Pular para o conteúdo
Even3

Palestra

Palestra#03 - IA: Novas perspectivas para um novo momento

Gravado no evento Week-IT 2020 · 2 h 29 min de gravação

Trechos em vídeo

Sobre o conteúdo

A sessão do evento Week-IT 2020 inicia com a apresentação do segundo dia de atividades focado nas inovações em Inteligência Artificial. A primeira parte é conduzida pela professora Anna Reali, que apresenta uma visão geral das grandes áreas da IA e se aprofunda nos três paradigmas de aprendizado de máquina: supervisionado, não supervisionado e por reforço. Ela detalha as particularidades do aprendizado por reforço, caracterizado pelo retorno atrasado e ocasional, pela natureza sequencial dos dados e pela aprendizagem por tentativa e erro. A modelagem formal é explicada por meio dos Processos Decisórios de Markov (MDP), abordando conceitos como estados, ações, recompensas, fator de desconto, funções valor e o dilema entre exploração e explotação.

O que é abordado

  1. Abertura e apresentação da professora Anna Reali
  2. Paradigmas de Machine Learning e Aprendizado por ReforçoTrecho de 1 min 58 s
  3. Processos Decisórios de Markov e algoritmo Q-learning
  4. Deep Q-Networks e Gradiente de Política
  5. Aplicações práticas: Smart Grid, Veículos Elétricos e Chatbots
  6. Transfer Learning e centros de pesquisa da USP
  7. Apresentação da Palestra#03 com o professor Crescencio Lima
  8. Conceitos de IA, Big Data e computação em nuvemTrecho de 1 min 45 s
  9. Aplicações de IA no cotidiano: saúde, e-commerce, segurança e agriculturaTrecho de 1 min 21 s
  10. Ferramentas, drones autônomos e questões em aberto
  11. Sessão de perguntas: finanças, mercado de trabalho e ética
  12. Agradecimentos e encerramento

Dúvidas que o conteúdo responde

Qual é a principal diferença entre o aprendizado por reforço e os outros tipos de aprendizado de máquina?

Diferente do aprendizado supervisionado (que recebe pares explícitos de entrada e saída correta) e do não supervisionado (que agrupa dados descobrindo padrões sem supervisão), o aprendizado por reforço baseia-se na atuação sequencial de um agente em um ambiente. O retorno consiste em recompensas atrasadas e ocasionais, obtidas por meio de tentativa e erro, cujo objetivo é maximizar o retorno acumulado de longo prazo.

Em que consiste o dilema de exploração versus explotação (exploration vs. exploitation)?

Consiste na decisão do agente entre continuar aproveitando o conhecimento que já adquiriu para garantir boas recompensas conhecidas (explotação) ou tentar novas ações ainda desconhecidas (exploração) com a possibilidade de descobrir soluções ou caminhos melhores e mais vantajosos.

Como funcionam os robôs de investimento com IA no mercado financeiro?

Os robôs inteligentes analisam padrões de subida e descida dos ativos na bolsa de valores, cruzam grandes volumes de dados históricos e em tempo real e indicam o momento propício de investir ou desinvestir, podendo inclusive executar ordens de compra e venda de forma automatizada conforme os limites previamente autorizados pelo investidor.

Como a automação e a inteligência artificial afetam o mercado de trabalho?

As mudanças tecnológicas eliminam trabalhos manuais, repetitivos ou insalubres, mas criam novas demandas de mão de obra intelectual e técnica para construir, treinar, manter e aprimorar esses sistemas inteligentes, exigindo adaptação dos profissionais e requalificação para funções criativas e multidisciplinares.

Assuntos

  • Inteligência Artificial
  • Aprendizado por Reforço
  • Machine Learning
  • Q-learning
  • Big Data
  • Smart Grid
  • Ética em IA
  • Week-IT 2020

Palestrantes

  • Crescencio Rodrigues Lima Neto

    Palestrante

    Possui graduação em Ciência da Computação pela Universidade Estadual do Sudoeste da Bahia (2005), pós graduação em Engenharia de Software pela Faculdade Boa Viagem (2008), mestrado em Ciência da Computação pela Universidade Federal de Pernambuco (2011). Em 2006 concluiu o Curso Seqüencial de Formação Complementar em Análise de Testes do Centro de Informática da Universidade Federal de Pernambuco, Convênio com a Motorola Industrial Ltda. Trabalhou como engenheiro de testes do C.E.S.A.R. (Centro de Estudos e Sistemas Avançados do Recife) no projeto BTC(Brazilian Test Center) Motorola (2009). É…

Outros conteúdos deste evento

Gravados no evento Week-IT 2020