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>
Welcome
Loading...
Do curso por Stanford University
Aprendizagem Automática
99566 classificações
Na lição
Introduction
Welcome to Machine Learning! In this module, we introduce the core idea of teaching a computer to learn concepts using data—without being explicitly programmed. The Course Wiki is under construction. Please visit the resources tab for the most complete and up-to-date information.
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
Bem-vindo a este curso online e gratuito sobre Aprendizado de Máquina.
Aprendizado de Máquina é uma das tecnologias atuais mais fascinantes, e nesse curso,
você aprenderá sobre o que há de mais avançado, e aprenderá a implementar esses algoritmos.
Você provavelmente usa algoritmos de aprendizado várias vezes por dia sem saber.
Toda vez que você usa um site de busca como "Google" ou "Bing",
uma das razões para funcionarem tão bem é um algoritmo de aprendizado.
Um algoritmo implementado pela "Google" ou "Microsoft" aprendeu a classificar páginas web.
Toda vez que você usa o aplicativo para "marcar" pessoas nas fotos, do "Facebook" ou da "Apple",
e ele reconhece as fotos de seus amigos, isto também é Aprendizado de Máquina.
Toda vez que o filtro de spam do seu email filtra toneladas de mensagens indesejadas,
isto também é um algoritmo de aprendizado. Para mim, o que me motiva,
é o sonho de que um dia IA construirá máquinas tão inteligentes quanto nós.
Estamos longe desta meta, mas para muitos pesquisadores de IA,
a melhor maneira de atingí-la, é através de algoritmos de aprendizado,
que tentam imitar como o cérebro humano funciona.
Neste curso, você aprenderá sobre algoritmos estado-da-arte de Aprendizado de Máquina.
Entretanto, apenas conhecer os algoritmos e a matemática envolvida não é suficiente,
se você não souber também como usá-los em problemas de seu interesse.
Assim, nós investimos um bom tempo desenvolvendo exercícios
para você implementar cada um destes algoritmos e ver como eles funcionam.
Então, por que a aprendizagem de máquina é tão dominante hoje em dia?
Máquina de aprendizado surgiu do campo de IA - Inteligência Artificial.
Queríamos construir máquinas inteligentes. Mas existem apenas algumas coisas básicas
que podemos programar uma máquina para fazer, como encontrar o menor caminho entre A e B.
Mas, não sabíamos como escrever programas de IA para fazer coisas mais interessantes,
como: buscas na web, "marcar" fotos, ou detectar spam.
Descobriram que a única forma de fazer essas coisas, era tendo uma máquina que aprendesse a fazê-las.
Então, a Aprendizagem de Máquina foi desenvolvida como uma nova ferramenta para os computadores,
e hoje em dia, está presente em muitas áreas da indústria e ciência.
Eu trabalho com Aprendizagem de Máquina, e em uma semana típica posso conversar
com pilotos de helicóptero, biólogos, um monte de gente que trabalha com computadores -
como meus colegas da Stanford - e em média, duas ou três vezes por semana,
recebo emails de empresas interessadas em aplicar algoritmos de aprendizagem,
aos seus próprios problemas. Esse é um indício da gama de problemas
que envovem Aprendizagem de Máquina. Há vários probemas em biologia computacional,
muitas coisas no Vale do Silício que a Aprendizagem de Máquina está impactando.
Aqui estão mais alguns exemplos de Aprendizagem de Máquina: Mineração de dados.
Algumas razões para o crescimento da Aprendizagem de Máquina são o crescimento da web e da automação.
Isso tudo significa que temos conjuntos de dados maiores do que nunca.
Por exemplo, muitas empresas do Vale do Silício estão coletando dados de clicks na web,
também chamados dados de "clickstream", e estão tentando usar algoritmos
para minerar esses dados e, entender e servir melhor seus usuários.
Isso é um enorme segmento do Vale do Silício atualmente.
Históricos médicos: com o advento da automação, hoje temos históricos eletrônicos,
e se conseguirmos transformar históricos médicos em conhecimento médico,
podemos começar a entender melhor as doenças. Biologia computacional:
com automação, biólogos estão coletando muitos dados sobre sequências de DNA,
e algoritmos de aprendizado estão nos dando um entendimento melhor do genoma humano,
e do que significa ser um "humano". E em engenharia também,
em todas as as áreas da engenharia, temos conjuntos de dados cada vez maiores,
que tentamos entender utilizando algoritmos de aprendizagem.
Outra série de aplicações, são aquelas que não podemos programar manualmente.
Por exemplo, eu trabalhei com helicópteros autônomos por muitos anos. Nós simplesmente não sabíamos
como escrever um programa de computador que fizesse o helicóptero voar por conta própria.
A única coisa que funcionava era ter um computador aprendendo, por conta própria, como voar o helicóptero.
Reconhecimento de escrita: uma das razões porque é tão barato despachar uma carta
através de vários países, nos EUA e internacionalmente,
é que quando você escreve em um envelope como este, existe um algoritmo de aprendizagem
que aprendeu a ler sua letra de mão. Assim ele pode despachar automaticamente
o envelope para seu destino. Por isso custa apenas alguns centavos
para enviar isto a milhares de quilômetros. E, na verdade, se você já ouviu falar em
Processamento de Linguagem Natural ou Visão Computacional, eles são campos de IA,
que fingem entender linguagem ou imagens. Hoje, a maioria do processamento de linguagem,
e de visão computacional, são aplicações de Aprendizagem de Máquina.
Algoritmos de aprendizagem são também utilizados para programas customizados.
Toda vez que você vai à "Amazon", "Netflix" ou "iTunes Genius", e eles recomendam filmes,
produtos, ou músicas para você, isso é um algoritmo de aprendizagem. Eles têm milhares de usuários,
não existe maneira de escrever um milhão de programas, para um milhão de usuários.
A única forma de ter um programa dando recomendações customizadas, é se ele aprender
a customizar de acordo com suas preferências. Finalmente, algoritmos de aprendizagem
são usados hoje em dia para entender o aprendizado humano,
e para entender o cérebro. Falaremos sobre como pesquisadores estão usando isso para progredir
em direção ao grande sonho da IA. Alguns meses atrás, um aluno me mostrou um artigo
sobre as 12 habilidades mais importantes em TI. Habilidades que gerentes de TI
não podem dispensar. Era um artigo meio antigo, mas no topo da lista
das 12 habilidades mais desejáveis, estava Aprendizagem de Máquina.
Aqui na Stanford, o número de recrutadores que me contactam perguntando se conheço
algum estudante prestes a se formar em Aprendizagem de Máquina, é muito maior
que o número de estudantes que se formam todo ano. Então, existe uma vasta demanda,
não-preenchida para essa habilidade. É um ótimo momento para aprender,
e espero ensiná-los bastante sobre Aprendizagem de Máquina nesse curso.
No próximo vídeo, começaremos a definir mais formalmente o que é Aprendizagem de Máquina.
E começaremos a falar sobre os principais tipos de problemas e algoritmos.
Você aprenderá um pouco da terminologia de Aprendizagem de Máquina.
E começará a ter uma ideia de quais são os diferentes algoritmos, e quando usá-los.
E começará a ter uma ideia de quais são os diferentes algoritmos, e quando usá-los.
Tradução: Marcel Dall'Agnol | Revisão: Pablo de Morais Andrade
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.
