Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 www.grancursosonline.com.br Viu algum erro neste material? Contate-nos em: degravacoes@grancursosonline.com.br Banco de Dados – Aprendizado de Máquina INFORMÁTICA BANCO DE DADOS – APRENDIZADO DE MÁQUINA MACHINE LEARNING • É uma área de IA cujo objetivo é o desenvolvimento de técnicas computacionais sobre o aprendizado, bem como a construção de sistemas capazes de adquirir conheci- mento de forma automática. Obs.: � No aprendizado de máquina, existem ramos de categoria e abordagens. As bancas cobram alguns conceitos básicos dessa área de estudo. • Um sistema de aprendizado é um programa de computador que toma decisões baseado em experiências acumuladas através da solução bem sucedida de problemas anteriores. Por exemplo, ao trabalhar com algoritmo clássico, o computador aprende exatamente o que deve fazer. É necessário que o profissional possua pensamento computacional para que o computador faça o que lhe é ensinado. No aprendizado de máquina, há uma série de abor- dagem pela qual a máquina aprende – até mesmo de forma autônoma. A máquina aprende da mesma forma que uma criança. Por exemplo, ao ensinar uma palavra para uma criança, é necessário mostrá-la primeiramente o objeto. O computador, ao ser ensinado, acumula experiência e cresce sua capacidade. Há tipos de aprendizados baseados em linguagem natural, são eles os “chat-bot”, ou seja, programas pelo qual um usuário pode entrar em contato com uma empresa e receber aten- dimento por um bot. Antigamente, esses bots eram programados como algoritmos e tinham respostas pré-programadas. Ao serem baseados em aprendizado de máquina, esses bots podem aprender com as interações e aperfeiçoarem as respostas corretas para cada caso. Motivação • Dado um conjunto de objetos, colocar os objetos em grupos baseados na similaridade entre eles. 5m 2 www.grancursosonline.com.br Viu algum erro neste material? Contate-nos em: degravacoes@grancursosonline.com.br Banco de Dados – Aprendizado de Máquina INFORMÁTICA A N O TA ÇÕ ES • No exemplo acima, é necessário ensinar a máquina que há um pato, um ornitorrinco (mamífero com bico que bota ovos), uma baleia e um leão. • O pato e o ornitorrinco possuem bico. A baleia e o leão não possuem bico. • A máquina aprende as informações para realizar as classificações através de uma série de cálculos e previsões. • A máquina classifica-os entre animais da água e da terra e, posteriormente, entre oví- paros e mamíferos. • A motivação do aprendizado de máquina, aqui, resume-se em, dado um conjunto de objetos, classificá-los em grupos baseados em suas similaridades. Obs.: � No caso de um algoritmo de computador clássico, seriam necessários comandos como IF ou Switch Case. Categorias Obs.: � O aprendizado supervisionado e o aprendizado não supervisionado estão incluídos como aprendizado indutivo. 10m 3 www.grancursosonline.com.br Viu algum erro neste material? Contate-nos em: degravacoes@grancursosonline.com.br Banco de Dados – Aprendizado de Máquina INFORMÁTICA A N O TA ÇÕ ES • Aprendizado supervisionado: São apresentados ao computador exemplos de entra- das e saídas desejadas, fornecidas por um "professor". O objetivo é aprender uma regra geral que mapeia as entradas para as saídas. • Aprendizado não supervisionado: Nenhum tipo de etiqueta é dado ao algoritmo de aprendizado, deixando-o sozinho para encontrar estrutura nas entradas fornecidas. O aprendizado não supervisionado pode ser um objetivo em si mesmo (descobrir novos padrões nos dados) ou um meio para atingir um fim. • Aprendizado por reforço: Um programa de computador interage com um ambiente dinâmico, em que o programa deve desempenhar determinado objetivo (por exemplo, dirigir um veículo). É fornecido ao programa um feedback quanto a premiações e puni- ções, na medida em que é navegado o espaço do problema. Outro exemplo de apren- dizado por reforço é aprender a jogar um determinado jogo apenas jogando contra um oponente. Outras Categorias • Outra categorização de tarefas de aprendizado de máquina surge quando se consi- dera a saída desejada em um sistema de aprendizado de máquina: • Em classificação: – Entradas são divididas em duas ou mais classes, e o aprendiz deve produzir um modelo que vincula entradas não vistas a uma ou mais dessas classes (classificação multi-etiquetada). – Isso é tipicamente abordado de forma supervisionada. A filtragem de spam é um exemplo de classificação, em que as entradas são as mensagens de e-mails (ou outros) e as classes são "spam" ou "não spam". Obs.: � A classificação é supervisionada, pois é necessário conhecer as classes. Atualmen- te, para classificar o que é spam ou não, deve ser realizada uma série de execuções. • Em regressão, também um problema supervisionado, as saídas são contínuas, em vez de discretas. 15m 4 www.grancursosonline.com.br Viu algum erro neste material? Contate-nos em: degravacoes@grancursosonline.com.br Banco de Dados – Aprendizado de Máquina INFORMÁTICA A N O TA ÇÕ ES Obs.: � A regressão está relacionada ao cálculo estatístico e regressão linear – mediante uma variável, analisa-se a sequência de outras relações no eixo X e Y. • Em clustering, um conjunto de entradas é dividido em grupos. De maneira diferente da classificação, os grupos não são conhecidos previamente, tornando o clustering uma tarefa tipicamente não supervisionada. Obs.: � A classificação é prévia – por exemplo, animais com bico e sem bico; já no clustering, as classificações surgem por similaridade. HIERARQUIA DO APRENDIZADO Obs.: � O clustering é um exemplo de aprendizado não supervisionado, pelo qual a máquina aprende e cria classes. ABORDAGENS • Aprendizado baseado em árvores de decisão usa a árvore de decisão como um modelo de previsão, o qual mapeia as observações sobre um item às conclusões sobre o valor do objetivo desse item. 5 www.grancursosonline.com.br Viu algum erro neste material? Contate-nos em: degravacoes@grancursosonline.com.br Banco de Dados – Aprendizado de Máquina INFORMÁTICA A N O TA ÇÕ ES Obs.: � A árvore de decisão é estudada na Computação baseada no âmbito da Matemática. • Aprendizado por regras de associação é um método para descobrir relações inte- ressantes entre variáveis em base de dados grandes. • Rede Neural (RN) é um algoritmo de aprendizado que é inspirado na estrutura e aspectos funcionais das redes neurais biológicas. Computações são estruturadas em termos de um grupo interconectado de neurônios artificiais, processando informação usando uma abordagem de conexionismo na computação. • Deep Learning que consiste em múltiplas camadas escondidas em uma rede neural artificial. Esta abordagem tenta modelar a forma com que o cérebro humano processa luz e som na visão e escuta. Alguns aplicações úteis do aprendizado profundo são visão computacional e reconhecimento de fala. Obs.: � Através da voz, o computador utiliza o método Deep Learning para simular as cone- xões da rede neural do cérebro humano e modelar o processamento. A abordagem Deep Learning utiliza vários Nós. • Clustering é um método de aprendizado não supervisionado e uma técnica comum em análise de dados estatísticos. • Redes Bayesianas: dado um sintoma, a rede pode ser usada para computar as pro- babilidades da presença de várias doenças. Existem algoritmos eficientes que desem- penham inferência e aprendizado. Obs.: � Diferentemente da estatística clássica em que são reconhecidos padrões repetidos, as Redes Bayesianas usam a probabilidade. • Algoritmo genético é uma busca heurística que imita o processo de seleção natural e usa métodos com mutação e recombinação para gerar novos genotipos na esperança de encontrar boas soluções para um dado problema. DIRETO DO CONCURSO 20m 6 www.grancursosonline.com.br Viu algum erro neste material? Contate-nos em: degravacoes@grancursosonline.com.br Banco de Dados – Aprendizado de Máquina INFORMÁTICA A N O TA ÇÕ ES DIRETO DO CONCURSO 1. (CESPE-CEBRASPE/2018/POLÍCIA FEDERAL/ESCRIVÃODE POLÍCIA FEDERAL) Em um big data, alimentado com os dados de um sítio de comércio eletrônico, são armazena- das informações diversificadas, que consideram a navegação dos usuários, os produtos comprados e outras preferências que o usuário demonstre nos seus acessos. Tendo como referência as informações apresentadas, julgue o item seguinte. Uma aplicação que reconheça o acesso de um usuário e forneça sugestões diferentes para cada tipo de usuário pode ser considerada uma aplicação que usa machine learning. COMENTÁRIO Para fazer análise do conjunto de dados do Big Data, é necessário utilizar o aprendizado de máquina sobre os dados, pois o volume de informação é grande. O aprendizado de máquina está baseado no conjunto de dados fornecidos sobre Big Data. Obs.: � Há uma rede neural no aprendizado de máquina. 2. (CESPE-CEBRASPE/TCE-MG/2018/TCE-MG/ANALISTA DE CONTROLE EXTERNO/ CIÊNCIA DA COMPUTAÇÃO) Em machine learning, a categoria de aprendizagem por reforço identifica as tarefas em que: a. um software interage com um ambiente dinâmico, como, por exemplo, veículos autô- nomos. b. as etiquetas de classificação não sejam fornecidas ao algoritmo, de modo a deixá-lo livre para entender as entradas recebidas. c. o aprendizado pode ser um objetivo em si mesmo ou um meio para se atingir um fim. d. o objetivo seja aprender um conjunto de regras generalistas para converter as entradas em saídas predefinidas. e. são apresentados ao computador exemplos de entradas e saídas desejadas, forneci- das por um orientador. 25m 7 www.grancursosonline.com.br Viu algum erro neste material? Contate-nos em: degravacoes@grancursosonline.com.br Banco de Dados – Aprendizado de Máquina INFORMÁTICA COMENTÁRIO a) Na aprendizagem por reforço, o software é premiado e punido conforme aprende. b) Trata-se de um cenário não supervisionado – há três categorias macros: supervisionado, não supervisionado e reforço. c) O algoritmo não possui o objetivo de resolver algum problema. d) Trata-se da classificação que ocorre em casos supervisionados – por exemplo, classificação de animais. e) O orientador refere-se à categoria supervisionada. 3. (CESPE-CEBRASPE/2018/POLÍCIA FEDERAL/AGENTE DE POLÍCIA FEDERAL) Jul- gue o item que segue, relativo a noções de mineração de dados, big data e aprendizado de máquina. Situação hipotética: Na ação de obtenção de informações por meio de aprendizado de máquina, verificou-se que o processo que estava sendo realizado consistia em examinar as características de determinado objeto e atribuir-lhe uma ou mais classes; verificou-se também que os algoritmos utilizados eram embasados em algoritmos de aprendizagem supervisionados. Assertiva: Nessa situação, a ação em realização está relacionada ao processo de clas- sificação COMENTÁRIO Trata-se do tipo de aprendizado supervisionado, no qual ocorre classificação. GABARITO 1. C 2. a 3. C 30m ���������������������������������������������������������������������������������Este material foi elaborado pela equipe pedagógica do Gran Cursos Online, de acordo com a aula preparada e ministrada pelo professor Washington Henrique Carvalho Almeida. A presente degravação tem como objetivo auxiliar no acompanhamento e na revisão do conteúdo ministrado na videoaula. Não recomendamos a substituição do estudo em vídeo pela leitura exclu- siva deste material.
Compartilhar