respondemos 2 levanteas suas
- 105.