Tópicos
Conceitos
Aprendizagem Simbólica
- O processo de raciocínio pode ser facilmente explicado (como se chega a uma determinada conclusão e quais os passos)
- As regras e o conhecimento precisam de ser codificados à mão
Aprendizagem não Simbólica
- Difícil de compreender como é que o sistema chegou à conclusão (particularmente impactante quando se fala de aplicações críticas, como a condução autónoma ou o diagnóstico médico)
Aprendizagem Supervisionada
- Os casos que se usam para aprender incluem informação acerca dos resultados pretendidos
- É possível estabelecer uma relação entre os valores pretendidos e os produzidos
Classificação Quando os resultados são discretos (preto, branco, cinza, etc).
Exemplos de uso:
- Classificação de imagem
- Deteção de fraude
Regressão Quando os resultados são contínuos (preço, temperatura, etc).
Exemplos de uso:
- Previsão meteorológica
- Previsão de mercados financeiros
Aprendizagem não Supervisionada
- Não são conhecidos resultados sobre os casos, sendo necessária a escolha de técnicas que avaliem o funcionamento interno do sistema
- O objetivo é, essencialmente, modelar a estrutura ou distribuição dos dados do problema
Clustering (ou segmentação) Quando se pretende organizar os dados em grupos coerentes. Por exemplo, agrupar os clientes que compram produtos biológicos.
Exemplos de uso:
- Sistemas de recomendação
- Segmentação de clientes
Redução Reduzir o número de características a um conjunto de dados ou decompô-los em múltiplas componentes.
Exemplos de uso:
- Seleção de atributos
- Compreensão de significados
Associação Quando se pretende conhecer regras que associem o comportamento demonstrado pelos dados. Por exemplo, pessoas que compram produtos biológicos não compram produtos de charcutaria.
Aprendizagem por Reforço
- Apesar de não ter informação sobre os resultados, permite efetuar uma avaliação sobre se os resultados produzidos são bons ou maus.
- Utilizam técnicas de auto-alimentação de sinais (noção de recompensa)
Exemplos de uso:
- Navegação de robots
- Jogos com IA (xadrez, cartas, etc)
Q-Learning Assume que está a seguir uma política ótima e usa-a para atualização dos valores das ações.
SARSA Considera a política de controlo que está a ser seguida e atualiza o valor das ações.
Metodologias
- Permite que os projetos sejam replicados (se utilizadas metodologias bem estabelecidas)
- Ajuda no planeamento e gestão do projeto
- Incentiva as melhores práticas e ajuda a obter melhores resultados
SEMMA
- Sample (colecionar datasets)
- Explore (exploração e análise dos dados)
- Modify (feature engineering)
- Model (produzir modelos)
- Assess (avaliar os modelos)
CRISP-DM
Tudo aqui é self-explanatory.
- Business Understanding
- Data Understanding
- Data Preparation
- Modeling
- Evaluation
- Deployment