Pular para o conteúdo
Even3

O que e como funciona o aprendizado supervisionado

Trecho de 1 min 58 s de Palestra#03 - IA: Novas perspectivas para um novo momento, gravado no evento Week-IT 2020.

Assistir à gravação completaNo Even3 Conteúdos · 2 h 29 min

Sobre este trecho

Apresenta o conceito de aprendizado supervisionado em machine learning com o exemplo de classificacao de fotos de gatos e o poder do deep learning.

Vai de a da gravação.

O que é dito neste trecho

No aprendizado supervisionado, como o próprio nome já diz, ele então tem um supervisor que numa fase de treinamento, onde ele vai ensinar a máquina a aprender o que que ela tem que aprender, ele vai ensinar através de dados que indicam qual é a entrada e qual é a saída correta que eu devo colocar, que a máquina deve aprender a fornecer. Então essa máquina vai aprender uma função que vai mapear essa entrada na saída. Então por exemplo, se a entrada são diversas fotos de gatos e eu dou essas imagens de gato para para a máquina, eu ensino cada vez que eu ponho essa foto, eu falo isso é um gato. Cada vez que eu ponho essa foto, essa foto ou fotos de gatos em geral, eu falo que é um gato. O que que a máquina vai aprender? Vai aprender essa função, uma função que é aplicada a essa imagem que vai retornar a palavra gato. Mesmo que eu tenha ruído ou algumas diferenças da imagem de entrada, ele consegue responder depois que ele aprendeu o sistema, depois que ele aprendeu, ele vai conseguir generalizar esse conceito. Então gatos que ele nunca tinha visto antes, ele consegue da mesma forma reconhecer que é um gato, assim como nós humanos fazemos, e indicar que é gato. O aprendizado supervisionado tem bastante sucesso hoje em dia, porque tem a técnica de deep learning, que é o aprendizado profundo, que é uma das técnicas dentro do aprendizado supervisionado, que usa bastante poder computacional, usa bastante dado, mas consegue resultados que tão acima dos resultados humanos de reconhecimento, por exemplo, de objetos e imagens. Então ele já superou o ser humano em reconhecimento de objetos e imagens.

Outros trechos deste conteúdo