0:00:00.290,0:00:01.350
Olá, eu sou um Macintosh.

0:00:01.350,0:00:03.780
>> [RISOS] Não. >> OK, vamos começar de novo.

0:00:03.780,0:00:04.600
Vamos fazer isso da maneira certa.

0:00:04.600,0:00:06.200
Olá, eu sou Charles Isbeil.

0:00:06.200,0:00:07.100
>> Verdadeiro.

0:00:07.100,0:00:08.450
>> Eu sou professor em Georgia Tech.

0:00:08.450,0:00:09.130
>> Verdadeiro.

0:00:09.130,0:00:10.520
>> E este é Michael Littman.

0:00:10.520,0:00:13.060
>> Verdadeiro. >> Ele também é professor em Georgia Tech.

0:00:13.060,0:00:14.040
>> Falso.

0:00:14.040,0:00:16.510
>> Não, de fato é verdadeiro, uma vez que você é professor em Brown

0:00:16.510,0:00:18.240
e você também é professor adjunto aqui, em Georgia Tech.

0:00:20.150,0:00:21.590
Eu sou um ladrão de rosquinhas profissional.

0:00:21.590,0:00:22.190
>> Falso.

0:00:22.190,0:00:24.020
>> Está certo, eu não sou um [ladrão de rosquinhas] profissional.

0:00:24.020,0:00:26.110
Juntos, estamos lecionando o curso Aprendizagem de Máquina.

0:00:26.110,0:00:27.000
>> Verdadeiro.

0:00:27.000,0:00:30.070
>> As palestras estarão disponíveis apenas em dias primos do calendário.

0:00:30.070,0:00:31.190
>> Falso.

0:00:31.190,0:00:33.140
>> Este minicurso é em Aprendizado Supervisionado.

0:00:33.140,0:00:34.010
>> Verdadeiro.

0:00:34.010,0:00:37.750
>> Aprendizado Supervisionado em si foi inventado por Gauss, em 1830.

0:00:37.750,0:00:38.710
>> Falso?

0:00:38.710,0:00:39.450
>> De fato isso eu não sei.

0:00:39.450,0:00:41.680
Isso soa como aqueles tipos de coisas que você pode inventar, ou talvez não...

0:00:41.680,0:00:43.250
então continuemos...

0:00:43.250,0:00:46.320
OK, Aprendizado Supervisionado é o problema de aprender a mapear entradas em

0:00:46.320,0:00:48.500
predições de verdadeiro ou falso.

0:00:48.500,0:00:49.420
>> Falso.

0:00:49.420,0:00:52.040
>> Boa, ele também inclui outros tipos de predições, como regressões,

0:00:52.040,0:00:54.190
nas quais a saída podem ser números ou vetores.

0:00:54.190,0:00:54.990
>> Verdadeiro.

0:00:54.990,0:00:57.950
>> Este é um componente importante para diversos tipos de tecnologias, desde evitar

0:00:57.950,0:00:58.540
fraudes com cartões.

0:00:58.540,0:01:00.660
>> Verdadeiro. >> Até reconhecimento facial em imagens de câmeras.

0:01:00.660,0:01:03.070
>> Verdadeiro. >> Até tornar saborosas suas pastilhas para mal hálito.

0:01:03.070,0:01:04.050
>> Falso?

0:01:04.050,0:01:07.232
>> Eu não faço ideia, mas isso me parece ridículo, então digamos que isso é falso.

0:01:07.232,0:01:08.350
Até reconhecer a linguagem falada.

0:01:08.350,0:01:09.220
>> Verdadeiro.

0:01:09.220,0:01:12.090
>> Nosso objetivo aqui é lhe dar a proficiência necessária para você poder saber

0:01:12.090,0:01:13.280
como aplicar estas tecnologias.

0:01:13.280,0:01:13.910
>> Verdadeiro.

0:01:13.910,0:01:15.340
>> E para interpretar suas saídas e assim

0:01:15.340,0:01:17.300
você poderá solucionar uma variedade de problemas em ciência dos dados.

0:01:17.300,0:01:18.070
>> Verdadeiro.

0:01:18.070,0:01:19.670
>> E para sobreviver a uma rebelião de robôs.

0:01:19.670,0:01:20.830
>> Falso. >> Não, isso é absolutamente verdadeiro!

0:01:20.830,0:01:24.659
A coisa mais importante que você pode obter neste curso é aprender como

0:01:24.659,0:01:26.712
sobreviver à vindoura rebelião de robos.

0:01:26.712,0:01:28.880
OK, muito bem!

0:01:28.880,0:01:31.062
Você atingiu a acuidade de 85%.

0:01:31.062,0:01:31.767
>> Verdadeiro.

0:01:31.767,0:01:34.873
>> Errado, depois de responder esta questão

0:01:34.873,0:01:37.229
você terá a acuidade de 85%.

0:01:39.699,0:01:40.590
>> Verdadeiro.

0:01:40.590,0:01:43.070
>> Isso é correto, mas falso também estaria correto...

0:01:43.070,0:01:43.882
Parabéns.