Machine Learning
CCC269 – Data Science
Prof. Dr. Carlos Amaral Hölbig
O que é Machine Learning?
• O aprendizado de máquina é um método de análise de dados
que automatiza a construção de modelos analíticos.
• Usando algoritmos que aprendem iterativamente a partir dos
dados, o aprendizado de máquina permite que os
computadores encontrem insights ocultos sem serem
explicitamente programados para onde procurar.
4
Machine Learning: o que ela pode
fazer?
• Prever eventos futuros
• Inferir as causas dos eventos e comportamentos
• Descobrir padrões de inferência
5
Tipos de Machine Learning
❏ Aprendizagem supervisionada
(Supervised learning)
❏ Aprendizagem não-supervisionada
(Unsupervised learning)
❏ Aprendizagem por reforço ou reinforçada
(Reinforcement learning)
6
Fonte imagem: [Link]
7
Aprendizagem Supervisionada
• Definição: ensinamos a máquina usando rótulos
• Tipos de Problemas: Regressão e Classificação.
• Tipos de Dados: Dados rotulados
• Treino (Aprendizagem): Supervisão externa
• Usabilidade: Prever ou estimar resultados
• Abordagem: Entrada (Input) rotulado e Saída (Output)
conhecida
• Feedback: Direto (Saída conhecida)
• Algoritmos: Linear Regression, Logistic Regression, Support
Vector Machine (SVM), K Nearest Neighbour (KNN), Random
Forest, ...
• 8
Fonte imagem: [Link]
9
10
Aprendizagem Não-Supervisionada
• Definição: a máquina aprende sozinha sem nenhuma
supervisão
• Tipos de Problemas: Associação e Clustering (Agrupamentos)
• Tipos de Dados: Dados não-rotulados
• Treino (Aprendizagem): Nenhuma Supervisão
• Usabilidade: Descobrir padrões e associações
• Abordagem: Entender padrões e descobrir a saída (output)
• Feedback: Nenhum
• Algoritmos: K-Means, Apriori, C-Means, ...
11
12
Técnicas para Predição de Dados 13
Fonte imagem: [Link]
14
Aprendizagem Reinforçada ou por
Reforço
• Definição: o agente (máquina) interage com o ambiente
produzindo ações que dão a ele punições e recompensas
• Tipos de Problemas: Labirintos
• Tipos de Dados: Nenhum Dado Pré-definido
• Treino (Aprendizagem): Nenhuma supervisão
• Usabilidade: Aprender uma série de ações
• Abordagem: Método de Tentativa e Erro
• Feedback: Recompensa x Punições
• Algoritmos: Q-Learning, SARSA, ...
15
Fonte imagem: [Link]
16
Fonte: [Link]
17
Fonte imagem: [Link]
Fonte: [Link]
Sugestão de materiais
❏ Machine Learning Algorithms Mind Map -
Types of Machine Learning Explained
❏ Cheat Sheet of Machine Learning and Python
(and Math) Cheat Sheets
❏ Hands-On Machine Learning with R
❏ Data Mining and Machine Learning
20