Machine Learning
Resolvendo problemas do mundo real
Quem sou eu?
❏ Gestora da Informação -
UFPE;
❏ Mestra em Ciência da
Computação - UFPE;
❏ Cientista de dados;
❏ Palestrante e professora na
área de Análise de Dados.
Apaixonada por cuscuz
Ementa
1 - Aprendizado Supervisionado: 2 - Aprendizado Supervisionado:
● Classificação: ● Regressão:
○ Algoritmos mais utilizados ○ Algoritmos mais utilizados
○ Métricas para avaliação de modelo ○ Métricas para avaliação de modelo
○ Atributos mais importantes
○ Seleção de modelo
3- Aprendizado não supervisionado 4 - AutoML
Aula Bônus: Como colocar um modelo de machine learning em produção
É uma ciência que estuda
as informações, o seu
Data Science
processo de captura, a
transformação, a geração,
e posteriormente, a análise
de dados.
Disponível em: < [Link] Acesso em 01 maio 2019.
Linguagens
de
programação
Machine
Learning
Machine Learning ou aprendizado de
máquina é um subcampo da ciência da
Conceito computação que evoluiu do estudo de
reconhecimento de padrões e da teoria
do aprendizado computacional em
inteligência artificial.(Wikipedia, 2019.)
O aprendizado de máquina é a ciência
(e a arte) de programar computadores
Conceito para que possam aprender com os
dados.(Aurélien Géron)
Diz-se que um programa de computador
aprende com a experiência E em relação a
Conceito alguma tarefa T e alguma medida de
desempenho P, se seu desempenho em T,
medido por P, melhora com a experiência
E.(Tom Mitchell, 1997)
Spam
Não Spam
Empresas que utilizam Machine
Learning
Principais tipos ❏ Supervisionado;
❏ Não Supervisionado;
de ❏ Aprendizado Por
aprendizado Reforço;
de máquina
Supervisionado ❏ Classificação;
❏ Regressão;
PassengerId Survived Sex Age Fare
1 0 male 22 7.25
Supervisionado 2 1 female 38 53.1
(classificação) 3 1 female 26 16.7
4 1 female 35 26.5
5 0 male 35 16
6 0 male 54 13
Total de Total Vista Condição Preço
quartos banheiros para o
mar
1 2 1 0 26995
Supervisionado
0.0
2 3 1 2 11000
00.0
(Regressão) 3 2 0 3 41500
0.0
2 2 1 2 38300
0.0
2 1 0 3 53450
0.0
5 3 0 4 41500
0.0
Não
supervisionado
"Ícone criado por Freepik de [Link] "
Não
supervisionado
"Ícone criado por Freepik de [Link] "
❏ O agente aprende com as
Aprendizado interações com o
ambiente(Causa e efeito)
por Reforço ❏ O agente aprende com a sua
própria experiência.
"Ícone criado por Eucalyp de [Link] "
1. Detecção de fraude;
2. Sistemas de recomendação;
3. Processamento de Linguagem natural;
4. Detecção de anomalia;
Casos de 5.
6.
Previsão de demanda;
Veículos Autônomos;
uso
● Quantidade insuficiente de dados de
● treinamento;
● Dados de treinamento não representativos;
Dados de baixa qualidade;
Desafios
●
● Features irrelevantes;
● Previsão de demanda;
● Veículos Autônomos;
Random
Forest
"Ícone criado por Freepik de [Link] "
1. Bootstrap Dataset: é uma técnica de
reamostragem estatística que envolve
amostragem aleatória de um conjunto
de dados com substituição.
Random 2. Verificação do atributo que melhor
separa os dados. (ex: índice gini)
Forest 3. Criação das árvores
4. A partir da verificação é selecionado o
nó raiz da árvore.
5. Esse processo é realizado diversas
vezes até que sejam criadas todas as
árvores da floresta.
Código
Intervalo