![Page 1: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/1.jpg)
Introdução ao Machine Learning
![Page 2: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/2.jpg)
Quem sou?
● Rubens Pinheiro
● Bacharel em Ciências da Computação (UECE)
● Desenvolvedor Front End
● Entusiasta Python
● Sempre aprendendo!
![Page 3: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/3.jpg)
Sobre a apresentação
● Introdução
● Ideia e definição básica sobre machine learning
● Exemplo prático
● Regressão
● Classificação
● Ferramentas
● Dúvidas
![Page 4: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/4.jpg)
O que é?
“Aprendizagem de máquina é um método de análise de dados que automatiza a construção de modelos analíticos.
Usando algoritmos que iterativamente aprendem a partir de dados, o aprendizado de máquina permite que os
computadores encontrem 'insights' ocultos sem ser explicitamente programados para onde olhar.” - SAS
![Page 5: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/5.jpg)
Francis Galton
Vox Populi - 1907
? Kg552kG
510kG
521kG
![Page 6: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/6.jpg)
Francis Galton
Vox Populi - 1907
543,4 Kg
552kG
510kG
490kG
Média de 787 tickets547,4 Kg
Menos de 1% de erro!
Paper disponível em: http://galton.org/essays/1900-1911/galton-1907-vox-populi.pdf
![Page 7: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/7.jpg)
Quanto mais experiência, mais próximo do acerto
543,4 Kg552kG510kG
490kG
Dados baseado em experiência!
![Page 8: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/8.jpg)
Criação de um Modelo
![Page 9: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/9.jpg)
Simplificando
Dados
![Page 10: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/10.jpg)
Simplificando
Dados de aprendizado
Dados de teste
![Page 11: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/11.jpg)
Treinando o modelo
Dados de aprendizado
400 Kg
Todas vaquinhas tem o valor de nosso “prediction target”, que é o peso.
Importante:
Durante o treino são utilizados como referências, features dos “dados” (as vacas), como a raça da vaca, sua idade, se está prenha, além de outros aspectos que podem ser externos, como a época do ano ou o bioma local. Pode ser usado tudo que influencie no nosso target, o peso.
![Page 12: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/12.jpg)
Validação do modelo
ModeloDados
de teste
? Kg
Predição501Kg
Escondemos o peso e fazemos que oModelo tente prever o valor...
![Page 13: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/13.jpg)
Modelo Dados de teste
501Kg
Predição501Kg
Acerto *
Continua o processo
Validação do modelo (acerto)
* Dentro de uma margem de erro definida
![Page 14: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/14.jpg)
Modelo Dados de teste
510Kg
Predição501Kg
Erro
Corrige o modelo e continua o processo
Validação do modelo (erro)
“Aprenda com seus erros!”
![Page 15: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/15.jpg)
Modelo Dados de teste
510Kg
Predição501Kg
Erro
Corrige o modelo e continua o processo
Validação do modelo (erro)
“Aprenda com seus erros!”
![Page 16: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/16.jpg)
Formalizando: Regressão
![Page 17: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/17.jpg)
Formalizando: Regressão
Dados
yi` (Valor previsto)
yi (Valor real)
Função gerada f(x)Resíduo/Erro
Feature
Target
![Page 18: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/18.jpg)
Soma do quadrado residual (RSS)
yi` (Valor previsto)
yi (Valor real)
Resíduo/ErroTarget
Feature
![Page 19: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/19.jpg)
E daí?
● O que queremos?
– Minimizar o erro → Min(RSS)● Como fazermos?
– Derivando o RSS
Tendo que a derivada da soma residual dos quadrados ...
… dará a função de previsão f(x)` = ax + b
![Page 20: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/20.jpg)
Outras técnicas de regressão
Polynomial RegressionKernel Regression
![Page 21: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/21.jpg)
Classificação
Identificar elementos (rótular) baseado em features
?
![Page 22: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/22.jpg)
Classificação
Identificar elementos (rótular) baseado em features
!Wow!
Such precision!
So fast!
Very Pythonic!
Wow!
![Page 23: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/23.jpg)
Classificação de texto (Tipo)
Artigo Centífico
Romance
Textão de Face(mimimimi)
![Page 24: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/24.jpg)
Classificação de texto (Análise de sentimento)
?
![Page 25: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/25.jpg)
Quebrando o texto em palavras
bom incrível páia ruim
![Page 26: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/26.jpg)
Treinando o modelo
bom +1
incrível+5
4 estrelas(Texto marcado como bom)(se, fora, amanhã, depois, ...)
![Page 27: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/27.jpg)
Treinando o modelo
(se, fora, amanhã, depois, ...)
páia -3
ruim -2
1 estrelas(Texto marcado como ruim)
![Page 28: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/28.jpg)
Testando o modelo
páia -3
bom +1
incrível+5
Esse carro é bom.É incrível como o consumo dele é baixo! Só a direção que achei páia.
Pontuação total: +1 +5 -3 = +3 (Positivo)
? estrelas
![Page 29: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/29.jpg)
Testando o modelo
páia -3
bom +1
incrível+5
Esse carro é bom.É incrível como o consumo dele é baixo! Só a direção que achei páia.
Pontuação total: +1 +5 -3 = +3 (Positivo)
4 estrelas
ACERTO
![Page 30: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/30.jpg)
Testando o modelo (erro)
ruim -2
Eu com esse carro? Pense em uma vida ruim...
Pontuação total: -2 (Negativo)
5 estrelas
ERRO
Corrige o modelo(Recalculo da pontuação das palavras)
![Page 31: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/31.jpg)
Testando o modelo (erro)
páia -2
Eu com esse carro? Pense em uma vida ruim...
Pontuação total: -2 (Negativo)
5 estrelas
ERRO
![Page 32: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/32.jpg)
Outras técnicas de classificação
● Decision Trees● Clustering● Deep learning
![Page 33: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/33.jpg)
Ferramentas
![Page 34: Introdução ao Machine Learning - XI Pylestras](https://reader031.vdocuments.mx/reader031/viewer/2022022414/589e73841a28ab300b8b4e3b/html5/thumbnails/34.jpg)
Dúvidas
?