Olá, sou Artemy Kolchinsky. Nestes tutoriais nós falaremos sobre o que é aprendizagem de máquina, exemplos de problemas de aprendizagem de máquina e algumas das razões pelas quais a aprendizagem de máquina se tornou predominante nos noticiários vamos começar por uma conversa sobre o que aprendizagem de máquina é. Primeiro você deve estar curioso sobre como isso se difere de outro termo que ouvimos, que é inteligência artificial. Eu diria que inteligência artificial é a ciência geral da criação de sistemas autônomos inteligentes, podendo ser coisas como softwares jogadores de xadrez, softwares para controlar robôs ou processos industriais e muitos e muitos outros exemplos. Aprendizagem de máquina é um subconjunto da inteligência artificial e é particularmente destinado a projetar software que pode automaticamente aprender a fazer coisas inteligentes geralmente a partir de dados fornecidos a ele e a partir deste ponto de vista, em algumas formas está na realidade muito relacionado com estatística porque ela também está preocupada em fazer inferências a partir de dados e usá-los para prever outras coisas. Agora, para obter uma ideia esquematizada da diferença entre esses dois nós podemos considerar dois sistemas de inteligência artificial diferentes. Um deles é o que se chama Sistema de Prevenção de Colisão de Tráfego e ele é basicamente um sistema que foi desenvolvido muitas décadas atrás para ajudar aviões a evitarem uns aos outros e evitarem colisões no ar. Ele é basicamente uma lista de comandos IF e condições que dizem quando disparar alarmes, quando dizer para um avião subir e outro para descer e assim por diante. Estas são regras fixas que foram projetadas para ajudar a evitar colisões. Isso não é um problema de aprendizagem de máquina porque são essencialmente algum programa com comandos fixos. Agora, um exemplo do que eu diria ser um problema de aprendizagem de máquina é o seguinte: dado alguns dados, fazer um modelo estatístico de algo como ganhos anuais pessoais dependendo de coisas como idade, gênero, grau escolar, código de endereçamento posta (CEP) e assim por diante E usar estas, que seriam chamadas de variáveis independentes para fazer uma previsão sobre digamos, quanto dinheiro uma pessoa faz em um ano. Agora, se você fez aula de estatística você deve pensar que isso pode apenas ser resolvido com uma regressão linear e acontece que é verdade, essa é uma maneira de abordar o problema e uma regressão linear simples é um caso simples de aprendizagem de máquina, está usando dados para construir um modelo que então pode ser usado para fazer previsões sobre outras coisa. Se você quer um exemplo mais cinematográfico da diferença entre IA e aprendizagem de máquina você pode pensar no computador Hal 9000 do filme 2001 Uma Odisseia no Espaço Parecia que era como se ele estivesse essencialmente programado para realizar uma tarefa obstinada da missão no espaço e isso seria um exemplo clássico de IA. Compare isso com o computador nos jogos clássicos de guerra nos anos 80 , que foi treinado para aprender a jogar guerra termonuclear global e então poderiam aprender a jogar coisas como jogo da velha e isso seria um exemplo de uma inteligência artificial com aprendizagem de máquina. Ok, indo adiante eu falarei sobre duas grandes áreas da inteligência artificial: aprendizagem de máquina supervisionado e aprendizagem de máquina não supervisionado. Na aprendizagem supervisionada existe essencialmente uma resposta certa para uma questão e nós treinamos o algoritmo as usando e mostrando quais são as respostas corretas. Exemplos disso poderiam ser os seguintes. Eu te dou uma imagem e eu peço para você classificar isso como um gato ou cachorro. Existe claramente uma resposta certa para a maioria das images. Eu te dou uma gravação de áudio e eu te peço para gerar o texto que está atualmente sendo falado no gravação de áudio. Ou finalmente eu poderia te dar dados históricos do mercado de ações e pedir para você prever o que o mercado de ações será agora. O mercado de ações atingirá um certo nível e então nós poderemos estar certos ou errados. Neste tutorial nós estaremos principalmente falando sobre aprendizagem supervisionada. Contudo, você deveria também saber essa outra área da aprendizagem de máquina chamada de aprendizagem não supervisionada e aprendizagem não supervisionada não há uma resposta certa por si só, mas o quê nós desejamos fazer é encontrar padrões significativos nos dados. Isso poderia ser algo como pegar conjunto de dados com alta demanda e representá-lo em um espaço dimensional menor. Seria algo como pegar um conjunto de dados e separá-los em grupos. Então esse é um outro exemplo que você vê na rela onde você ... nós pode visualmente que existe um gráfico de dispersão e existe algum agrupamento ali. O que è o agrupamento certo, bem, pode não haver um agrupamento certo mas nós ainda gostaríamos de considerar coisas. Isso também inclui coisas como detecção de anomalia onde não é exatamente claro qual é a resposta certa mas é ainda útil ter algum tipo de algoritmo para encontrar padrão. Além da aprendizagem supervisionada e não supervisionada existem muitas outras misturas e variações e alternativas para elas, tal como transferência de aprendizagem aprendizagem semi-supervisionada e assim por diante Nós não teremos tempo para entrar na maioria destas mas você deveria saber que as áreas de domínio da aprendizagem de máquina são grandes mas aprendizagem supervisionada é provavelmente a que teve mais sucessos recentemente e é a qual mais falaremos sobre. Ok, então como a aprendizagem de máquina atualmente funciona? Na aprendizagem supervisionada nos é dado o que é chamado de conjunto de dados de treino. Eu vou usar o exemplo de pegar fotos e mapeá-las para os labels cachorro ou gato dependendo do que é mostrado na imagem. Nosso conjunto de dados de treino consistiria de um monte de imagens e para uma dessas um label isso é um cachorro ou isso é um gato. Agora nós pegamos o conjunto de dados de treino e nós pegamos o que é chamado de modelo estatístico ou geralmente algum tipo tipo de modelo de aprendizagem de máquina e nós pegamos um algoritmo de aprendizagem e nós falaremos sobre o que acontece nesse processo quando eles são combinados. Mas quando eles são combinados nós dizemos que nós treinamos o modelo e a saída disso é um modelo treinado. Ok, esse modelo treinado aprendeu alguma coisa sobre a associação entre imagens e o label carro e o label gato e uma vez que nós treinamos isso nós na verdade podemos entregar para esse modelo treinado uma imagem que nunca foi vista por ele antes e ele vai fazer uma predição se é um cachorro ou se é um gato e se nós fizemos um bom trabalho então ele deve estar certo sobre sua predição. Nós falaremos mais sobre isso mais tarde. Ok, então apenas uma coisa que é realmente importante para lembrar é que nós falamos sobre alguns exemplos como o exemplo clássico de aprendizagem se imagens são de cachorros ou gatos mas existem muitos e muitos problemas no mundo que podem ser vistos como problemas de aprendizagem supervisionada. Por exemplo, jogar um vídeo game, aprender automaticamente como jogar um vídeo game é um exemplo de um problema de aprendizagem supervisionada, nós podemos pensar no problema de aprendizagem supervisionada como aprendendo e mapeando pular ou atirar, por exemplo, e uma maneira que tais modelos são treinados, em termos do do que você vai ouvir, é aprendizagem por reforço. Aprendizagem por reforço é um tipo de aprendizagem supervisionada em que essencialmente o algoritmo faz muitas execuções através de algum tipo de sequência de eventos e no fim dessa sequência de eventos ele ganha uma recompensa positiva ou negativa e essa recompensa muda o como a execução através da sequência de eventos de modo a maximizar a recompensa que ele está ganhando. tutorial. Outro exemplo de problema de aprendizagem supervisionada é tradução então eu posso te dar uma sentença em inglês tarefa bem difícil para aprendizagem supervisionada e algoritmos de aprendizagem de máquina tradução e tarefas similares é aprendizagem de sequência. Aprendizagem de sequência apenas significa que a coisa que você está mapeando de ou para é uma longa sequência de algo. como por exemplo poderia ser uma longa sequência de palavras como no idioma e você também vai ouvir os termos redes neurais recorrentes e coisas como conjunto com aprendizagem sequencial avanços em tradução de idiomas recentemente. Finalmente o último exemplo que nós falaremos é algo como um sistema de recomendação então queremos ter um conjunto de músicas que que nós pensamos que você gostará baseado no que você ouviu. Para você, provavelmente está familizarizado com estes exemplos e eles na verdade podem trabalahar surpreendentemente bem em recomendação de coisa, você realmente acaba gostando, então esse é outro exemplo de um problema de aprendizagem supervisionada. Ok então uma das últimas coisas que eu quero que você se lembre e realmente tire isso deste tutorial: existem muitos e muitos algoritmos que fazem aprendizagem supervisionada, no slide atual você pode apenas ver um pequeno subconjunto destes. Recentemente você deve ter ouvido muito sobre redes neurais ou aprendizagem profunda, que são na verdade um exemplo de redes neurais. Você deve lembrar que redes neurais é apenas um exemplo de algoritmo de aprendizagem de máquina entre muitos outros. Eles possuem assim como os outros algoritmos os seus pontos fortes e fracos, mas nós falaremos depois também sobre algumas das razões porque eles podem ser tão prevalentes recentemente. Agora, no próximo tutorial eu falarei sobre uma maneira espacial ou geométrica para entender como a aprendizagem de máquina na realidade faz o que faz.