Introducao inteligenciaartificial
•
0 gostou•643 visualizações
Este documento apresenta uma introdução à inteligência artificial e suas aplicações na biologia. Ele discute brevemente conceitos como agentes inteligentes e define inteligência artificial. Também descreve várias técnicas de aprendizado de máquina como árvores de decisão, redes bayesianas, clustering, máquinas de vetor de suporte e redes neurais e como elas podem ser usadas para análise de dados biológicos. Finalmente, fornece exemplos e links para aprendizado adicional sobre o assunto.
Recomendados
Recomendados
Mais conteúdo relacionado
Destaque
Destaque (20)
Semelhante a Introducao inteligenciaartificial
Semelhante a Introducao inteligenciaartificial (20)
Último
Último (20)
Introducao inteligenciaartificial
- 1. Introdução à Inteligência Artificial Esther Camilo 10/09/2013
- 2. Objetivo Introdução Se o objetivo da biologia é o estudo da vida, o objetivo dessa aula é responder como a inteligência artificial pode ajudar a biologia a compreender a vida ou prever comportamentos. Afinal, como eu posso utilizar IA na minha pesquisa?
- 3. Introdução
- 5. Algumas definições Inteligência Artificial é um ramo da ciência da computação que estuda e desenvolve máquinas e softwares inteligentes. Um agente inteligente é um sistema que percebe seu ambiente e realiza ações que maximizam sua chance de sucesso. Introdução http://en.wikipedia.org/wiki/Artificial_intelligence
- 6. Algumas definições Introdução http://en.wikipedia.org/wiki/Artificial_intelligence Quimiotaxia Formação de biofilmes
- 7. Google Machine Translation Systems Introdução
- 8. Google Machine Translation Systems Introdução
- 9. Google Machine Translation Systems Introdução
- 11. Explosão de informação em Biologia Introdução
- 12. Foco em aprendizado de Máquina Técnicas Concentrada no desenvolvimento de algoritmos cujos inputs são dados experimentais. Árvore de Decisão Sparce dictionary learning Representation LearningReinforcement learning Redes BayesianaClustering Support Vector Machines Programação Lógica Indutiva Programação Genética Redes NeuraisRegras de Associação
- 14. Exemplo: Decisão de jogar tênis Técnicas
- 15. Exemplo: Decisão de jogar tênis Técnicas Todas as combinações → 3 x 3 x 2 x 2 = 36
- 16. Exemplo: Decisão de jogar tênis Técnicas Prever se joga ou não : sunny, mild, high, true
- 17. Exemplo: Decisão de jogar tênis Técnicas Prever se joga ou não : sunny, mild, high, true Outlook Humidity Wind Temperature
- 18. Como as árvores são geradas? Técnicas Ganho de informação É a medida de quão bem um atributo classifica os dados. Alta entropia = Baixo ganho de informação Baixa entropia = Alto ganho de informação
- 19. Exemplo Técnicas
- 20. Exemplo Técnicas
- 21. Exemplo Técnicas
- 22. Foco em aprendizado de Máquina Técnicas Concentrada no desenvolvimento de algoritmos cujos inputs são dados experimentais. Árvore de Decisão Sparce dictionary learning Representation LearningReinforcement learning Redes BayesianaClustering Support Vector Machines Programação Lógica Indutiva Programação Genética Redes NeuraisRegras de Associação
- 23. Redes Bayesianas Técnicas P(sol)=0.5 P(aumento) = 0.1 Sol $ Felicidade P(feliz) = 0.6 Rede de probabilidades
- 24. Redes Bayesianas Técnicas T1 T2 diagnóstico P(C) = 0,01 P(¬C) = _____ P(+|C) = 0,9 P(- |C) = _____ P(+|¬C) = 0,2 P(- |¬C) = _____ P(C|+) = ______ Probabilidade de incidência de um determinado tipo de câncer
- 25. Redes Bayesianas Técnicas Problema de Monty Hall http://en.wikipedia.org/wiki/Monty_Hall_problem
- 26. Redes Bayesianas Técnicas Problema de Monty Hall Suponha que você escolheu A 1 - Está em A (ficar ganha) 2 - Está em B, então C é revelado (trocar ganha) 3 - Está em C, então B é revelado (trocar ganha)
- 27. Foco em aprendizado de Máquina Técnicas Concentrada no desenvolvimento de algoritmos cujos inputs são dados experimentais. Árvore de Decisão Sparce dictionary learning Representation LearningReinforcement learning Redes BayesianaClustering Support Vector Machines Programação Lógica Indutiva Programação Genética Redes NeuraisRegras de Associação
- 28. Clustering Técnicas É uma técnica de aprendizado não supervisionado Connectivity based clustering
- 29. Foco em aprendizado de Máquina Técnicas Concentrada no desenvolvimento de algoritmos cujos inputs são dados experimentais. Árvore de Decisão Sparce dictionary learning Representation LearningReinforcement learning Redes BayesianaClustering Support Vector Machines Programação Lógica Indutiva Programação Genética Redes NeuraisRegras de Associação
- 30. Support Vector Machine Técnicas Técnica de clusterização binária Pode ser útil para: 1 – Classificação de proteínas; 2 – Reconhecimento de letra de mão; 3 – Classificação de imagens.
- 31. Foco em aprendizado de Máquina Técnicas Concentrada no desenvolvimento de algoritmos cujos inputs são dados experimentais. Árvore de Decisão Sparce dictionary learning Representation LearningReinforcement learning Redes BayesianaClustering Support Vector Machines Programação Lógica Indutiva Programação Genética Redes NeuraisRegras de Associação
- 32. Redes Neurais Técnicas http://natureofcode.com/book/chapter-10-neural-networks/ 964324 Scientists have already spent entire careers researching and implementing complex solutions. reconhecimento de padrões
- 33. Redes Neurais Técnicas http://natureofcode.com/book/chapter-10-neural-networks/ Os elementos individuais de uma rede neural é simples. Eles leem inputs, processam e geram output. Mas uma rede de muitos neurônios pode exibir comportamento rico e inteligente. Capacidade de aprender -> sistema complexo adaptativo. Isto é, ele muda sua estrutura interna baseado no fluxo de informação que o atravessa.
- 34. Redes Neurais Técnicas http://natureofcode.com/book/chapter-10-neural-networks/ Os pesos variam, enquanto o programa não executa a tarefa de forma satisfatória.
- 36. Foco em aprendizado de Máquina Técnicas Concentrada no desenvolvimento de algoritmos cujos inputs são dados experimentais. Árvore de Decisão Sparse dictionary Representation LearningReinforcement learning Redes BayesianaClustering Support Vector Machines Programação Lógica Indutiva Programação Genética Redes NeuraisRegras de Associação
- 37. Programação genética Técnicas É um algoritmo inspirado no modelo biológico da evolução para encontrar programas que realizem um tarefa definida pelo usuário. É um conjunto de instruções e uma função fitness para medir quão bem o computador executou a tarefa. É uma especialização do algoritmo genético.
- 38. Programação genética Técnicas É um algoritmo inspirado no modelo biológico da evolução para encontrar programas que realizem um tarefa definida pelo usuário. É um conjunto de instruções e uma função fitness para medir quão bem o computador executou a tarefa. É uma especialização do algoritmo genético.
- 39. Algoritmo genético Técnicas Inicialize um população com n indivíduos Calcule o desempenho de cada um. Selecione os melhores. Embaralhe a lista dos selecionados (cross-over). 11100110 11100110 11100110