Return to Video

01_Definition of ML

  • 0:00 - 0:01
    Oi Michael.
  • 0:01 - 0:02
    Oi Charles. Como você está?
  • 0:02 - 0:04
    Eu estou bem e você?
  • 0:04 - 0:05
    Estou bem também.
  • 0:05 - 0:08
    Pensei que poderíamos falar
    um pouco sobre a filosofia
  • 0:08 - 0:10
    do aprendizado de máquina.
  • 0:10 - 0:12
    Eu odeio filosofia.
  • 0:12 - 0:15
    Eu também não gosto, apesar de
    ter doutorado em filosofia
  • 0:15 - 0:16
    Nossa que bacana!
  • 0:16 - 0:17
    Também é filósofo?
  • 0:17 - 0:18
    Sim, eu também sou.
  • 0:18 - 0:20
    Isso é impressionante.
  • 0:20 - 0:21
    Hoje nós queremos conversar sobre
  • 0:21 - 0:23
    por que o curso está estruturado
  • 0:23 - 0:27
    de determinada forma.
    Quais são suas distintas partes e talvez
  • 0:27 - 0:29
    refletir um pouco sobre o que nós achamos
  • 0:29 - 0:31
    que você deve aprender
    aqui. Tudo bem?
  • 0:31 - 0:32
    Claro.
  • 0:32 - 0:34
    Beleza. Então, antes de
    começarmos, eu quero
  • 0:34 - 0:35
    agradecer por ter vindo até
  • 0:35 - 0:38
    Atlanta e estar comigo
    neste lindo estúdio.
  • 0:38 - 0:41
    É bom estar aqui.
    Agradeço o convite.
  • 0:41 - 0:43
    Não, não. Obrigado por ter vindo.
  • 0:43 - 0:46
    Agradeço por me pedir para dar aula.
    Isso tem sido muito legal.
  • 0:46 - 0:47
    O ponto principal
  • 0:47 - 0:49
    era fazer o curso
    contigo Michael.
  • 0:49 - 0:50
    Nós nos damos bem e queremos
  • 0:50 - 0:52
    que perceba isso nesta aula.
  • 0:52 - 0:54
    Nós gostamos de
    aprendizado de máquina,
  • 0:54 - 0:57
    mas eu não tenho certeza
    se nós concordamos
  • 0:57 - 1:00
    plenamente nas partes mais importantes
    do aprendizado de máquina
  • 1:00 - 1:02
    e por que fazemos as coisas assim.
  • 1:02 - 1:03
    Tudo bem?
  • 1:03 - 1:04
    Acho que as pessoas Michael
  • 1:04 - 1:06
    pensam que você é mais teórico
    do que eu. Certo?
  • 1:06 - 1:08
    Em teoria.
  • 1:08 - 1:10
    E eu sou mais prático do que você.
  • 1:10 - 1:12
    Praticamente.
  • 1:12 - 1:15
    Pelo menos na prática.
    Eu espero que as nossas
  • 1:15 - 1:17
    rivalidades apareçam ao longo do curso.
  • 1:17 - 1:19
    Para ver o porquê das nossas diferenças
  • 1:19 - 1:22
    você precisa saber o que é
    aprendizado de máquina. Michael.
  • 1:22 - 1:23
    Diga.
  • 1:23 - 1:23
    O que é isso?
  • 1:23 - 1:25
    É sobre provar teoremas.
  • 1:25 - 1:27
    (Risadas)
  • 1:27 - 1:28
    Não.
  • 1:28 - 1:29
    Eu não diria que é isso,
  • 1:29 - 1:31
    apesar de que provar teoremas
    é importante nessa área.
  • 1:31 - 1:33
    Eu concordo com isso.
  • 1:33 - 1:34
    Tudo bem.
  • 1:34 - 1:34
    Nós concordamos.
  • 1:34 - 1:37
    Concordamos parcialmente.
    O que é aprendizado de máquina?
  • 1:37 - 1:39
    O que é aprendizado de máquina?
  • 1:39 - 1:40
    Dê uma definição.
  • 1:40 - 1:41
    Então,
  • 1:41 - 1:46
    é estatística computacional.
    O que acha disso?
  • 1:46 - 1:49
    É uma definição. Ela está errada.
  • 1:49 - 1:51
    Contudo, muitas pessoas vão concordar.
  • 1:51 - 1:54
    Elas vão dizer que aprendizado
    de máquina é estatística aplicada.
  • 1:54 - 1:57
    Estatística aplicada não,
    mas estatística computacional.
  • 1:57 - 1:59
    Estatística computacional aplicada.
  • 1:59 - 2:00
    É.
  • 2:00 - 2:04
    Não gosto dessa definição. Eu acredito que
  • 2:04 - 2:07
    ela é muito restrita e o
    aprendizado de máquina engloba uma
  • 2:07 - 2:12
    ampla noção de construção
    de ferramentas computacionais,
  • 2:12 - 2:14
    que aprendem com a própria experiência.
  • 2:14 - 2:17
    Na verdade, não é apenas
    construir esses artefatos
  • 2:17 - 2:19
    algo importante,
    mas a matemática por trás,
  • 2:19 - 2:22
    a ciência por trás, a engenharia por trás
  • 2:22 - 2:24
    e também a computação por trás. É sobre
  • 2:24 - 2:28
    tudo que é preciso para fazer
    sistemas inteligentes, que precisam
  • 2:28 - 2:31
    quase que por obrigação, aprender
    ao longo do tempo. Você concorda?
  • 2:31 - 2:32
    Sim, claro.
  • 2:32 - 2:35
    Você possui dados, analisa-os e tenta
    tirar valiosas conclusões dos dados.
  • 2:35 - 2:38
    Para isso, você tem que usar diversas
  • 2:38 - 2:43
    estruturas digitais,
    como: a estatística computacional.
  • 2:43 - 2:46
    Eu não acho que é
    estatística computacional.
Cím:
01_Definition of ML
Video Language:
English
Team:
Udacity
Projekt:
UD675: Machine Learning 1 - Supervised Learning
Duration:
02:47
Visszavonult felhasználó edited Portuguese, Brazilian subtitles for 01_Definition of ML
Visszavonult felhasználó edited Portuguese, Brazilian subtitles for 01_Definition of ML
Visszavonult felhasználó edited Portuguese, Brazilian subtitles for 01_Definition of ML
Visszavonult felhasználó edited Portuguese, Brazilian subtitles for 01_Definition of ML
Visszavonult felhasználó edited Portuguese, Brazilian subtitles for 01_Definition of ML
Visszavonult felhasználó edited Portuguese, Brazilian subtitles for 01_Definition of ML
Visszavonult felhasználó edited Portuguese, Brazilian subtitles for 01_Definition of ML
Visszavonult felhasználó edited Portuguese, Brazilian subtitles for 01_Definition of ML
Mutassa mindet

Portuguese, Brazilian subtitles

Felülvizsgálatok Compare revisions