A Aprendizagem Automática é a ciência que faz com que os computadores exerçam seu papel de forma natural sem que pareçam explicitamente programados para tal. Na última década, a aprendizagem automática foi responsável pelo surgimento dos carros automáticos, por recursos de reconhecimento de fala, otimizou as buscas na web e possibilitou um avanço enorme na compreensão do genoma humano. Atualmente a aprendizagem automática está tão difundida, que você provavelmente a utiliza várias vezes ao dia sem que perceba. Muitos pesquisadores também acreditam que esse é o caminho para levar a inteligência artificial a níveis equivalentes aos humanos. Neste curso, você vai conhecer as técnicas mais eficazes de aprendizagem automática, colocá-las em prática e ver como adequar essas técnicas para suas necessidades. O mais importante é que você não aprenderá apenas na teoria e sim terá o conhecimento prático necessário para aplicar as técnicas de forma rápida e exitosa e solucionar os problemas em seus projetos. Além disso, o aluno conhecerá alguns dos melhores e mais inovadores métodos utilizados no Vale do Silício no que se refere à aprendizagem automática e IA. Este curso traz uma introdução abrangente sobre aprendizagem automática, mineração de dados, e reconhecimento de padrões. Os tópicos estudados incluem: (i) Aprendizagem supervisionada (algoritmos paramétricos e não paramétricos, máquinas vetoriais de suporte, núcleos e redes neurais). (ii) Aprendizagem não supervisionada (Algoritmos de agrupamento - clustering, redução dimensional, sistemas de recomendação, a algoritmos hierárquicos). (iii) A melhores técnicas de aprendizagem automática (viés indutivo / variância; processo de inovação em aprendizagem automática e inteligência artificial). O curso abordará também inúmeros estudos de caso e aplicações para que o aluno possa aprender como aplicar os algoritmos na construção de robôs inteligentes (percepção, controle), reconhecimento de texto (para pesquisa na web, anti-spam), visão computacional, informática médica, áudio, mineração de dados, entre muitas outras áreas de aplicação.</p>
Collaborative Filtering Algorithm
Loading...
Do curso por Stanford University
Aprendizagem Automática
99884 classificações
Na lição
Recommender Systems
When you buy a product online, most websites automatically recommend other products that you may like. Recommender systems look at patterns of activities between different users and different products to produce these recommendations. In this module, we introduce recommender algorithms such as the collaborative filtering algorithm and low-rank matrix factorization.
Conheça os instrutores
Andrew NgCEO/Founder Landing AI; Co-founder, Coursera; Adjunct Professor, Stanford University; formerly Chief Scientist,Baidu and founding lead of Google Brain
Nos últimos vídeos,
falamos sobre como,
se você receber características
determinadas para filmes,
pode usá-las para aprender parâmetros para usuários.
Também, se você receber parâmetros para os usuários,
você pode usá-los para aprender características para os filmes.
Neste vídeo, vamos
pegar essas ideias e
juntá-las para chegar
a um algoritmo de filtragem colaborativa.
Uma das coisas que descobrimos
antes é que, se você
tiver características
para os filmes, pode resolver
este problema de minimização para
encontrar os parâmetros "θ" dos usuários.
Também descobrimos que,
se você receber os
parâmetros "θ", você
pode usá-los
para estimar as características "x",
resolvendo este problema de minimização.
Uma coisa que você
pode fazer é ir e voltar.
Talvez inicializando aleatoriamente e
solucionar em "θ",
depois em "x",
depois "θ", depois "x".
Mas existe
um algoritmo mais eficiente que
não precisa ir e voltar
entre os "x" e os "θ",
mas consegue
encontrar soluções para "θ" e "x" simultaneamente.
Aqui está ele. Basicamente,
pegamos ambos os objetivos de minimização
e juntamos no mesmo objetivo.
Definirei o novo
objetivo de minimização "J",
uma função custo, que é
uma função das
características "x" e
dos parâmetros "θ".
Assim, é basicamente a
junção dos dois objetivos.
Para explicar isso,
primeiro preciso mostrar que
este termo aqui, o termo
de erro quadrático, é
o mesmo termo que está aqui.
As somas parece um pouco
diferentes, mas vamos ver o que elas estão fazendo.
A primeira soma é
sobre todos os usuários "j", e a soma interna
é sobre todos os filmes avaliados pelo usuário.
Ou seja, uma soma por todos
os pares "(i, j)" que correspondem a um filme
avaliado por um usuário.
A soma em "j" determina,
para cada usuário, a soma de
todos os filmes avaliados por ele.
A soma aqui embaixo faz o mesmo, mas na ordem inversa.
Ela determina,
para cada filme "i", a soma
por todos os usuários "j"
que avaliaram o filme,
portanto, ambas as somas
são por todos os pares "(i, j)"
para os quais
"r(i, j) = 1".
É uma soma por todos os
pares "(i, j)" para os quais existe uma avaliação.
Assim, os dois termos
de cima são exatamente
este primeiro termo,
em que escrevi a soma explicitamente,
por todos os
pares "(i, j)"
para os quais "r(i, j) = 1".
Então, o que fazemos
é definir um
objetivo de otimização combinado
que queremos minimizar para
achar soluções em "x" e "θ" simulaneamente.
Os outros termos
no objetivo de minimização são: este,
que é um termo de regularização para "θ",
que veio aqui embaixo,
e a última parte é esta,
que está no
objetivo de minimização
para os "x", que veio para cá.
Esse objetivo de otimização "J"
tem uma propriedade
interessante,
onde, deixando os "x" constantes
e minimizando em "θ", você estará resolvendo
exatamente este problema,
enquanto se fizer
o contrário,
deixando "θ" constante e minimizar
"J" somente
em relação aos "x", torna-se equivalente a isto.
Isso porque este termo
ou aquele será constante se minimizar
somente em "x" ou somente em "θ".
Então, este é um objetivo
de otimização que junta
as funções custo em termos de "x" e "θ".
Para chegar
ao problema de otimização
único, o que
faremos será tratar
a função custo como
uma função das
características "x"
e os parâmetros de usuário "θ"
para minimizar isso tudo,
como uma função
tanto dos "x" quanto dos "θ".
Na verdade, a única
diferença entre este
e o algoritmo anterior é
que, em vez de ir e voltar,
minimizando em "θ", depois
minimizando em "x",
depois em "θ",
depois em "x", e assim por diante.
Nesta nova versão, em vez de
ir sequencialmente pelos
dois conjuntos de parâmetros, "x" e "θ",
o que faremos
será simplesmente minimizar
em ambos os conjuntos simultaneamente.
Finalmente, um último detalhe
é que, quando aprendemos assim,
anteriomente tínhamos
essa convenção de uma característica
"x₀ = 1"
que corresponde a um termo de intercepção.
Quando usamos esse
formalismo onde estamos aprendendo as características,
vamos nos livrar dessa convenção.
Assim, as características "x" que vamos aprender estão em "ℝⁿ",
em comparação
com as características em "ℝⁿ⁺¹" com o termo de intercepção.
Nos livrando de "x₀", temos "x ∈ ℝⁿ".
Da mesma forma, como
os parâmetros "θ"
têm a mesma dimensão,
também temos "θ ∈ ℝⁿ",
porque, se não existe
"x₀", também
não há necessidade para o "θ₀".
Agora, estamos
aprendendo todas
as características, certo?
Assim, não há necessidade
de estabelecer uma característica sempre igual a 1.
Isso porque, se o algoritmo
realmente quiser
uma característica igual a 1, pode aprender por conta própria.
Assim, se ele escolher,
pode colocar "x₁ = 1".
Não há necessidade
de forçar
"x₀ = 1", o algoritmo
agora tem a flexibilidade para aprender isso por conta própria.
Juntando tudo, aqui está nosso algoritmo
de filtragem colaborativa.
Primeiro,
inicializamos "x" e "θ"
a valores aleatórios pequenos.
Isso é um pouco
como treinar redes neurais,
onde também inicializamos todos os parâmetros a valores aleatórios pequenos.
A seguir, vamos
minimizar a função custo usando
gradiente descendente ou um dos algoritmos de otimização avançados.
Encontrando as derivadas,
você descobre que as
atualizações do gradiente descendente
são estas, onde este termo
é a derivada parcial da função custo,
com respeito
à característica
"x⁽ⁱ⁾ₖ", e, similarmente,
este termo aqui também
é uma derivada parcial da
função custo no
parâmetro "θ" que estamos minimizando.
Só como um lembrete,
nesta fórmula não
temos mais esse "x₀ = 1",
ou seja,
"x ∈ ℝⁿ" e "θ ∈ ℝⁿ".
Neste novo formalismo, estamos regularizando
todos os parâmetros "θ" e "x".
Não existe mais o caso
especial "θ₀", que era regularizado
de forma diferente,
ou que não era regularizado
comparado aos parâmetros "θ₁" a "θₙ".
Agora não existe mais
o "θ₀", e é por isso
que não separei um
caso especial para "k = 0".
Então, usamos gradiente
descendente para
minimizar a função custo
"J" com respeito a "x" e "θ".
E, finalmente, dado
um usuário
com parâmetros "θ",
se existir um filme com
características aprendidas "x",
estimaríamos que o
filme receberia
uma nota igual a
"θᵀ · x" do usuário.
Ou seja,
se o usuário "j"
ainda não
avaliou o filme "i"
estimamos que
o usuário "j"
avaliará o filme "i"
com a nota "(θ⁽ʲ⁾ᵀ) · (x⁽ⁱ⁾)".
Esse é o algoritmo
de filtragem colaborativa, e
se você implementá-lo, obterá um algoritmo
bem decente, que simultaneamente
aprende boas características para
todos os filmes, espero,
além dos parâmetros para
todos os usuários,
e pode fornecer estimativas boas
para as avaliações de usuários diferentes em filmes que ainda não viram.
Explore nosso catálogo
Registre-se gratuitamente e obtenha recomendações, atualizações e ofertas personalizadas.
O Coursera proporciona acesso universal à melhor educação do mundo fazendo parcerias com as melhores universidades e organizações para oferecer cursos on-line.
© 2019 Coursera Inc. Todos os direitos reservados.
