Baixe o app para aproveitar ainda mais
Prévia do material em texto
IF67B-C71 - Inteligeˆncia Artificial Aula 01 - Apresentac¸a˜o Profa. Dra. Priscila T iemi çaeda Saito k psaito@utfpr.edu.br 2o semestre 2016 10/08/16 UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 1 / 55 Roteiro 1 Apresentac¸a˜o da Professora 2 Disciplina: Inteligeˆncia Artificial 3 Objetivos da Disciplina 4 Informac¸o˜es sobre a Disciplina Ementa da Disciplina Aulas e Atendimento Crite´rios de Avaliac¸a˜o Datas Importantes Material do Curso Algumas Informac¸o˜es Refereˆncias 5 Apresentac¸o˜es dos Alunos 6 Equipes de Trabalho 7 Questiona´rio UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 2 / 55 Apresentac¸a˜o da Professora Bacharel - UNIVEM Cieˆncia da Computac¸a˜o Computac¸a˜o Paralela e Processamento de Imagens Mestre - ICMC-USP Cieˆncia da Computac¸a˜o Sistemas Distribu´ıdos e Programac¸a˜o Concorrente Doutorado - IC-UNICAMP Cieˆncia da Computac¸a˜o Ana´lise de Imagens e Aprendizado de Ma´quina Pesquisadora Colaboradora - IC-UNICAMP UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 3 / 55 Apresentac¸a˜o da Professora Docente - UTFPR - DACOM Docente, Pesquisadora Permanente e Membro do Colegiado Programa de Po´s-Graduac¸a˜o em Bioinforma´tica - PPGBIOINFO Programa de Po´s-Graduac¸a˜o em Informa´tica - PPGI Grupos de Pesquisa Visual Computing and Complex Data (ViCCoD) - l´ıder Bioinforma´tica e Reconhecimento de Padro˜es - colaboradora UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 4 / 55 A´reas de Atuac¸a˜o Aprendizado de Ma´quina (Aprendizado Ativo) Anotac¸a˜o de Imagens Reconhecimento de Padro˜es Classificac¸a˜o de Dados Supervisionada, Na˜o-Supervisionada, Semi-Supervisionada Recuperac¸a˜o de Imagens Baseada em Conteu´do Segmentac¸a˜o de Imagens Processamento de Imagens Computac¸a˜o Paralela Visualizac¸a˜o de dados Outros... UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 5 / 55 PhD - Diagno´stico de Parasitos Intestinais no Homem UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 6 / 55 PhD - Diagno´stico de Parasitos Intestinais no Homem UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 7 / 55 PhD - Diagno´stico de Parasitos Intestinais no Homem Large unlabeled datasetsData acquisition technologies How to organize them? Image Annnotation Giardia duodenalis Taenia Ascaris lumbricoides AncylostomatidaeSchistosoma mansoni Expert ? UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 8 / 55 PhD - Diagno´stico de Parasitos Intestinais no Homem Can the user label a small number of images and the computer annotate the remaining ones with high accuracy? Large unlabeled datasets Some labeled training samples Giardia duodenalis Taenia Ascaris lumbricoides Ancylostomatidae Schistosoma mansoni Supervised classifier Expert How many? Where? Which samples? UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 9 / 55 PhD - Abordagem de Aprendizado Ativo Proposta Analysis and Organization Strategies Imagens rotuladas por grupo Marcação de Classes Imagens Anotadas Aprendizado Supervisionado Classificador Supervisionado Usuário Image Databases Non-Annotated Dataset Processo Não-Supervisionado Processo Supervisionado Seletor de Imagens ok? sn Extração de Descritores Base de Imagens Base de Descritores Ciclo de Realimentação Extração de Descritores Base de Imagens Base de Descritores Extração de Descritores Análise e Ordenação Marcação de Classes Imagens Anotadas Aprendizado Supervisionado Classificador Supervisionado Usuário Base de Imagens Base de Descritores Seletor de Imagens ok? sn Ciclo de Realimentação Selector Non-Annotated Dataset Annotated Dataset Reduced Learning Set Reduction Organization (Large) Learning Set Training Expert Selection and Classification Classifier Organized Learning SetLearning Cycle Annotated Samples Selected Samples Selector Training Expert Selection and Classification Classifier Learning Cycle Annotated Samples Selected Samples iteration?1st is satisfactory? no Selection Strategies Training Classifier Expert classify no yes selection Non-Annotated Samples Learning Cycle Preprocessing Active Semi-Supervised Learning Supervised Learning Cycle Unsupervised Preprocessing Descriptor Extraction classification Annotated Samples UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 10 / 55 Resultados - Te´cnicas de Aprendizado Ativo Parasites Database 80 85 90 95 100 A c c u ra c y ( % ) Iteration OPF-MST Kmeans-MST Rand 5 10 15 20 25 A n n o ta te d I m a g e s ( % ) Iteration OPF-MST Kmeans-MST Rand 0 20 40 60 80 100 5 10 15 20 25 30 35 40 45 Accuracy 98.24% with 7% of annotated images Much less iterations with response time gain of 10.35 times UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 11 / 55 Resultados - Te´cnicas de Aprendizado Ativo Parasites Database 80 85 90 95 100 A c c u ra c y ( % ) Iteration OPF-MST Kmeans-MST Rand 5 10 15 20 25 A n n o ta te d I m a g e s ( % ) Iteration OPF-MST Kmeans-MST Rand 0 20 40 60 80 100 5 10 15 20 25 30 35 40 45 Accuracy 98.24% with 7% of annotated images Much less iterations with response time gain of 10.35 times UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 11 / 55 Anotac¸a˜o de Imagens UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 12 / 55 Anotac¸a˜o de Imagens UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 13 / 55 Reconhecimento de Padro˜es e Classificac¸a˜o de Imagens UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 14 / 55 Reconhecimento de Padro˜es e Classificac¸a˜o de Imagens Method 1 Method 2 11 1 111 114 113 112 115 11 1 111 115 11 5 11 4114 114 11 3 113 11 3 111 111 114 113 112 111 111112 113 113 113 114 114 115 114 114 111 111 114 113 112 11 1 1111 2 11 3 11 11 11 4 11 11 5 11 11 11 5 11 1 111 115 11 5114 11 4 114 11 3 113 11 3 1 3 3 4 4 4 111 111 114 113 112 11 1 11 1 11 2 113 113 11 3 11 4 11 4 115 114 114 11 5 11 1 11 11 11 1111 11 4 11 3 11 111 3 5 5 3 44 111 111 114 113 112 111 11114 113 11 11 11 114 111 1 4 4 3 111 111 111 114 113 112 11111 11113 111111 11114 11 4 4 4 1 1 4 4 UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 15 / 55 Reconhecimento de Padro˜es e Classificac¸a˜o de Imagens (a) (b) (c) (d) (e) Figura: Images of a defect in wet-blue. (a) Scabies, (b) Tick, (c) Hot-iron, (d) Cut, (e) without defect. UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 16 / 55 Reconhecimento de Padro˜es e Classificac¸a˜o de Imagens UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 17 / 55 Classificac¸a˜o Supervisionada UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 18 / 55 Classificac¸a˜o Na˜o Supervisionada 0 0.1 0.2 0.3 0.4 0.5 0.6 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 100 200 300 400 500 600 700 800 900 1000 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6-600 -400 -200 0 200 400 600 800 1000 (a) (b) 0 100 200 300 400500 600 700 800 900 1000 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 -1000 -500 0 500 1000 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 -1000 -500 0 500 1000 0 0.1 0.2 0.3 0.4 0.5 0.6 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 (c) (d) UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 19 / 55 Recuperac¸a˜o de Imagens Baseada em Conteu´do UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 20 / 55 Segmentac¸a˜o de Imagens UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 21 / 55 Segmentac¸a˜o de Imagens UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 22 / 55 Segmentac¸a˜o de Imagens UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 22 / 55 Segmentac¸a˜o de Imagens UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 22 / 55 Segmentac¸a˜o de Imagens UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 22 / 55 Segmentac¸a˜o de Imagens UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 22 / 55 Segmentac¸a˜o de Imagens UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 22 / 55 Segmentac¸a˜o de Imagens UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 22 / 55 Segmentac¸a˜o de Imagens UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 22 / 55 Segmentac¸a˜o de Imagens UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 22 / 55 Segmentac¸a˜o de Imagens UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 23 / 55 Segmentac¸a˜o de Imagens v´ıdeo UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 24 / 55 Processamento de Imagens UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 25 / 55 Processamento de Imagens UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 26 / 55 Processamento de Imagens UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 27 / 55 Processamento de Imagens UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 28 / 55 Computac¸a˜o Paralela UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 29 / 55 Computac¸a˜o Paralela UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 30 / 55 Visualizac¸a˜o de Dados UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 31 / 55 Inteligeˆncia Capacidade mental de: raciocinar planejar resolver problemas abstrair ideias compreender ideias e linguagens aprender Definic¸a˜o ampla: seria a inteligeˆncia o nome de um conjunto de habilidades? UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 32 / 55 Inteligeˆncia De aorcdo com uma pqsieusa de uma uinrvesriddae ignlsea, na˜o ipomtra em qaul odrem as lrteas de uma plravaa eta˜so, a u´ncia csioa iprotmatne e´ que a piremria e u´tmlia lrteas etejasm no lgaur crteo O rseto pdoe ser uma ttaol bc¸guana que vcoeˆ pdoe anida ler sem pobrlmea Itso e´ poqrue no´s na˜o lmeos cdaa lrtea isladoa, mas a plravaa cmoo um tdoo UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 33 / 55 Inteligeˆncia Tomando o Homo sapiens como modelo latim → homem sa´bio, homem racional UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 34 / 55 Inteligeˆncia Artificial Etimologicamente - Origem latim Inter (entre) e Legere (escolher) Aquilo que permite ao ser humano escolher entre uma coisa e outra Habilidade de realizar, de forma eficiente, uma determinada tarefa Artificiale Algo na˜o natural, isto e´, produzido pelo homem Um tipo de inteligeˆncia produzida pelo homem para dotar as ma´quinas de algum tipo de habilidade que simula a inteligeˆncia do homem UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 35 / 55 Inteligeˆncia Artificial UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 36 / 55 Inteligeˆncia Artificial Cieˆncia recente surgiu apo´s a Segunda Guerra Mundial nome cunhado em 1956 possui va´rios subcampos aprendizado de ma´quina agentes inteligentes sistemas especialistas processamento de linguagem natural etc UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 37 / 55 Inteligeˆncia Artificial Distinc¸a˜o entre linhas da IA: IA forte: pesquisadores acreditam que dispondo de um computador com suficiente capacidade de processamento e fornecendo suficiente “inteligeˆncia”, pode-se construir um computador consciente como um ser humano IA fraca: visa˜o de que os problemas que exigem um comportamento inteligente podem ser modelados usando computac¸a˜o e assim solucionar problemas complexos I, robot - Sonny IronMan - Jarvis UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 38 / 55 Inteligeˆncia Artificial Definic¸a˜o mais geral: Ramo da cieˆncia da computac¸a˜o que lida com a automac¸a˜o do pensamento e comportamento inteligente Na pra´tica: pesquisadores usualmente focam em alguma caracter´ıstica particular da inteligeˆncia e constroem enta˜o sistemas para auxiliar os humanos na soluc¸a˜o de problemas complexos UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 39 / 55 Objetivos da Disciplina Habilitar o aluno a utilizar te´cnicas de inteligeˆncia artificial para resoluc¸a˜o de diversos problemas do mundo real UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 40 / 55 Ementa da Disciplina Introduc¸a˜o a` inteligeˆncia artificial Representac¸a˜o do conhecimento Sistemas especialistas Conjuntos Fuzzy Lo´gica Fuzzy Algoritmos Gene´ticos Redes Neurais Redes Bayesianas Aprendizado por reforc¸o UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 41 / 55 Aulas e Atendimento Aulas Sala P-105 A`s quartas 15:50hs a`s 17:30hs 13:50hs a`s 15:30hs Atendimento1 Sala K-002 A`s quintas 16:00hs a`s 17:30hs 1 Na˜o ha´ atendimento na semana de avaliac¸a˜o! UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 42 / 55 Avaliac¸a˜o Avaliac¸o˜es: 3 avaliac¸o˜es → A1,A2,A3 A1 → avaliac¸a˜o teo´rica A2 → avaliac¸a˜o de atividades das aulas A3 → avaliac¸a˜o de trabalhos pra´ticos MA← A1 · 0, 1 +A2 · 0, 2 +A3 · 0, 7 A Me´dia M, sera´ calculada como: M ← MA · PC 2 Outros aspectos importantes: e´tica dedicac¸a˜o pontualidade 2 Peso de comprometimento do aluno, na qual todos comec¸am com PC=1,0. Eventualmente, podem sofrer descontos neste peso dependendo da situac¸a˜o. Por exemplo: no caso de pla´gio confirmado de qualquer atividade ou trabalho da disciplina, PC=0,0. UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 43 / 55 Avaliac¸a˜o Crite´rio para aprovac¸a˜o: M ≥ 6.0 Em caso de reprovac¸a˜o, sera´ aplicada uma u´nica avaliac¸a˜o AS para substituic¸a˜o de nota, que aborde todo o conteu´do da disciplina. Alunos com M ≥ 6.0 ficam impedidos de realizar a AS A me´dia final MF dos alunos sera´: MF = { M se M ≥ 6.0 M+AS 2 caso contrario. Alunos que realizam a AS atingem no ma´ximo me´dia final MF = 6.0 UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 44 / 55 Datas Importantes Datas das Avaliac¸o˜es Avaliac¸a˜o 1: 22/09/16 Avaliac¸a˜o Substitutiva: 24/11/16 Datas das atividades e trabalhos pra´ticos continuamente... UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 45 / 55 Material do Curso Moodle http://moodle.utfpr.edu.br Material dida´tico, notas e avisos Na˜o se esquec¸am de fazer a inscric¸a˜o na disciplina Lembrem-se da chave (senha) para inscric¸a˜o UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 46 / 55 Reflexo˜es O sucesso e´ 90% transpirac¸a˜o e 10% inspirac¸a˜o (Albert Einstein) Sucesso = trabalho + persisteˆncia + boa orientac¸a˜o + foco Resumindo: O que nos traz a inspirac¸a˜o e´ o trabalho e a pra´tica “Os computadores sa˜o incrivelmente ra´pidos, precisos e burros os homens sa˜o incrivelmente lentos, imprecisose brilhantes juntos, seu poder ultrapassa os limites da imaginac¸a˜o” (Albert Einstein) UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 47 / 55 Refereˆncias NORVIG, P.; RUSSEL, S. J. Inteligeˆncia Artificial: Uma abordagem moderna. Campus, 2004. 2a Edic¸a˜o. UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 48 / 55 Refereˆncias COPPIN, B. Inteligeˆncia artificial. Rio de Janeiro: Livros Te´cnicos e Cient´ıficos, 2010. LOPES, H. S.; TAKAHASHI, R. H. C.; Computac¸a˜o Evoluciona´ria em Problemas de Engenharia. Curitiba: Omnipax, 2011. 385p. Dispon´ıvel online no site: http : //omnipax .com.br/site/?page id = 66 UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 49 / 55 Refereˆncias Complementares BITTENCOURT, G. Inteligeˆncia Artificial: ferramentas e teorias. 3a ed. rev. Floriano´polis: Editora da UFSC, 2006. CAMPOS, M. M. de; KAKU, S. Sistemas inteligentes em controle e automac¸a˜o de processos. Rio de Janeiro: Cieˆncia Moderna, 2004. 235p. HAYKIN, S. Redes Neurais: Princ´ıpios e pra´tica. Porto Alegre: Bookman, 2001-2002. 2. ed. REZENDE, S. O. Sistemas inteligentes: fundamentos e aplicac¸o˜es. Sa˜o Paulo: Manole, 2005. 552p. HAN, J.; KEMBER, M.; PEI, J. Data mining: concepts and techniques. Amsterdam: Elsevier: Morgan Kaufman - 3rd. ed. / 2012. 703p. UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 50 / 55 Apresentac¸a˜o dos Alunos , UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 51 / 55 Equipes de Trabalho 1 Amilton Fontoura De Camargo Junior 2 Ariston Ruda De Osti Oliveira 3 Bruno Anken Moromizato Zaninello 4 Bruno De Camargo Barreto Silva 5 Bruno De Paulo Giroto 6 Carolina Lourenco Dos Santos 7 Caue Chaves Vicente 8 Eric Augusto Ito 9 Flavio Rodrigues De Oliveira Junior 10 Gabriel Lobo De Oliveira 11 Gabriela Batista De Souza 12 Guilherme Asaph Braga De Carvalho 13 Guilherme Brandao Eid 14 Higor Carlos Mendonca Campelo 15 Kauane Larisse De Oliveira Benitis 16 Lucas Cassimiro Calzavara 17 Lucas Messias Valerio 18 Ludmila Schaikoski Sutir 19 Luis Eduardo Ferraz Luz 20 Marcelo Caetano Mota 21 Michel Roberto De Souza 22 Mike Patrick Mercante 23 Rafael Antonio Laureano De Souza 24 Regis Rufino Rodrigues 25 Thiago Garcia Maciel 26 Weslley Martins De Oliveira UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 52 / 55 Equipes de Trabalho Equipe Aluno 1 Aluno 2 1 Amilton Kauane 2 Ariston Guilherme de Carvalho 3 Bruno Zaninello Bruno Giroto 4 Bruno Silva Higor 5 Carolina Ludmila 6 Caue Weslley 7 Eric Mike 8 Gabriel Lucas Calzavara 9 Gabriela Marcelo 10 Guilherme Eid Thiago 11 Lucas Valerio Luis 12 Michel Rafael 13 Regis Flavio UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 53 / 55 Questiona´rio! UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 54 / 55 IF67B-C71 - Inteligeˆncia Artificial Aula 01 - Apresentac¸a˜o Profa. Dra. Priscila T iemi çaeda Saito k psaito@utfpr.edu.br 2o semestre 2016 10/08/16 UTFPR (CP) IF67B-C71 (IA) Aula 01 - Apresentac¸a˜o 55 / 55 Apresentação da Professora Disciplina: Inteligência Artificial Objetivos da Disciplina Informações sobre a Disciplina Ementa da Disciplina Aulas e Atendimento Critérios de Avaliação Datas Importantes Material do Curso Algumas Informações Referências Apresentações dos Alunos Equipes de Trabalho Questionário
Compartilhar