O documento introduz os conceitos de inteligência artificial, machine learning e as três principais classificações de algoritmos de machine learning: aprendizagem supervisionada, não supervisionada e por reforço. A aprendizagem supervisionada inclui problemas de classificação e regressão. A não supervisionada engloba agrupamento e associação. A aprendizagem por reforço usa tentativa e erro com recompensas.

1. Introdução
a Machine
Learning

2. Analista de sistemas
Trabalho na Kinghost
Estudante no senac
Redes sociais
@morvanabonin
MORVANA Bonin

3. O que é
inteligência?

4. Alfred Binet, pedagogo e psicólogo francês
inventor do teste de Q.I., “Inteligência é julgar
bem, compreender bem, raciocinar bem”.
Lewis Terman, psicólogo americano, “
A capacidade de conceituar e de compreender o
seu significado”.
Jean Piaget, biólogo, psicólogo e epistemólogo
suíço, “Adaptação ao ambiente físico e social.”

5. Inteligência Artificial
é a ciência de
construir coisas
inteligentes.

6. O que é
machine
learning?

8. A principal abordagem de
Machine Learning é a de
aprender através da
experiência para encontrar
padrões em conjunto de
dados.

9. basicamente, implementar
Machine Learning significa
criar algoritmos que
possam aprender e fazer
predições em cima de um
conjunto de dados

10. Em Machine Learning há três principais
classificações no que diz respeito aos
algoritmos usados e o tipo de
aprendizagem deles, são elas:
● Aprendizagem Supervisionada.
● Aprendizagem Não Supervisionada.
● Aprendizagem Por Reforço.

11. Supervised
learning

12. A maioria das práticas de
Machine Learning utiliza a
aprendizagem
supervisionada.

15. Os problemas que envolvem a
Aprendizagem Supervisionada podem ser
agrupados em problemas de classificação
e/ou regressão.
● Classificação
● Regressão

16. unSupervised
learning

17. O objetivo nesse caso é
modelar a estrutura ou
distribuição dos dados para
saber mais sobre os
mesmos.

20. Problemas de Aprendizagem Não
Supervisionada podem ser agrupados em
Agrupamento (Clustering) e Associação
(Association)
● Agrupamento
● Associação

21. reinforcement
learning

22. Tentativa e erro, método de
recompensa para os
acertos é como podemos
descrever a Aprendizagem
Por Reforço.

25. A dificuldade reside no fato de que as
ações tomadas pelo agente podem
mudar o ambiente, e o agente pode
obter sua recompensa muito tempo
depois de sua ação. Então, torna-se
difícil saber quais ações levaram a
qual recompensa.

27. obrigada!