Pular para o conteúdo
Even3

Talk Digital

Machine Learning e Algumas Aplicações

Gravado no evento International Conferences · 56 min de gravação

Sobre o conteúdo

A atividade "Machine Learning e Algumas Aplicações", apresentada pelo Prof. Dr. Edmilson Costa Lucas no âmbito do evento institucional, tem início com uma contextualização sobre a presença da inteligência artificial e do aprendizado de máquina no cotidiano. O palestrante utiliza exemplos rotineiros, como filtros automáticos de spam em serviços de e-mail, para demonstrar como os algoritmos reconhecem padrões a partir de dados históricos e do feedback do usuário, desmistificando a visão de que a inteligência artificial se limita à robótica cinematográfica.

O que é abordado

  1. Abertura e apresentação do palestrante
  2. Percepções e exemplos práticos no cotidiano: spam e veículos autônomos
  3. Inovações no varejo: Amazon Go e tendências de consumo
  4. Conceitos fundamentais de Inteligência Artificial e Machine Learning
  5. Aprendizado supervisionado vs. não supervisionado
  6. Etapas de construção: pré-processamento, treino, teste e classificadores
  7. Aplicações práticas: mercado financeiro, saúde e sistemas de recomendação
  8. Mercado profissional, habilidades necessárias e tendências
  9. Sessão de perguntas e respostas: ética, segurança e aspectos técnicos
  10. Considerações finais e encerramento

Dúvidas que o conteúdo responde

Qual é a principal diferença entre Inteligência Artificial e Machine Learning?

A Inteligência Artificial é a área ampla dedicada ao esforço de automatizar tarefas intelectuais humanas, tradicionalmente operando com regras pré-programadas por pessoas. Já o Machine Learning é um subcampo da IA no qual os computadores aprendem as regras e padrões diretamente a partir dos dados de treino e respostas esperadas, em vez de serem explicitamente programados para cada regra.

Como o aprendizado supervisionado se diferencia do aprendizado não supervisionado?

No aprendizado não supervisionado, os algoritmos analisam dados brutos sem variáveis de resposta conhecidas a fim de encontrar padrões ou agrupamentos naturais, como em análises de cluster. Já no aprendizado supervisionado, cada dado de entrada possui um rótulo ou resposta associada previamente conhecida (variável dependente ou y), permitindo que o modelo treine e avalie suas predições.

Qual é a relação entre Machine Learning e Deep Learning?

O Deep Learning está contido dentro do campo de Machine Learning. Trata-se de uma vertente baseada em redes neurais profundas com múltiplas camadas de neurônios interconectados, exigindo maior capacidade e tempo de processamento computacional para refinar o aprendizado e obter alta precisão preditiva.

Como problemas de viés em bases de dados históricas podem afetar as decisões automatizadas?

Se a base de dados histórica contiver decisões prévias enviesadas por preconceitos humanos (como ocorrido em modelos de determinação de fiança judicial nos EUA ou em priorização socioeconômica de leitos de saúde), o algoritmo reproduzirá essa distorção. Cabe ao especialista calibrar e ponderar variáveis para neutralizar o viés e assegurar equidade.

Assuntos

  • Machine Learning
  • Inteligência Artificial
  • Deep Learning
  • Ciência de Dados
  • Aprendizado Supervisionado
  • Estatística
  • Python
  • Algoritmos

Palestrantes

  • Prof. Dr. Edmilson Costa Lucas

    Palestrante

    Doutor em Administração de Empresas (linha de Finanças) pela FGV/EAESP. Mestre em Estatística pela Unicamp. MBA em Financas pela FGV. Bacharel em Matemática pela UFU.

Outros conteúdos deste evento

Gravados no evento International Conferences