David Menotti
www.inf.ufpr.br/menotti/am-191
Universidade Federal do Paraná (UFPR)
Especialização em Engenharia Industrial 4.0
Uma introdução à Machine Learning
Prepare-se para as provas
Estude fácil! Tem muito documento disponível na Docsity
Ganhe pontos para baixar
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
Guias e Dicas
Prepare-se para as provas
Estude fácil! Tem muito documento disponível na Docsity
Encontrar documentos
Prepare-se para as provas com trabalhos de outros alunos como você, aqui na Docsity
Encontra documentos específicos para os exames da tua universidade
Encontra documentos específicos para os exames da tua universidade
Videoaulas
Prepare-se com as videoaulas e exercícios resolvidos criados a partir da grade da sua Universidade
Quiz
Responda perguntas de provas passadas e avalie sua preparação.
Ganhe pontos para baixar
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
Machine Learning - aplicada a eletronica, Esquemas de Eletrônica
Machine Learning - indtrodução a machine learning aplicada
Tipologia: Esquemas
2024
Compartilhado em 13/09/2023
usuário desconhecido 🇧🇷
2 documentos
1 / 105
Esta página não é visível na pré-visualização
Não perca as partes importantes!
Documentos relacionados
Pré-visualização parcial do texto
Baixe Machine Learning - aplicada a eletronica e outras Esquemas em PDF para Eletrônica, somente na Docsity!
David Menotti
www.inf.ufpr.br/menotti/am-
Universidade Federal do Paraná (UFPR)
Especialização em Engenharia Industrial 4.
Uma introdução à Machine Learning
Hoje
• Introdução sobre AM (01-02)
• Agenda
– Como aplicar ML na prática? (03-03)
– Laboratório Weka: A ferramenta (04-04)
– Artificial Intelligence & Machine Learning (05-05)
– Deep Learning & i4.0 (06-06)
– Laboratório Weka: Pré-processamento (07-08)
– Classificadores & Lab (09-12)
– Regressão & Lab (13-14)
– Clustering & Lab (15-16)
– + Classificadores (17-18) & Lab (19-20)
Por que Machine Learning?
- Desenvolver sistemas que podem automaticamente se adaptar e se
customizar para usuários individuais.
- Notícias personalizadas OU Filtro de email
- Descobrir novo conhecimento a partir / usando grandes bases de
dados ( data mining ).
- Análise de carrinho de supermer. (e.g. fraldas e cervejas)
Por que Machine Learning?
- Habilidade de imitar humanos e substituí-los em certas tarefas
monótonas - que exigem alguma inteligência.
- Como o reconhecimento de caracteres manuscritos
- Desenvolver sistemas que são muito difíceis / caros para construir
manualmente porque eles requerem habilidades ou conhecimento
detalhados específicos ajustados para uma tarefa específica
(gargalo de engenharia do conhecimento).
Aplicações em ML
O Conceito de Aprendizado
• Aprendizado = Melhoria com experiência em alguma
tarefa
– Melhoria sobre a tarefa T
– Com respeito a medida de desempenho D
– Baseado na experiência E
O Processo de Aprendizado
O Processo de Aprendizado
A Base de Dados ( Data Set )
Número de novos destinatários
Tamanho do Email (kb) País (IP)^
Tipo de Cliente
Tipo de Email
0 2 Brasil Ouro Ok
1 4 Brasil Prata Ok
5 2 Argentina Bronze Spam
2 4 Russia Bronze Spam
3 4 Brasil Bronze Ok
0 1 EUA Prata Ok
4 2 EUA Prata Spam
Instâncias
Numéricos Nominal Ordinal
Atributos Atributo Meta
Aprendizado do Modelo
Base de Dados
Conjunto de Aprendizado (Treinamento)
Indutor
Algoritmo de Indução
Classificador
Modelo de Classificação
Algoritmos de Aprendizado
Análise da Classificação
Número de novos destinatários
OK
Análise da Classificação
Número de novos destinatários
OK
Spam
Erro
Análise da Classificação
Número de novos destinatários