Este documento apresenta uma introdução ao machine learning através de uma série de perguntas e respostas sobre o tema. Aborda conceitos como regressão linear, classificação, treinamento e validação de modelos preditivos para estimar valores, classificar dados e prever resultados.

1. Uma introdução a
Machine Learning
Guilherme Silveira
http://www.caelum.com.br

2. a idéia

3. a idéia
problemas
perguntas

4. a idéia
problemas soluções
perguntas respostas

5. quem sou eu

6. quem sou eu

7. quem sou eu

8. casa ==> caelum

9. decidi ir de carro

10. decidi ir de carro
<== piada

11. pego o carro...

12. pego o carro...

13. pego o carro...

14. assisto o trânsito
de camarote

15. decidi ir de metrô

16. quem conhece
são paulo?

17. quem conhece
são paulo?
quem conhece o metrô
em são paulo?

18. Problema?

19. Problema?
vista interna

20. além do trânsito

21. além do trânsito
minha vida pessoal

25. mudança

26. o preço dos imóveis
Tamanho Preço
100 750000
200 860000
está caro? 150 977000
140 81900
160 984000
180 1127000
130 638000
80 647000
40 346000

27. p: qual um preço justo
para esse imóvel?

29. está caro?

35. regressão linear f(x) = ax + b

36. planilha

37. planilha

38. planilha

39. planilha
preço = 5053x + 57758

40. planilha
preço = 5053x + 57758

41. regressão linear f(x) = ax + b

42. regressão linear f(x) = ax + b

43. regressão linear f(x) = ax + b
polinômios f(x) = a + bx + cx^2 + ... + dx^n

44. regressão linear f(x) = ax + b
polinômios f(x) = a + bx + cx^2 + ... + dx^n

45. regressão linear f(x) = ax + b
polinômios f(x) = a + bx + cx^2 + ... + dx^n
preço = a + ... + dx^n

46. p: como estimar o valor de algo?
possível resposta: regressão

47. p: como estimar o valor de algo?
possível resposta: regressão
p: qual a nota que o aluno vai
tirar na prova final?

48. 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?

49. 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?

50. simplicidade++
bizarro--

51. função Brad Pitt

52. função Brad Pitt
(a função perfeita?)

53. função Brad Pitt
(a função perfeita?)

54. 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

55. 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

56. bibliotecas
http://commons.apache.org/math/
http://math.nist.gov/javanumerics/jama/
http://mahout.apache.org/
google: language + regression

57. chego no trabalho

58. abro os emails

60. p: classificação

61. p: classificação
É spamzis!

62. p: classificação
É spamzis!
Não é!

63. p: classificação
É spamzis!
Não é!

64. p: classificação
É spamzis! 1
Não é!

65. p: classificação
É spamzis! 1
Não é! 0

66. treino!

78. valido!

79. p: ele é 1?

80. p: ele é 1?

81. p: ele é 1?
acredito que sim, com
chance de 78%

82. lista com 1000 itens

83. lista com 1000 itens
classificação
humana

84. lista com 1000 itens
classificação
humana

85. lista com 1000 itens
classificação treino da
humana máquina

86. lista com 800 itens
lista com 1000 itens
classificação treino da
humana máquina

87. lista com 800 itens
lista com 1000 itens
classificação treino da valida a
humana máquina qualidade

88. lista com 800 itens
lista com 1000 itens
lista com 200 itens
classificação treino da valida a
humana máquina qualidade

89. 99% de acerto
lista com 800 itens
lista com 1000 itens
lista com 200 itens
classificação treino da valida a
humana máquina qualidade

90. p: ele é 1?
r: regressão logística

91. p: ele é 1?
r: regressão logística

92. p: ele é 1?
r: regressão logística
chance de x%

93. p: o email é spam?

94. p: o email é spam?
p: o aluno está com dificuldade?

95. p: o email é spam?
p: o aluno está com dificuldade?
p: o aluno domina o conteúdo?

96. 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?

97. 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?

98. 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?

99. nota: simplificações desses
problemas

100. e o cartão de credito?

101. você gastou 50
dia 30
loja 15

102. você gastou 30
dia 30
loja 17

103. você gastou 25
dia 30
loja 21

104. você gastou 25
dia 30
loja 21

105. você gastou 2500
dia 30
loja 7

106. dia valor loja
30 30 15
30 35 17
30 100 8
1 37 9
30 2500 7

107. dia valor loja label
30 30 15 0
30 35 17 0
30 100 8 0
1 37 9 0
30 2500 7 1

108. dia valor loja label
30 30 15 0
30 35 17 0
30 100 8 0
1 37 9 0
30 2500 7 1

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

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

111. dia valor loja label
30 30 15 0
30 35 17 0
30 100 8 0
1 37 9 0
30 2500 7 1

112. dia valor loja label
30 30 15 0
30 35 17 0
30 100 8 0
1 37 9 0
30 2500 7 1
treina

113. dia valor loja label
30 30 15 0
30 35 17 0
30 100 8 0
1 37 9 0
30 2500 7 1
treina

114. dia valor loja label
30 30 15 0
30 35 17 0
30 100 8 0
1 37 9 0
30 2500 7 1
valida

115. dia valor loja label
30 30 15 0
30 35 17 0 37% de acerto
30 100 8 0
1 37 9 0
30 2500 7 1
valida

116. dia valor loja label
30 30 15 0
30 35 17 0 37% de acerto
30 100 8 0
1 37 9 0
30 2500 7 1
valida

117. dia valor loja label
30 30 15 0
30 35 17 0 37% de acerto
30 100 8 0
1 37 9 0
30 2500 7 1
eu continuo
roubando
valida

118. regressão logística é,
em geral, linear ou
lerdíssima

119. regressão logística é,
em geral, linear ou
lerdíssima
regularização

120. regressão logística é,
em geral, linear ou
lerdíssima
regularização
polinômios

121. regressão logística é,
em geral, linear ou
lerdíssima
regularização
polinômios
outras

122. dia valor loja label
30 30 15 0
30 35 17 0
30 100 8 0
1 37 9 0
30 2500 7 1

123. dia valor loja label
30 30 15 0
30 35 17 0
30 100 8 0
1 37 9 0
30 2500 7 1

124. dia valor loja label
30 30 15 0
treina
30 35 17 0
30 100 8 0
1 37 9 0
30 2500 7 1

125. dia valor loja label
30 30 15 0
treina
30 35 17 0
30 100 8 0
1 37 9 0
30 2500 7 1
treina

126. dia valor loja label
30 30 15 0
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 0
1 37 9 0
30 2500 7 1
treina

127. dia valor loja label
30 30 15 0
30 35 17 0
30 100 8 0
1 37 9 0 treina
30 2500 7 1
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
treina

128. dia valor loja label
30 30 15 0
30 35 17 0
30 100 8 0
1 37 9 0 treina
30 2500 7 1
treina
dia valor loja label
treina
30 30 15 0
30 35 17 0
30 100 8 0
1 37 9 0
30 2500 7 1
treina

129. dia valor loja label
30 30 15 0
30 35 17 0
30 100 8 0
1 37 9 0 treina
30 2500 7 1
treina
dia valor loja label
treina
30 30 15 0
30 35 17 0
30 100 8 0
1 37 9 0
30 2500 7 1
treina
treina

130. 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 0
treina 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 0
treina 1 37 9 0
30 2500 7 1
treina

131. 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 0
treina 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 0
treina 1 37 9 0
30 2500 7 1
treina

132. 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
treina
treina

133. 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
treina
treina

134. 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
treina
o seu telefone toca
treina

135. 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
treina
o seu telefone toca
treina

136. p: o email é spam?
http://neuroph.sourceforge.net/

137. p: o email é spam?
p: essa movimentação é uma
fraude?
http://neuroph.sourceforge.net/

138. p: o email é spam?
p: essa movimentação é uma
fraude?
p: qualquer pergunta sim/não
como antes?
http://neuroph.sourceforge.net/

139. acesso o
“banco.caelum.com.br”

140. dia valor loja
30 30 MAX PAD
30 35 MUNI TR
30 149 CAELUM
1 499 FACULDADE
30 5 BUTECO

141. dia valor loja
o que é isso?
30 30 MAX PAD
30 35 MUNI TR
30 149 CAELUM
1 499 FACULDADE
30 5 BUTECO

142. o que é isso?
dia valor loja
o que é isso?
30 30 MAX PAD
30 35 MUNI TR
30 149 CAELUM
1 499 FACULDADE
30 5 BUTECO

143. o que é isso?
dia valor loja
o que é isso?
30 30 MAX PAD
30 35 MUNI TR
30 149 CAELUM
1 499 FACULDADE alimentação
30 5 BUTECO

144. o que é isso?
dia valor loja
o que é isso?
30 30 MAX PAD
30 35 MUNI TR
profissional
30 149 CAELUM
1 499 FACULDADE alimentação
30 5 BUTECO

145. o que é isso?
dia valor loja
o que é isso?
30 30 MAX PAD
profissional
30 35 MUNI TR
profissional
30 149 CAELUM
1 499 FACULDADE alimentação
30 5 BUTECO

146. p: a movimentação 15 é?

147. p: a movimentação 15 é
entretenimento ou não? (0 ou 1)

148. p: a movimentação 15 é
entretenimento ou não? (0 ou 1)
p: a movimentação 15 é
alimentação ou não? (0 ou 1)

149. p: a movimentação 15 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)

150. dia valor loja categoria
30 30 MAX PAD alimentação
30 35 MUNI TR transporte
30 149 CAELUM profissional
1 499 FACULDADE profissional
30 5 BUTECO alimentação

151. dia valor loja categoria
30 30 MAX PAD alimentação
30 35 MUNI TR transporte
onde estão os
30 149 CAELUM 0 e 1?
profissional
1 499 FACULDADE profissional
30 5 BUTECO alimentação

152. dia valor loja categoria
30 30 MAX PAD 0
30 35 MUNI TR 1
30 149 CAELUM 2
1 499 FACULDADE 2
30 5 BUTECO 0

153. dia valor loja categoria
30 30 MAX PAD 0
30 35 MUNI TR 1
é 0, 1 ou 2?
30 149 CAELUM 2
1 499 FACULDADE 2
30 5 BUTECO 0

154. dia valor loja categoria
30 30 MAX PAD é
30 35 MUNI TR resto
30 149 CAELUM resto
1 499 FACULDADE é
30 5 BUTECO resto

155. dia valor loja categoria
30 30 MAX PAD é
30 35 MUNI TR resto
é 0 ou o resto?
30 149 CAELUM 77%
resto
1 499 FACULDADE é
30 5 BUTECO resto

156. dia valor loja categoria
30 30 MAX PAD resto
30 35 MUNI TR é
30 149 CAELUM resto
1 499 FACULDADE resto
30 5 BUTECO é

157. dia valor loja categoria
30 30 MAX PAD resto
30 35 MUNI TR é
é 1 ou o resto?
30 149 CAELUM 53%
resto
1 499 FACULDADE resto
30 5 BUTECO é

158. dia valor loja categoria
30 30 MAX PAD resto
30 35 MUNI TR resto
30 149 CAELUM é
1 499 FACULDADE é
30 5 BUTECO resto

159. dia valor loja categoria
30 30 MAX PAD resto
30 35 MUNI TR resto
é 2 ou o resto?
30 149 CAELUM 64%
é
1 499 FACULDADE é
30 5 BUTECO resto

160. dia valor loja label
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 1
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 1
30 100 8 1
1 37 9 0
30 2500 7 0

161. dia valor loja label
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 1
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 1
30 100 8 1
1 37 9 0
30 2500 7 0

162. dia valor loja label
30 30 15 0
30 35 17 0
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
dia valor loja label
30 30 15 0
30 35 17 1
30 100 8 1
1 37 9 0
30 2500 7 0

163. dia valor loja label
30 30 15 0
30 35 17 0
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

164. dia valor loja label
30 30 15 0
30 35 17 0
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

165. dia valor loja label
30 30 15 0
30 35 17 0
77% 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

166. dia valor loja label
30 30 15 0
30 35 17 0
77% 30 100 8 0
1 37 9 1
30 2500 7 0
entretenimento
dia valor loja label
30 30 15 1
53% 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

167. dia valor loja label
30 30 15 0
30 35 17 0
77% 30 100 8 0
1 37 9 1
30 2500 7 0
entretenimento
dia valor loja label
30 30 15 1
53% 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
64% 30 35 17 1
30 100 8 1
1 37 9 0
30 2500 7 0
profissional

168. 77%
entretenimento
53%
treina
alimentação
64%
profissional

169. entretenimento
treina
alimentação
profissional

170. entretenimento
entretenimento
treina
alimentação
profissional

171. entretenimento
entretenimento
treina
alimentação
você ficou esperando o
outro robô aparecer né?
profissional

172. One vs All

173. p: dentre as categorias A,B,C a
qual categoria ele pertence?

174. p: dentre as categorias A,B,C a
qual categoria ele pertence?
p: o aluno está motivado,
desanimado, desiludido,
decepcionado, contente ou
malandrão?

175. o aluno não terminou :(

176. será que eu poderia ter
ajudado ele?

177. qto tempo em cada
exercício?

178. 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]

179. se ele termina o curso
em 3 meses ou não

180. se ele termina o curso
em 3 meses ou não
alunos = []
alunos << [12, 150, 3, 15]
alunos << [4, 170, 32, 25]
alunos << [1, 10, 3, 25]
alunos << [12, 20, 31, 15]

181. se ele termina o curso
em 3 meses ou não
alunos = []
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]

182. treina

183. treina

184. treina

185. treina

186. e o guilherme?

187. e o guilherme?
guilherme = [6, 140, 25, 10]

188. e o guilherme?
guilherme = [6, 140, 25, 10]
model.predict(Node.features(guilherme))

189. adivinhe!

190. SVM

191. SVM

192. dados fake

193. dados fake
alunos = []
alunos << [12, 150, 3, 15]
alunos << [4, 170, 32, 25]
alunos << [1, 10, 3, 25]
alunos << [12, 20, 31, 15]

194. dados fake
alunos = []
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]

195. dados reais

196. dados reais

197. dados reais
C utilizado ACERTOS NO TREINO PREVISOES COM AC
0.08! 93.18%! 85.71%

198. dados reais
C utilizado ACERTOS NO TREINO PREVISOES COM AC
0.08! 93.18%! 85.71%
C utilizado! ! ACERTOS NO TREINO!PREVISOES
0.001! !
! 70.45454545454545!61.90476190476190
0.04! ! ! 88.63636363636364!71.42857142857143
0.08! ! ! 93.18181818181819!85.71428571428571
0.2! !
! 100.0! !
! 100.0

199. dados reais
C utilizado ACERTOS NO TREINO PREVISOES COM AC
0.08! 93.18%! 85.71%
C utilizado! ! ACERTOS NO TREINO!PREVISOES
0.001! !
! 70.45454545454545!61.90476190476190
0.04! ! ! 88.63636363636364!71.42857142857143
0.08! ! ! 93.18181818181819!85.71428571428571
0.2! !
! 100.0! !
! 100.0

200. SVM para classificar
(0,1, ...)

201. p: dentre as categorias A,B,C a
qual categoria ele pertence?

202. 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?

203. grupos de alunos

204. grupos de alunos

205. grupos de alunos

206. user id 15 ?? user id 17

207. user id 15 ?? user id 17
user id 15 ?==? user id 17

208. user id 15 ?? user id 17
user id 15 ?==? user id 17
333784321236738126783 ?==? 1238793923832178612397

209. user id 15 ?? user id 17
user id 15 ?==? user id 17
333784321236738126783 ?==? 1238793923832178612397
dificuldade != facilidade

210. user id 15 ?? user id 17
user id 15 ?==? user id 17
333784321236738126783 ?==? 1238793923832178612397
dificuldade != facilidade

211. características em comum

212. características em comum
altura???

213. características em comum
número de respostas erradas
altura???

214. características em comum
número de respostas erradas
altura???
tempo gasto

215. características em comum
número de respostas erradas
altura???
tempo gasto
número de exercícios feitos

216. características em comum
número de respostas erradas
altura???
tempo gasto
número de exercícios feitos
feedbacks dados

217. características em comum
número de respostas erradas
altura???
tempo gasto
número de exercícios feitos
feedbacks dados
notas de feedback recebidos

218. características em comum
número de respostas erradas
altura???
tempo gasto
número de exercícios feitos
feedbacks dados
notas de feedback recebidos
likes

219. características em comum
número de respostas erradas
altura???
tempo gasto
número de exercícios feitos
feedbacks dados
notas de feedback recebidos
likes
cursos

220. características em comum
número de respostas erradas
altura???
tempo gasto
número de exercícios feitos
feedbacks dados
notas de feedback recebidos
likes
cursos
quantidade de caracteres

221. joga no plano

222. olha eles aqui!

223. chuta um ponto
X
X

224. genial
X
X

225. melhora
X
X

226. melhora
X
X
X

227. melhora
X
X
X
X

228. melhora
X
X
X
X

229. melhora
X
X
X
X

230. e melhora...

231. e melhora...
e melhora...

232. e melhora...
e melhora...
e melhora...

233. e melhora...
e melhora...
e melhora...
e melhora...

234. e melhora...
e melhora...
e melhora...
e melhora...
e melhora...

235. e melhora...
e melhora...
e melhora...
e melhora...
e melhora...
e melhora...

236. e melhora...
e melhora...
e melhora...
e melhora...
e melhora...
e melhora...
e melhora...

237. esses são os grupos

238. grupos esperados:
muitas perguntas, poucos erros,
muitos erros poucas perguntas
poucos erros,
poucas perguntas,
ajuda bastante

239. grupos esperados:
X
muitas perguntas, poucos erros,
muitos erros poucas perguntas
poucos erros,
poucas perguntas,
ajuda bastante

240. grupos esperados:
X X
muitas perguntas, poucos erros,
muitos erros poucas perguntas
poucos erros,
poucas perguntas,
ajuda bastante

241. grupos esperados:
X X
muitas perguntas, poucos erros,
muitos erros poucas perguntas
X
poucos erros,
poucas perguntas,
ajuda bastante

242. grupos encontrados:

243. grupos encontrados:
muitas perguntas,
poucos erros

244. grupos encontrados:
muitas perguntas, muitos erros,
poucos erros poucas perguntas

245. grupos encontrados:
muitas perguntas, muitos erros,
poucos erros poucas perguntas
muitos erros,
poucas perguntas,
ajuda bastante

246. grupos encontrados:
muitas perguntas, muitos erros,
poucos erros poucas perguntas
muitos erros,
poucas perguntas,
ajuda bastante
entre
outros

247. p: como meus _____ se
agrupam?

248. p: como meus _____ se
agrupam?
p: como os alunos se
comportam?

249. p: como meus _____ se
agrupam?
p: como os alunos se
comportam?
p: como os instrutores se
comportam?

250. p: como meus _____ se
agrupam?
p: como os alunos se
comportam?
p: como os instrutores se
comportam?
p: como os exercícios se
comportam?

251. p: como meus clientes se
agrupam?

252. p: como meus clientes se
agrupam?
p: como meus produtos se
agrupam?

253. p: como meus clientes se
agrupam?
p: como meus produtos se
agrupam?
p: como minhas features se
agrupam?

254. 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?

255. resumindo

256. machine learning

257. machine learning
regressão linear

258. machine learning
regressão linear
classificadores

259. machine learning
regressão linear
classificadores
redes neurais

260. machine learning
regressão linear
classificadores
redes neurais
logistic

261. machine learning
regressão linear
classificadores
redes neurais
logistic
k-cluster

262. a média de bugs de uma
equipe é X

263. a média de bugs de uma
equipe é X
“nessa equipe está Y”
metricminer.org.br

264. se usar o computador

265. se usar o computador

266. se usar o computador
não dirija

267. se beber não dirija

268. se beber não dirija

269. se ler, não dirija

270. se ler, não dirija

271. se falar, não dirija

272. se falar, não dirija

273. “carros” automáticos

274. “carros” automáticos

275. “carros” automáticos

276. “carros” automáticos

277. detectando...

278. detectando...

279. detectando...

280. detectando...

281. detectando...

282. detectando...

283. detectando... margem de erro

285. o que você quer saber
sobre um cliente?

286. o que você quer saber
sobre um cliente?
o que o cliente quer saber
sobre ele mesmo?

287. o que você quer saber
sobre um cliente?
o que o cliente quer saber
sobre ele mesmo?
como os clientes se agrupam?

288. 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?

289. 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?

291. nós respondemos 2

292. nós respondemos 2
levante as suas

293. obrigado 1
guilherme.silveira@caelum.com.br
@guilhermecaelum
http://caelum.com.br/online