Pular para o conteúdo
Even3

[MINICURSO 02] Introduction to Weka: Data Mining with Open Source Machine Learning

Gravado no evento Semana Nacional de Ciência e Tecnologia - IFPI · 4 h 26 min de gravação

Trechos em vídeo

Sobre o conteúdo

O minicurso "[MINICURSO 02] Introduction to Weka: Data Mining with Open Source Machine Learning", ministrado pelo professor Kelson Carvalho no âmbito da Semana Nacional de Ciência e Tecnologia - IFPI, introduz os conceitos essenciais e as aplicações práticas de mineração de dados e aprendizado de máquina com ferramentas de código aberto.

O que é abordado

  1. Abertura e apresentação pessoal
  2. Conceitos fundamentais: Big Data, Data Science e Data Mining
  3. Fundamentos de Machine Learning e aplicaçõesTrecho de 1 min 53 s
  4. Estrutura dos dados e exemplo do Titanic
  5. Aprendizagem supervisionada vs. não supervisionada
  6. Métodos preditivos: classificação e regressãoTrecho de 2 min
  7. Métodos descritivos e aprendizado por reforço
  8. Validação de modelos: underfitting, overfitting e good fitTrecho de 1 min 53 s
  9. Apresentação e download do Weka
  10. Execução do Weka Explorer e estrutura de arquivos ARFF
  11. Treinamento, validação e métricas de classificadores
  12. Mineração de regras de associação com Apriori e encerramento

Dúvidas que o conteúdo responde

O que é o formato de arquivo ARFF utilizado pelo Weka?

O ARFF (Attribute-Relation File Format) é um formato de arquivo texto estruturado próprio do Weka. Ele é composto pelo cabeçalho com o nome da relação (@relation) e a declaração de cada coluna ou atributo (@attribute), seguido pelas linhas de instâncias na seção @data.

Qual a diferença básica entre aprendizado supervisionado e não supervisionado?

No aprendizado supervisionado, o modelo é treinado fornecendo-se as características dos dados acompanhadas de uma classe alvo (target/resposta esperada), aprendendo a mapear entradas para saídas. No aprendizado não supervisionado, não há classe alvo ou resposta pré-definida; o algoritmo busca identificar padrões, agrupamentos ou associações estruturais nos dados por conta própria.

O que causa overfitting no treinamento de um algoritmo de machine learning?

O overfitting ocorre quando o modelo se ajusta excessivamente aos dados de treinamento, decorando ruídos e particularidades em vez de generalizar o padrão. Isso costuma acontecer, por exemplo, quando se avalia o algoritmo com os exatos mesmos dados utilizados para treiná-lo, resultando em acurácia artificialmente alta no treino, mas desempenho ruim com novos dados.

Para que serve a matriz de confusão gerada no Weka?

A matriz de confusão resume o desempenho de um classificador, permitindo visualizar a quantidade de instâncias classificadas corretamente como verdadeiros positivos e verdadeiros negativos, bem como os erros classificados como falsos positivos e falsos negativos.

Assuntos

  • Weka
  • Machine Learning
  • Data Mining
  • Ciência de Dados
  • Classificação
  • Apriori
  • ARFF
  • IFPI

Palestrantes

  • Kelson Carvalho

    Palestrante