Aprendizado De Máquina Em Ação

Aprendizado de Máquina em Ação

Um manual para leigos

Alan T. Norman

Tradutora: Rafael Aguiar

Copyright © Todos direitos reservados.

Nenhuma parte desta publicação pode ser reproduzida, distribuída ou transmitida em qualquer formato ou por quaisquer meios, incluindo cópias físicas, gravação, ou outros métodos eletrônicos ou mecânicos, ou por qualquer sistema de armazenamento e recuperação de informações sem a prévia permissão por escrito do editor, exceto no caso de breves citações incorporadas a revisões críticas e outros usos não comerciais específicos permitidos pela lei de direitos autorais.

Índice

Por que escrevi esse livro

Esse livro não é sobre algoritmos de codificação de aprendizado de máquina

Um manual para leigos

Capítulo 1. O que é aprendizado de máquina?

Programação explícita vs. treinamento de algoritmos

Definições: Inteligência artificial vs. aprendizado de máquina vs. redes neurais

Conceitos básicos

Aprendizado supervisionado vs. não supervisionado

Quais problemas o aprendizado de máquina pode solucionar?

A caixa preta: o que não sabemos sobre aprendizado de máquina

Indo mais a fundo

Capítulo 2. Limpeza, rotulagem e curadoria de conjunto de dados

Limpando o conjunto de dados

Necessidade de conjuntos de dados muito grandes para AM

Necessidade de ser bem rotulado

Capítulo 3. Escolhendo ou Escrevendo um Algoritmo de AM

Conceitos básicos

Tipos de algoritmos populares

O que é necessário para escrever um novo algoritmo

Capítulo 4. Treinar e implementar um algoritmo

Programação envolvida

Estática vs. dinâmica

Ajuste e engenharia de atributos

Descartando um algoritmo

Capítulo 5. Aplicações do aprendizado de máquina no mundo real

Transportes

Recomendações de Produtos

Finanças

Assistentes de Voz, Casas Inteligentes e Carros

Conclusão

Sobre O Autor

Livro Bônus Baleias de Bitcoins

Outros Livros do Alan T. Norman:

Por que escrevi esse livro

Bem-vindo ao mundo do aprendizado de máquina!

A inteligência artificial está preparada para mudar o curso da história humana, talvez mais que qualquer tecnologia já criada. Grande parte dessa revolução é o aprendizado de máquina.

Aprendizado de máquina é a ciência de ensinar computadores a fazer previsões baseadas em dados. Basicamente, aprendizado de máquina envolve dar a um computador um conjunto de dados e pedir a ele que faça uma previsão. No início, o computador fará muitas previsões incorretas. No entanto, após fazer milhares de previsões, o computador reconfigurará seu algoritmo, aprimorando suas previsões.

Esse tipo de previsão computacional era impossível. Os computadores simplesmente não conseguiam armazenar muitos dados ou processá-los suficientemente rápido para aprenderem de forma efetiva. Atualmente, a cada ano, a inteligência dos computadores aumenta em uma velocidade muito alta. Avanços no armazenamento de dados e no poder de processamento estão impulsionando essa tendência em direção a máquinas cada vez mais inteligentes. Como resultado, os computadores estão fazendo coisas que seriam impensáveis há apenas uma ou duas décadas.

O aprendizado de máquina já está afetando nossa vida diária. A Amazon usa o aprendizado de máquina para prever quais produtos você vai querer comprar. O Gmail o usa para filtrar mensagens de spam da sua caixa de entrada. Suas recomendações de filmes na Netflix são baseadas em algoritmos de aprendizado de máquina.

Contudo, os impactos do aprendizado de máquina não param por aqui. Os algoritmos de aprendizado de máquina estão fazendo previsões para todo o tipo de atividade, da agricultura à área de saúde. Além disso, seus impactos serão sentidos de novas formas e em novos setores a cada ano. À medida que novas aplicações de aprendizado de máquina surgem, vamos gradualmente aceitando-as como parte da vida normal. No entanto, esta nova dependência de máquinas inteligentes é um ponto de transição na história da tecnologia e uma tendência que se acelera a cada dia.

No futuro, o aprendizado de máquina e a inteligência artificial serão responsáveis pela automação de muitas tarefas feitas hoje por humanos. Carros auto-dirigíveis dependem do aprendizado de máquina para o reconhecimento de imagem, e eles progressivamente se tornarão parte do transporte, assim como caminhões auto-conduzidos e outros veículos para o transporte de mercadorias. Atualmente, grande parte da agricultura e manufatura é automatizada, de forma que o aprendizado de máquina está provendo os alimentos que consumimos e os bens que utilizamos. A tendência para a automação está só acelerando. Outras aplicações de aprendizado de máquina podem fundamentalmente mudar tarefas feitas por humanos no dia-a-dia, na medida em que as máquinas se tornam mais aptas para controlar processos e concluir trabalhos de conhecimento.

Como o aprendizado de máquina terá um impacto tão profundo na vida diária, é importante que todos tenham acesso à informação sobre como isso funciona. É por isso que escrevi esse livro. O cenário atual de informações sobre aprendizado de máquina está dividido.

Primeiramente, há explicações para o público geral, que dificultam os conceitos. Estes "explicadores" fazem o aprendizado de máquina parecer como algo que somente especialistas pudessem entender.

Em segundo lugar, há documentos técnicos escritos por especialistas para especialistas. Eles excluem o público geral, com jargões e complexidades. Obviamente, escrever e executar um algoritmo de aprendizado de máquina é um feito enormemente técnico, e essas explicações técnicas são importantes. No entanto, há um buraco na atual literatura a respeito de aprendizado de máquina.

E quanto aos leigos que realmente querem entender essa revolução tecnológica, não necessariamente sabendo escrever códigos, mas sim compreender as mudanças que estão ocorrendo à sua volta? A compreensão dos princípios básicos sobre aprendizado de máquina não deveria estar limitada a uma elite tecnológica. Essas mudanças afetarão a todos nós. Elas têm consequências éticas, e é importante que o público saiba sobre todos os benefícios e desvantagens do aprendizado de máquina.

É por isso que escrevi esse livro. Se isso soa interessante para você, eu espero que aproveite.

Esse livro não é sobre algoritmos de codificação de aprendizado de máquina

Caso essa declaração na introdução não tenha sido suficientemente clara: este não é um livro sobre codificação. Não é para cientistas da computação aprenderem como criar algoritmos de aprendizado de máquina.

Para começar, não sou nem um pouco qualificado para escrever um livro sobre isso. Pessoas passam anos aprendendo as complexidades da escrita de algoritmos e redes de treinamento. Existem programas inteiros de PhD que exploram os meandros desta área, desenhando em álgebra linear e análise preditiva. Se você mergulhar fundo nos detalhes do aprendizado de máquina e amar isso o suficiente para obter um PhD, você poderá facilmente sair ganhando entre 300 e 600 mil dólares, trabalhando para uma grande empresa de tecnologia. É dessa forma que essas atividades são tão raras e valiosas.

Eu não tenho essas qualificações, e não vejo mal algum nisso. Se você chegou até esse livro, você é um iniciante interessado em aprendizado de máquina. Provavelmente, você não é um técnico, ou se é, está buscando um livro sobre seus fundamentos, para iniciar com os conceitos básicos. Como um escritor da área de tecnologia, estou constantemente aprendendo sobre tecnologias. Sou um estudante de aprendizado de máquina e lembro-me como é ser um iniciante. Posso ajudar a explicar os conceitos básicos, de uma forma fácil de entender. Uma vez que tiver lido esse livro, você terá uma sólida compreensão sobre os princípios fundamentais que facilitarão seu acesso a um livro mais avançado, caso queira aprender mais.

Dito isso, caso sinta que já entende os princípios básicos ou realmente queira um livro que o ensine os detalhes práticos sobre como escrever e treinar um algoritmo de aprendizado de máquina, então provavelmente esse livro não é para você.