Aprendizado de Máquina

Prévia do material em texto

APRENDIZADO DE MÁQUINA 
 
A aprendizagem máquina trás aspectos comportamentais que atualmente estão sendo 
aplicados nos robôs inteligentes. Existem robôs que já imitam comportamentos humanos, 
como abrir portas, correr, saltar, outros com aparência humana. Através da inteligência 
artificial é possível ensinar os sistemas inteligentes a trabalhar, pensar e raciocinar, e mais 
ainda, ensinam a ensinar. Como exemplo, são os aplicativos tutores que forçam o aprendizado 
do vocabulário e apoio ao aprendizado de várias ciências através da inteligência do Watson da 
IBM. Os tutores auxiliam alunos nos seus estudos, através de perguntas e o direcionam para a 
resposta certa, perguntando de outra maneira ou através de dicas. Watson irá adaptar para 
cada aluno um melhor ensino aprendizado através de técnicas diferenciadas. Outras 
tecnologias que utilizam a inteligência artificial de aprendizado são os dispositivos que 
guardam informações biométricas, como o reconhecimento facial para o desbloqueio de 
smartphones, identificação de similaridades em redes sociais, análise facial para o acesso a 
sistemas e em ambientes restritos. Através do reconhecimento facial os sistemas inteligentes 
podem localizar criminosos e acionar as autoridades sobre sua localidade. O aprendizado 
máquina está também apoiando a área da saúde através mineração de dados a partir de bases 
médicas na descoberta de novos medicamentos para o tratamento de doenças complexas. 
Diante deste contexto, em um texto escrito, explique como ocorre o aprendizado máquina, 
através da mineração de dados, no caso do Watson da IBM, para realizar, um melhor ensino 
aprendizado ou, na área da saúde descobrindo novos medicamentos para o tratamento de 
doenças? Que tipo de ferramentas computacionais são utilizadas para realizar tal aprendizado 
máquina? O aprendizado de máquina é um processo pelo qual os sistemas inteligentes 
aprendem a parar de dados, sem serem explicitamente programados. Em vez disso, eles 
utilizam algoritmos que permitem que o sistema aprenda e melhore a parar de exemplos, 
detectando padrões e fazendo previsões. No caso do Watson da IBM, ele utiliza a mineração de 
dados para identificar padrões e tendências de grandes volumes de informações, que podem 
ser usados para melhorar o ensino e a descoberta de novos medicamentos. Para realizar o 
aprendizado de máquina, o Watson da IBM utiliza uma série de ferramentas computacionais, 
como algoritmos de aprendizado supervisionado e não supervisionado, redes neurais artificiais 
e algoritmos de otimização. O processo de aprendizado começa com a identificação de um 
problema específico, como a identificação de padrões em dados médicos para o 
desenvolvimento de novos medicamentos. O Watson da IBM então utiliza algoritmos de 
aprendizado supervisionado para treinar o sistema a reconhecer padrões específicos nos 
dados, como as propriedades química se biológicas de diferentes compostos. Ele utiliza 
também algoritmos de aprendizado 
Não supervisionado para identificar padrões e tendências em grandes conjuntos de dados, o 
que pode levar a descoberta de novas informações. Uma vez que o sistema aprende a parar os 
dados, ele é capaz de fazer previsões e tomar decisões com base em novas informações. No 
caso de aplicativos de ensino, o Watson da IBM é capaz de personalizar o ensino para cada 
aluno, adaptando o conteúdo e as técnicas de ensino com base no perfil de aprendizado de 
cada indivíduo. Na área da saúde, ele pode identificar novos medicamentos com base nas 
propriedades químicas e biológicas de compostos existentes, ajudando a acelerar o 
desenvolvimento de novos tratamentos. Em resumo, a mineração de dados é fundamental 
para o aprendizado de máquinas, pois permite que os sistemas inteligentes aprendam a parar 
grandes conjuntos de dados, identificando padrões e tendências que podem ser usados para 
https://ambienteacademico.com.br/course/view.php?id=28440#section-4
melhorar o ensino e a descoberta de novos medicamentos. As ferramentas computacionais 
utilizadas no processo de aprendizado incluem algoritmos de aprendizado supervisionado e 
não supervisionado, redes neurais artificiais e algoritmos de otimização.