WEBVTT 00:00:00.290 --> 00:00:01.350 Olá, eu sou um Macintosh. 00:00:01.350 --> 00:00:03.780 >> [RISOS] Não. >> OK, vamos começar de novo. 00:00:03.780 --> 00:00:04.600 Vamos fazer isso da maneira certa. 00:00:04.600 --> 00:00:06.200 Olá, eu sou Charles Isbeil. 00:00:06.200 --> 00:00:07.100 >> Verdadeiro. 00:00:07.100 --> 00:00:08.450 >> Eu sou professor em Georgia Tech. 00:00:08.450 --> 00:00:09.130 >> Verdadeiro. 00:00:09.130 --> 00:00:10.520 >> E este é Michael Littman. 00:00:10.520 --> 00:00:13.060 >> Verdadeiro. >> Ele também é professor em Georgia Tech. 00:00:13.060 --> 00:00:14.040 >> Falso. 00:00:14.040 --> 00:00:16.510 >> Não, de fato é verdadeiro, uma vez que você é professor em Brown 00:00:16.510 --> 00:00:18.240 e você também é professor adjunto aqui, em Georgia Tech. 00:00:20.150 --> 00:00:21.590 Eu sou um ladrão de rosquinhas profissional. 00:00:21.590 --> 00:00:22.190 >> Falso. 00:00:22.190 --> 00:00:24.020 >> Está certo, eu não sou um [ladrão de rosquinhas] profissional. 00:00:24.020 --> 00:00:26.110 Juntos, estamos lecionando o curso Aprendizagem de Máquina. 00:00:26.110 --> 00:00:27.000 >> Verdadeiro. 00:00:27.000 --> 00:00:30.070 >> As palestras estarão disponíveis apenas em dias primos do calendário. 00:00:30.070 --> 00:00:31.190 >> Falso. 00:00:31.190 --> 00:00:33.140 >> Este minicurso é em Aprendizado Supervisionado. 00:00:33.140 --> 00:00:34.010 >> Verdadeiro. 00:00:34.010 --> 00:00:37.750 >> Aprendizado Supervisionado em si foi inventado por Gauss, em 1830. 00:00:37.750 --> 00:00:38.710 >> Falso? 00:00:38.710 --> 00:00:39.450 >> De fato isso eu não sei. 00:00:39.450 --> 00:00:41.680 Isso soa como aqueles tipos de coisas que você pode inventar, ou talvez não... 00:00:41.680 --> 00:00:43.250 então continuemos... 00:00:43.250 --> 00:00:46.320 OK, Aprendizado Supervisionado é o problema de aprender a mapear entradas em 00:00:46.320 --> 00:00:48.500 predições de verdadeiro ou falso. 00:00:48.500 --> 00:00:49.420 >> Falso. 00:00:49.420 --> 00:00:52.040 >> Boa, ele também inclui outros tipos de predições, como regressões, 00:00:52.040 --> 00:00:54.190 nas quais a saída podem ser números ou vetores. 00:00:54.190 --> 00:00:54.990 >> Verdadeiro. 00:00:54.990 --> 00:00:57.950 >> Este é um componente importante para diversos tipos de tecnologias, desde evitar 00:00:57.950 --> 00:00:58.540 fraudes com cartões. 00:00:58.540 --> 00:01:00.660 >> Verdadeiro. >> Até reconhecimento facial em imagens de câmeras. 00:01:00.660 --> 00:01:03.070 >> Verdadeiro. >> Até tornar saborosas suas pastilhas para mal hálito. 00:01:03.070 --> 00:01:04.050 >> Falso? 00:01:04.050 --> 00:01:07.232 >> Eu não faço ideia, mas isso me parece ridículo, então digamos que isso é falso. 00:01:07.232 --> 00:01:08.350 Até reconhecer a linguagem falada. 00:01:08.350 --> 00:01:09.220 >> Verdadeiro. 00:01:09.220 --> 00:01:12.090 >> Nosso objetivo aqui é lhe dar a proficiência necessária para você poder saber 00:01:12.090 --> 00:01:13.280 como aplicar estas tecnologias. 00:01:13.280 --> 00:01:13.910 >> Verdadeiro. 00:01:13.910 --> 00:01:15.340 >> E para interpretar suas saídas e assim 00:01:15.340 --> 00:01:17.300 você poderá solucionar uma variedade de problemas em ciência dos dados. 00:01:17.300 --> 00:01:18.070 >> Verdadeiro. 00:01:18.070 --> 00:01:19.670 >> E para sobreviver a uma rebelião de robôs. 00:01:19.670 --> 00:01:20.830 >> Falso. >> Não, isso é absolutamente verdadeiro! 00:01:20.830 --> 00:01:24.659 A coisa mais importante que você pode obter neste curso é aprender como 00:01:24.659 --> 00:01:26.712 sobreviver à vindoura rebelião de robos. 00:01:26.712 --> 00:01:28.880 OK, muito bem! 00:01:28.880 --> 00:01:31.062 Você atingiu a acuidade de 85%. 00:01:31.062 --> 00:01:31.767 >> Verdadeiro. 00:01:31.767 --> 00:01:34.873 >> Errado, depois de responder esta questão 00:01:34.873 --> 00:01:37.229 você terá a acuidade de 85%. 00:01:39.699 --> 00:01:40.590 >> Verdadeiro. 00:01:40.590 --> 00:01:43.070 >> Isso é correto, mas falso também estaria correto... 00:01:43.070 --> 00:01:43.882 Parabéns.