Baixe o app para aproveitar ainda mais
Prévia do material em texto
Prof. Fábio Lucio Félix fabio.felix@facthus.edu.br Inteligência Artificial, o que é ? É um campo da ciência da computação que se concentra no desenvolvimento de sistemas de computador e programas capazes de realizar tarefas que normalmente requerem inteligência humana. Essas tarefas incluem: Coleta e interpretação de dados, resolução de problemas complexos, tomada de decisões, aprendizado e adaptação a novas situações. A IA busca criar sistemas que podem simular algumas das capacidades cognitivas humanas. Raciocínio lógico, reconhecimento de padrões, linguagem natural e tomada de decisões éticas. Inteligência Artificial Os seus fundamentos envolvem uma série de conceitos que formam a base para o seu desenvolvimento. Aprendizado de máquina Redes Neurais Artificiais Processamento de Linguagem Natural Visão Computacional Aprendizado Profundo Robótica Inteligência Artificial Inteligência Artificial Aprendizado De Máquina Redes Neurais ArtificiaisProcessamento De Linguagem Natural Visão Computacional Redes Neurais Profundas Visão Computacional Reconhecimento De Imagens Robótica Processamento De Linguagem Natural Aprendizado de Máquina, o que é? Um modelo de Aprendizado de Máquina é uma representação matemática entre uma variável (ou grupo de variáveis) e um alvo. Em geral, aprendizado de máquina consiste em fazer previsões e classificações. O aprendizado de máquina é dividido em: Aprendizado Supervisionado; Aprendizado não-Supervisionado; Aprendizado por Reforço; Aprendizado de Máquina Um algoritmo de Aprendizado de Máquina (Machine Learning) é um conjunto de regras e procedimentos matemáticos que permite que um sistema computacional aprenda a partir de dados e melhore seu desempenho em tarefas específicas sem ser explicitamente programado. Os algoritmos são utilizados para aprender padrões e realizar previsões ou tomar decisões com base nos dados. Aprendizado de máquina (Machine Learning) Aprendizado Supervisionado Mobilidade pessoal em grande escala. Popularização dos automóveis. Aprendizado não- supervisionado Urbanização acelerada. Elevação da qualidade de vida. Aprendizado por reforço Crescimento significativo do comércio internacional Envolve o treinamento de algoritmos usando um conjunto de dados rotulados (possui um alvo, target). O algoritmo é "supervisionado" por um conjunto de exemplos de entrada e saída, onde a saída desejada (rótulo ou classe) para cada exemplo de entrada é conhecida. Envolve o treinamento de algoritmos usando um conjunto de dados que não possui rótulos ou saídas conhecidas. O modelo de aprendizado não- supervisionado deve aprender padrões e estruturas nos dados por conta própria. É uma abordagem em que um agente (programa de computador ou um robô) aprende a tomar decisões sequenciais interagindo com o ambiente. Aprende através da tentativa e erro, recebendo um feedback na forma de recompensas ou penalidades do ambiente. Algoritmos de Aprendizado de Máquina "Clássicos" Regressão Regressão Linear Simples/Múltipla Árvore de Decisão / Floresta Aleatória Regressão de Vetor de Suporte (SVR) K-Vizinhos mais próximos (k-NN) Classificação Regressão Logística Árvore de Decisão / Floresta Aleatória Máquinas de Vetores de Suporte (SVM) K-Vizinhos mais próximos (k-NN) Principal Biblioteca em Python: Scikit-Learn Algoritmos de Aprendizado de Máquina "Clássicos" Agrupamento/Clusterização Agrupamento Espectral K-Médio Modelos de Mistura de Gaussianas Agrupamento Hierárquico Redução de Dimensionalidade Análise de Componentes Principais (PCA) Autoencoders Análise de Fatorização de Matriz Análise Linear do Discriminante (LDA) Principal Biblioteca em Python: Scikit-Learn Algoritmos de Aprendizado de Máquina "Clássicos" Algoritmos de Aprendizado de Máquina "Modernos" Perceptron/Perceptron Multicamadas Redes Neurais Feedforward (FNN) Backpropagation Gradiente Descendente Estocástico Algoritmo de Aprendizado por Momento Redes Neurais Convolucionais (CNN) Redes Neurais Recorrentes (RNN) Redes Neurais Artificiais Profundas (DNN) Redes Generativas Adversárias (GAN) Principais Bibliotecas em Python: TensorFlow, PyTorch, Keras. Sistemas de controle tradicionais x IA Sistemas de controle tradicionais usam algoritmos e modelos matemáticos pré-definidos para controlar processos. Dependem de regras e equações que são derivadas a partir do conhecimento do sistema, requerem uma modelagem completa e precisa do sistema a ser controlado. São eficazes em sistemas com modelos matemáticos bem conhecidos e estáveis. Sistemas de controle tradicionais x IA Controle baseado em IA não exigem uma modelagem precisa do sistema. Podem aprender diretamente a partir dos dados de entrada e saída, adequados para sistemas cujo comportamento é difícil de modelar. Usam algoritmos de aprendizado de máquina, para aprender a controlar um sistema. Não dependem de modelos matemáticos e se adaptam a sistemas complexos e dinâmicos. • Manufatura aditiva • Robótica avançada • Otimização de processos Manufatura inteligente • Previsão de demanda • Gestão de estoque • Logística autônoma Cadeia de suprimentos inteligente • Controle de processos autônomos • Detecção de anomalias • Controle de qualidade Qualidade e controle de processos • Manutenção preditiva • Assistência remota • Gestão de ativos Manutenção e serviços inteligentes • Gerenciamento de energia • Redes elétricas inteligentes Energia e sustentabilidade • Robôs colaborativos • Monitoramento de saúde Saúde e segurança no trabalho • Fabricação sob demanda • Design Generativo • Assistência virtual ao cliente Personalização de produtos e serviços Computação em Nuvem A computação em nuvem vem para oferecer uma infraestrutura flexível e escalável para suportar as necessidades tecnológicas das empresas. Refere-se ao fornecimento de serviços de computação, como armazenamento, processamento de dados e acesso a software e recursos de TI, pela internet, em vez de depender de servidores locais ou infraestrutura física. Computação em Nuvem Armazenamento de Dados em Nuvem: Enormes quantidades de dados de sensores, dispositivos e sistemas de produção são gerados. A computação em nuvem fornece um meio eficaz para armazenar, gerenciar esses dados de forma escalável e segura. Processamento de Dados: Permite que as empresas executem análises avançadas, aprendizado de máquina e processamento em tempo real dos dados industriais. Crucial para tomada de decisões informadas, otimizar processos e melhorar eficiência operacional. Computação em Nuvem Acesso Remoto: Permite o acesso remoto a sistemas e dados industriais, permitindo que as empresas monitorem e controle suas operações de qualquer lugar do mundo. Flexibilidade e Escalabilidade: Oferece flexibilidade para dimensionar recursos de acordo com as necessidades em contantes mudança. As empresas podem alocar mais capacidade de computação ou armazenamento conforme necessário, sem a necessidade de investimentos elevados em hardwares. Computação em Nuvem Custos e Eficiência: A computação em nuvem muitas vezes resulta em custos mais baixos, pois as empresas pagam apenas pelos recursos que usam. Maior eficiência operacional se concentrando em suas principais competências em vez de gerenciar uma infraestrutura de TI. Atualização de Software: As atualizações de softwares e firmware podem ser implantadas centralmente na nuvem, simplificando o processo de manutenção e garantindo que os sistemas industriais estejam atualizados com as últimas melhorias de segurança e desempenho. Computação em Nuvem Engloba uma variedade de técnicas e ferramentas que permitem aos usuários acessar recursos de computação armazenados pela internet. 1 – Modelos de Implantação: Nuvem Pública: Recursos de nuvem são fornecidopor provedores e compartilhados entre múltiplos clientes. Nuvem Privada: Recursos de nuvem são dedicados exclusivamente a uma organização ou cliente e geralmente implantados em data centers próprios ou hospedados por terceiros. Nuvem Híbrida: Combina nuvens públicas e privadas, permitindo que dados e aplicativos sejam movidos entre elas de acordo com as necessidades da organização. 2 – Modelos de Serviço: Infraestrutura como serviço (IaaS): Fornece recursos de infraestrutura virtualizadas. Como máquinas virtuais, armazenamento e redes. Amazon Web Services (AWS), Microsoft Azure, Google Cloud Plataform (GCP). Plataforma como serviço (PaaS): Oferece uma plataforma completa de desenvolvimento e execução de aplicativos, incluindo bancos de dados, ambientes de execução e ferramentas de desenvolvimento. Google App Engine, Heroku. Software como Serviço (SaaS): Fornece aplicativos de softwares completos pela internet, geralmente acessados por meio de um navegador da web. Microsoft 365, Salesforce, Dropbox. Computação em Nuvem As plataformas que fornecem infraestrutura como serviço (IaaS), trazem uma gama enorme de serviços em nuvem, algumas delas sendo: Máquinas virtuais escaláveis para execução de aplicativos Armazenamento em nuvem escalável Serviço de banco de dados gerenciado Execução de códigos em resposta a eventos Deploy e gerenciamento de aplicativos web Exemplo (Failure Prediction - Previsão de Falha) NASA Turbofan Jet Engine (Motor a jato Turbofan da NASA) DATA SET Projeto https://www.kaggle.com/datasets/behrad3d/nasa-cmaps https://www.kaggle.com/code/wrecked22/eda-logistic-regression-for-failure-prediction Exemplo (Manipulador Robótico) Manipulador Robótico de Cadeia Cinemática Paralela com elos rígidos Manipulador Robótico de Cadeia Cinemática Paralela com elos flexíveis Proposta do trabalho: Resultados: Comparação com utilização de 9 sensores (6 extensômetros, 3 encoders) Slide 1: INDÚSTRIA 4.0 UniFACTHUS - Uberaba Slide 2: Inteligência Artificial, o que é ? Slide 3: Inteligência Artificial Slide 4: Inteligência Artificial Slide 5: Aprendizado de Máquina, o que é? Slide 6: Aprendizado de Máquina Slide 7: Aprendizado de máquina (Machine Learning) Slide 8: Algoritmos de Aprendizado de Máquina "Clássicos" Slide 9: Algoritmos de Aprendizado de Máquina "Clássicos" Slide 10: Algoritmos de Aprendizado de Máquina "Clássicos" Slide 11: Algoritmos de Aprendizado de Máquina "Modernos" Slide 12: Sistemas de controle tradicionais x IA Slide 13: Sistemas de controle tradicionais x IA Slide 14 Slide 15: Computação em Nuvem Slide 16: Computação em Nuvem Slide 17: Computação em Nuvem Slide 18: Computação em Nuvem Slide 19: Computação em Nuvem Slide 20: Computação em Nuvem Slide 21: Exemplo (Failure Prediction - Previsão de Falha) Slide 22: Exemplo (Manipulador Robótico) Slide 23
Compartilhar