Banco de Dados - Aprendizado de Máquina

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.