Yellow - Módulo

Receita Federal · Auditor Fiscal

Aprendizado de Máquina conforme o edital. Cobre machine learning, os tipos de aprendizado e o aprendizado profundo.

Fluência em dados

Aprendizado de Máquina

Informática EmÁudio: Machine LearningBom dia! Boa tarde! Boa noite! Independentemente do horário que você está me fazendo companhia, é sempre um prazer tê-lo comigo.Bora aprender sobre Machine Learning? Sobre o quê, professor? Machine Learning, jovem! Machine Learning, traduzindo para o nosso bom português, quer dizer aprendizado de máquina. É definido por um sistema computacional, máquina, que busca realizar uma determinada tarefa, aprendendo a partir de uma experiência e procurando melhorar a performance do trabalho desempenhado. Em outras palavras, eu tenho uma tarefa para ser feita e eu quero que esta tarefa seja feita de forma cada vez melhor, progredindo.Logo, a partir de uma experiência, eu coloco a máquina para aprender e progredir, visando melhorar a performance e executar algo com cada vez mais empenho. Exemplificando de forma hipotética, eu quero desenvolver um algoritmo para que uma máquina jogue xadrez, mas não somente isso, que ela também aprenda e jogue cada vez melhor. Então, com Machine Learning, à medida que a máquina joga, ela aprende com seus erros e acertos.Fácil, não é não? Bora ver como isso cai em prova? Vem comigo! Essa questão é da Banca CESPE, hein? Uma aplicação que reconheça o acesso de um usuário e forneça sugestões diferentes para cada tipo de usuário pode ser considerada uma aplicação que usa Machine Learning. Certo ou errado, jovem? Certíssimo! Qualquer solução tecnológica que busque fazer uma tarefa melhor pode ser considerada Machine Learning.Reconhecer o acesso de usuários e fornecer sugestões diferentes é o que a Netflix, Amazon Prime e os outros serviços de streaming fazem. A máquina oferece recomendações de filmes e, se der certo, continua oferecendo para outros. Sistemas de sugestão, como este, são exemplos clássicos de implementação de Machine Learning.Conseguiu entender? Posso ir embora? Eu vou, mas eu volto! Preciso falar ainda dos tipos de aprendizado e do Deep Learning. Beba uma água, se alongue, que já já eu volto!

01 - Machine Learning

Informática EmÁudio: Tipos de AprendizadoOlá, jovem! Bora aprender mais um pouquinho.Hora de falar dos tipos de aprendizado. Já vou te falando que são três. Aprendizado supervisionado. Aprendizado não supervisionado. E aprendizado por reforço. Calma, vamos conversar sobre cada um deles. Vamos por ordem. Vou começar pelo aprendizado supervisionado.Jovem, o aprendizado supervisionado é aquele no qual há supervisão humana para dizer à máquina, faça isso ou siga esse parâmetro. Portanto, o sistema analisa os dados com base em variáveis de entrada. Imagine a seguinte situação. Eu digo para a máquina tentar predizer o salário das pessoas utilizando como parâmetro os dados: anos de carreira, formação e idade.Na NFL, Liga de Futebol Americano dos Estados Unidos, utiliza-se o machine learning para tentar predizer, com base em estatísticas, quais jogadores serão os melhores jogadores da liga no futuro. Na temporada de 2019 a 2020, o jogador Patrick Mahomes, com 24 anos de idade, foi considerado o melhor jogador. No final da temporada, o time Kansas City assinou um contrato de 10 anos com ele, no valor de 450 milhões de dólares. 450 milhões, você não ouviu errado, meu amigo.Diante disso, muitos se assustaram com o exorbitante valor pago. Porém, muito provavelmente, utilizou-se um sistema que, com base na idade, estatísticas da universidade e da liga, previu que Patrick Mahomes será um dos melhores jogadores da NFL pelos próximos anos, pois ele é muito jovem.Resumindo, jovem, no modelo de aprendizado supervisionado, o homem diz à máquina como ela deve aprender, impondo as variáveis a serem observadas. Deu para entender? Vamos em frente!Modelo de aprendizado não supervisionado.Diferentemente do modelo aprendizado supervisionado, neste modelo é dito para o sistema, se vira! Portanto, o próprio sistema descobre as variáveis que poderão chegar à informação desejada. Imagine essa outra situação. Um banco desenvolve um sistema para detectar a possibilidade de ocorrência de fraude. Para tanto, é informado ao sistema o que é uma fraude, e ele próprio terá que entender e descobrir as variáveis que predizem fraude. Se liga como esse assunto pode ser cobrado no seu concurso.A questão é da Banca CESPE e eu vou ler para você. Na busca de padrões no data mining, é comum a utilização do aprendizado não supervisionado, em que um agente externo apresenta ao algoritmo alguns conjuntos de padrões de entrada e seus correspondentes padrões de saída, comparando-se a resposta fornecida pelo algoritmo com a resposta esperada. E aí, certo ou errado?Errado, jovem! Se é informado ao sistema os padrões de entrada e de saída, trata-se, na verdade, do aprendizado supervisionado. Beleza? Tranquilo, né? Vamos para o último modelo, o aprendizado por reforço. No aprendizado por reforço, o sistema se vira, mas recebe inputs externos ocasionais para lhe informar se algo deu certo ou deu errado. Portanto, é o meio termo entre os dois modelos anteriores. Por exemplo, no sistema financeiro, as corretoras de investimento utilizam vários algoritmos para descobrir qual é a melhor hora para compra e venda de ações. Estes algoritmos, muitas vezes, utilizam o aprendizado por reforço, realizando operações enquanto o humano lhe informa quais foram bem-sucedidas e quais não foram. Diante disso, a máquina estuda para descobrir quais variáveis nas transações levaram ao sucesso ou fracasso. Assunto entendido? Beleza!Antes de finalizar este em áudio, quero resolver só mais uma questão com você. Descobrir conexões escondidas e prever tendências futuras é um dos objetivos da mineração de dados, que utiliza a estatística, a inteligência artificial e os algoritmos de aprendizagem de máquina. Certo ou errado, jovem?Isso mesmo! Questão correta! Este é exatamente o objetivo de todos ao utilizar a mineração de dados, data mining, e aprendizagem de máquinas, machine learning. Descobrir conexões escondidas e, por meio destas, prever tendências futuras. Maravilha! Já vi que você entendeu direitinho o assunto até aqui. Então, eu vou indo embora, mas ainda não acabou, hein? Te espero no próximo em áudio para batermos um papo sobre Deep Learning. Tchau! Até lá!

02 - Tipos de Aprendizado

Informática EmÁudio: Deep LearningE aí jovem, tudo joia? Hora de falar do Deep Learning. Aumenta o som aí e presta atenção! Meu caro, este é um outro ramo da inteligência artificial, ainda mais profundo do que o Machine Learning. Lembra dele? O Deep Learning, do inglês Aprendizado Profundo, é a codificação de software que emula redes neurais artificiais. Em outras palavras, objetiva literalmente programar cérebros. Fique ligado, jovem!Sobre o Deep Learning, o termo-chave que provavelmente aparecerá em uma questão sobre este tema é redes neurais. Grave isso! Atualmente, por exemplo, há sistemas capazes de ler placas de trânsito. Para nós humanos, pode parecer bem fácil identificar o que é uma placa de pare. Mas nas ocasiões em que a placa está torta, pichada, sob incidência de sol ou chuva, não é tão fácil para um sistema reconhecer. Para que um sistema saiba identificar uma placa, independentemente da posição ou condições, é preciso milhões de interações de código.O Google desenvolveu uma rede neural, a Google Brain que, ao analisar 10 milhões de frames, quadros, de vídeos do YouTube, passou a ser capaz de identificar sozinha três categorias de objetos. Rostos humanos, corpos humanos e gatos. O que torna essa informação ainda mais interessante e relevante é que este foi um aprendizado não supervisionado. Isto é, o sistema aprendeu sozinho o que é um gato. Visando imitar o procedimento humano, no Deep Learning, o aprendizado acontece em camadas. Conseguiu entender? Bora praticar! Eu leio a questão e você me diz se ela está certa ou errada, ok?Banca quadrix, hein? Bora lá! Os computadores que dominam o mercado baseiam-se na arquitetura de Von Neumann, que tem a definição bem clara de bit 0 e 1, distintos. Uma nova tendência, que vem de um avanço contra a inteligência artificial, são os computadores quânticos, que assumem valores além dos bits 0 e 1. E aí, certo ou errado? Correto, jovem! Isso mesmo, trata-se da lógica quântica, também chamada de lógica nebulosa ou fuzzy. As questões sobre inteligência artificial são bastante intuitivas, visto a sua ampla aplicação e que está em constante mudança. Diante disso, não há muito que o examinador possa fazer para tentar te engambelar. Pode ficar tranquilo! Fico por aqui! Obrigado pela companhia! Abraços! Fui!

03 - Deep Learning

Receita Federal · Auditor FiscalFluência em dadosAprendizado de MáquinaReceita Federal

Receita Federal

01 - Machine Learning

02 - Tipos de Aprendizado

03 - Deep Learning

Receita Federal · Auditor Fiscal

Fluência em dados
Aprendizado de Máquina

Receita Federal