Tópico 01 - 01 02 2021

Prévia do material em texto

SISTEMAS 
INTELIGENTES NA 
PRODUÇÃO 
INDUSTRIAL
Docente: Dieigo Sá Gaia
Cronograma
Horário de atendimento: sexta-feira – 10:00 às 12:00 (manhã) via Google Meet
Avaliação da Aprendizagem
I. Lista de exercícios (via SIGAA);
II. Avaliação (via SIGAA).
A composição da nota será realizada da seguinte forma:
• 1 ponto para cada Resolução de Atividades dos dias 01, 02, 03, 05, 08, 09 corresponderão a 1 ponto cada.
• A avaliação 01 do dia 04/02 corresponderá a 7 pontos;
• A avaliação 02 do dia 10/02 corresponderá a 7 pontos;
Nota parcial 01 = Atividade dia 01 + Atividade dia 02 + Atividade dia 03 + Avaliação 01
Nota parcial 02 = Atividade dia 05 + Atividade dia 08 + Atividade dia 09 + Avaliação 02
Nota final= (Nota parcial 01+Nota parcial 02)/2>7 pontos
Avaliação da Aprendizagem
I. Lista de exercícios (via SIGAA);
II. Avaliação (via SIGAA).
A composição da nota será realizada da seguinte forma:
• 1 ponto para cada Resolução de Atividades dos dias 01, 02, 03, 05, 08, 09 corresponderão a 1 ponto cada.
• A avaliação 01 do dia 04/02 corresponderá a 7 pontos;
• A avaliação 02 do dia 10/02 corresponderá a 7 pontos;
Nota parcial 01 = Atividade dia 01 + Atividade dia 02 + Atividade dia 03 + Avaliação 01
Nota parcial 02 = Atividade dia 05 + Atividade dia 08 + Atividade dia 09 + Avaliação 02
Nota final = (Nota parcial 01+Nota parcial 02)/2>7 pontos
A recuperação paralela ocorrerá de modo contínuo ao longo do Atendimento ao Aluno.
Bibliografia
a) Básica
Carvalho, C., P., L., F., André; Gama, João; Lorena, C., Ana; Facelli, Katti. Inteligência Artificial: Uma Abordagem 
de Aprendizado de Máquina. 1. Ed. LTC, 2011. 396p 
Rezende, O., Solange. Sistemas Inteligentes: Fundamentos e Aplicações.1. Ed. Editora Manole Ltda, 2003. 
525p.
Silva, N., Ivan; Spatti, H., D., Flauzino, A., Rogério. Redes Neurais Artificiais Para Engenharia e Ciências 
Aplicadas - Curso Prático. ARTLIBER. 399p
b) Complementar
Simões, G., Marcelo. Shaw, S., Ian. Controle e Modelagem Fuzzy. 2. Ed.Edgard Blucher. 165p.
Schwab,Klaus. A Quarta Revolução Industrial. 1. Ed. Edipro, 2016. 160p
01. Conceitos sobre aprendizagem 
de máquina.
1 - Introdução
• Problemas são resolvidos em computação por meio da escrita de uma
algoritmo ou pseudocódigo, que especifica passo a passo como o
problema pode ser resolvido.
• No entanto não é fácil escrever um programa de computador que
realize com eficiência algumas tarefas que realizamos com facilidade
no nosso dia a dia, como reconhecer pessoas pelo rosto ou pela fala.
1 - Introdução
• Apesar da dificuldade de escrever um programa de computador que
possa lidar de forma eficiente com essas tarefas, o número de vezes
que tarefas tão complexas precisam ser realizadas diariamente.
• Técnicas de Inteligência Artificial (IA), em particular de Aprendizado
de Máquina (AM), têm sido utilizada com sucesso em um grande
número de problemas reais.
1.1 – Inteligência Artificial e Aprendizado de 
Máquina
• A partir de década de 1970, houve uma maior disseminação do uso
de técnicas de computação baseadas em IA para o problemas reais.
Esses programas eram conhecidos como Sistemas Especialistas ou
Sistemas Baseados em Conhecimento.
• Na última década, com a crescente complexidade dos problemas a
serem tratados computacionalmente e do volume de dados gerados
por diferentes setores, tornou-se clara a necessidade de ferramentas
computacionais mais sofisticadas, que fosse mais autônomas e que
reduziria a necessidade de ação humana.
• O processo de indução de uma hipótese a partir da experiência
passada dá-se o nome Aprendizado de Máquina (AM).
1.1 – Inteligência Artificial e Aprendizado de 
Máquina
Algumas aplicações bem-sucedidas:
• Reconhecimento de palavras faladas;
• Predição de taxas de cura de pacientes com diferentes doenças;
• Detecção do uso fraudulento de cartões de crédito;
• Condução de automóveis de forma autônoma em rodovias;
1.2 – Indução de Hipóteses
• Para ilustrar a relação entre AM e indução de hipóteses, imagine um
conjunto de dados composto de pacientes de um hospital.
• Para algumas tarefas de aprendizado, um atributo é considerado um
atributo de saída (atributo meta) cujo os valores podem ser
estimados utilizando os valores dos demais atributos, denominados
de atributos de entrada (atributos previsores).
• A propriedade de uma hipótese continuar a ser válida para novos
objetos dá-se o nome de capacidade de generalização da hipótese.
1.3 – Viés Indutivo
• Cada algoritmo de AM possui dois vieses, um viés de representação e
um viés de busca.
1.4 – Tarefas de Aprendizado
• Algoritmos de AM têm sido amplamente utilizados em diversas
tarefas, que podem ser organizadas de acordo com diferentes
critérios.
• Um deles diz respeito ao paradigma de aprendizado a ser adota para
lidar com a tarefa que podem ser divididas em Preditivas e
Descritivas.
1.4 – Tarefas de Aprendizado
ATIVIDADE 01
• Realizar uma pesquisa bibliográfica a partir de material já publicado,
como livros, artigos, periódicos, internet, etc. com o Tema Análise de
Dados aplicado ao Aprendizado de Máquina, sendo que neste deverá
conter a Caracterização de Dados (Tipo e Escala) e Exploração de
Dados (Dados univariados e dados multivariados).
• Obrigado!