Fundamentos de Aprendizagem de Máquina
Autor: Maikon Lucian Lenz , Fabiano Berlinck Neumann , Rodrigo Santarelli , Douglas Salvador
LIVRO IDEAL PARA
Alunos de graduação em Inteligência Artificial.
SOBRE O LIVRO
A aprendizagem de máquina consiste na evolução do desempenho dos computadores conforme o tempo, isto é, conforme a experiência adquirida pela máquina. Pesquisas na internet são um exemplo de aprendizagem de máquina: à medida que as pesquisas são feitas, o sistema identifica resultados semelhantes e os apresenta, de modo que os resultados para a pesquisa são parecidos. Outro exemplo é as recomendações em sites de streaming - após assistir uma produção de determinado estilo, o site tende a recomendar filmes e séries da mesma linha, pois entende que é do agrado do espectador.
Neste livro, você encontrará conceitos, definições, exemplos práticos e demais conteúdos que o ajudarão a entender melhor o processo de aprendizagem, sempre de forma didática e próxima da rotina.
Resumo
A aprendizagem de máquina é o reconhecimento de padrões em inteligência artificial. É um campo da ciência da computação que possibilita aos computadores a identificação de padrões, de modo que as máquinas aprendam. Além disso, possibilita também o uso de algoritmos que corrigem erros e fazem previsões de dados.
Podemos perceber a aprendizagem de máquina aplicada em nosso dia a dia quando fazemos uma pesquisa na internet, por exemplo. Os resultados são fruto da inteligência do mecanismo de pesquisa, que mostra páginas relevantes. Este livro traz conceitos e definições sobre a aprendizagem de máquina em linguagem simples e didática, além de exemplos que fazem parte da nossa rotina.
Referência
LENZ, M. L.; et al. Fundamentos de aprendizagem de máquina. Porto Alegre: Sagah, 2020.
Informações técnicas
eBook
Formato ePDF
Páginas 308
ISBN 9786556900902
Ano 2020
Equipe técnica
Carine Geltrudes Webber, Doutora em Matemática e Ciência da ComputaçãoMestra em Computação
Fábio Josende Paz, Mestre em Sistemas e Processos IndustriaisEspecialista em Educação a Distância
Sumário
Introdução à aprendizagem de máquina
Abordagens de aprendizagem de máquina e principais tarefas
Aprendizagem não supervisionada: agrupamento
Aprendizagem não supervisionada: aplicação do k-means
Aprendizagem supervisionada: técnica baseada em instâncias
Aprendizagem supervisionada: aplicação do kNN
Aprendizagem supervisionada: árvores de decisão e regressão
Aprendizagem supervisionada: aplicação de árvores para classificação e regressão
Aprendizagem supervisionada: técnica bayesiana
Aprendizagem supervisionada: aplicação do algoritmo Naive Bayes
Aprendizagem supervisionada: redes neurais artificiais
Aprendizagem supervisionada: aplicação da perceptron multicamadas
Aprendizagem supervisionada: máquinas de vetor de suporte
Aprendizagem supervisionada: aplicação de máquinas de vetor de suporte
Resolução de problemas da descrição à predição: gerar e avaliar modelos
Resolução de problemas da descrição à predição: justificar escolhas
