[Script Info]
Title: 
[Events]
Format: Layer, Start, End, Style, Name, MarginL, MarginR, MarginV, Effect, Text
Dialogue: 0,0:00:00.00,0:00:04.90,Default,,0000,0000,0000,,Que é a aprendizaxe automática? Neste video tentaremos definir que é e tamén tentar
Dialogue: 0,0:00:04.90,0:00:09.52,Default,,0000,0000,0000,,ofrecervos unha idea de cando hai que empregar aprendizaxe automática. Incluso dentro dos
Dialogue: 0,0:00:09.52,0:00:14.25,Default,,0000,0000,0000,,profesionais da aprendizaxe automática non hai unha definición ben aceptada do que é e do que
Dialogue: 0,0:00:14.25,0:00:18.93,Default,,0000,0000,0000,,non é a aprendizaxe automática. Pero deixádeme amosarvos un par de exemplos de como a
Dialogue: 0,0:00:18.93,0:00:23.60,Default,,0000,0000,0000,,xente tentou definila. Aquí vai a definición do que é aprendizaxe automática
Dialogue: 0,0:00:23.60,0:00:28.52,Default,,0000,0000,0000,,segundo Arthur Samuel. El define a aprendizaxe automática coma o campo de estudo que dá
Dialogue: 0,0:00:31.04,0:00:33.55,Default,,0000,0000,0000,,ás computadoras a habilidade de aprender sen ter sido explicitamente programadas. O salto á fama de Samuel
Dialogue: 0,0:00:33.55,0:00:38.45,Default,,0000,0000,0000,,foi nos anos 50, cando escribiu un programa do xogo das damas. E o
Dialogue: 0,0:00:38.45,0:00:43.60,Default,,0000,0000,0000,,sorprendente deste programa do xogo das damas, foi que o mesmo Arthur Samuel
Dialogue: 0,0:00:43.60,0:00:48.27,Default,,0000,0000,0000,,non era un bo xogador de damas. Mais o que fixo foi programar a computadora para xogar
Dialogue: 0,0:00:48.27,0:00:52.24,Default,,0000,0000,0000,,decenas de milleiros de partidas contra si mesma, observando que tipos de posicións no
Dialogue: 0,0:00:52.24,0:00:56.70,Default,,0000,0000,0000,,taboleiro levaban á vitoria e que tipos de posicións levaban a derrotas.
Dialogue: 0,0:00:56.70,0:01:00.72,Default,,0000,0000,0000,,O programa do xogo de damas aprende co tempo cales son as
Dialogue: 0,0:01:00.72,0:01:04.71,Default,,0000,0000,0000,,boas posicións no taboleiro e cales son as malas. E finalmente aprende a xogar
Dialogue: 0,0:01:04.71,0:01:09.51,Default,,0000,0000,0000,,ás damas mellor do que Arthur Samuel é capaz el mesmo. Isto foi un resultado salientable.
Dialogue: 0,0:01:09.51,0:01:14.54,Default,,0000,0000,0000,,Aínda que Samuel non era un bo xogador de damas. Pero grazas
Dialogue: 0,0:01:14.54,0:01:19.25,Default,,0000,0000,0000,,a que a computadora ten a paciencia de xogar decenas de milleiros de veces contar si mesma.
Dialogue: 0,0:01:19.25,0:01:24.28,Default,,0000,0000,0000,,Ningún humano ten a paciencia de xogar tal cantidade de partidas. Facendo isto a computadora foi capaz
Dialogue: 0,0:01:24.28,0:01:29.24,Default,,0000,0000,0000,,de ter moita máis experiencia no xogo e finalmente converterse
Dialogue: 0,0:01:29.24,0:01:33.82,Default,,0000,0000,0000,,nun xogador de damas mellor ca Arthur Samuel mesmo. Esta é dalgunha maneira unha definición
Dialogue: 0,0:01:33.82,0:01:38.55,Default,,0000,0000,0000,,informal, e vella. Velaiquí outra definición algo máis recente de
Dialogue: 0,0:01:38.55,0:01:43.61,Default,,0000,0000,0000,,Tom Mitchell, que é un amigo, en Carnegie Mellon. Tom define a aprendizaxe automática dicindo
Dialogue: 0,0:01:43.61,0:01:48.82,Default,,0000,0000,0000,,que un problema de aprendizaxe ben proposto defínese do seguinte xeito. El di,
Dialogue: 0,0:01:48.82,0:01:53.84,Default,,0000,0000,0000,,un programa de computadora dise que aprende da experiencia E con respecto de certa tarefa T e cunha medida
Dialogue: 0,0:01:53.84,0:01:58.68,Default,,0000,0000,0000,,do rendemento P se esta medida sobre T medida por P mellora
Dialogue: 0,0:01:58.68,0:02:03.76,Default,,0000,0000,0000,,a experiencia E. Creo que chegou a esta definición para facer que rimase.
Dialogue: 0,0:02:03.76,0:02:08.35,Default,,0000,0000,0000,,Para o exemplo do xogo das damas, a experiencia E sería a
Dialogue: 0,0:02:08.35,0:02:13.25,Default,,0000,0000,0000,,experiencia de ter o programa xogando decenas de milleiros de partidas contra si mesmo.
Dialogue: 0,0:02:13.25,0:02:17.74,Default,,0000,0000,0000,,A tarefa T sería a tarefa de xogar ás damas. E a medida do rendemento P
Dialogue: 0,0:02:17.74,0:02:22.40,Default,,0000,0000,0000,,sería a probabilidade de gañar a seguinte partida de damas contra
Dialogue: 0,0:02:22.40,0:02:27.16,Default,,0000,0000,0000,,algún novo opoñente. A través destes vídeos, ademáis de tentar aprendervos a materia,
Dialogue: 0,0:02:27.16,0:02:32.29,Default,,0000,0000,0000,,ocasionalmente fareivos algunha pregunta para estar seguro de que entendedes
Dialogue: 0,0:02:32.29,0:02:36.89,Default,,0000,0000,0000,,o contido. Aquí vai unha. Na parte superior está a definición de aprendizaxe automática dada por Tom Michell
Dialogue: 0,0:02:36.89,0:02:42.29,Default,,0000,0000,0000,,Supoñamos que o voso xestor de correo electrónico observa que correos marcades ou non
Dialogue: 0,0:02:42.29,0:02:47.83,Default,,0000,0000,0000,,coma correo lixo. Nun cliente de correo coma este poderiades premer no botón de corro lixo para informar
Dialogue: 0,0:02:47.83,0:02:53.26,Default,,0000,0000,0000,,de que un correo é correo lixo pero outros non. E baseándose nos correos marcados coma
Dialogue: 0,0:02:53.26,0:02:59.05,Default,,0000,0000,0000,,lixo o voso programa aprende mellor como filtrar o correo lixo.
Dialogue: 0,0:02:59.05,0:03:04.29,Default,,0000,0000,0000,,Cal sería a tarefa T neste caso? Nuns intres o video parará. Cando o faga,
Dialogue: 0,0:03:04.29,0:03:09.60,Default,,0000,0000,0000,,podedes empregar o voso rato para seleccionar unha destas catro opcións para
Dialogue: 0,0:03:09.60,0:03:40.19,Default,,0000,0000,0000,,facerme saber cal destas catro pensades que é a resposta correcta a esta pregunta.
Dialogue: 0,0:03:40.19,0:03:45.75,Default,,0000,0000,0000,,Esa podería ser unha medida do rendemento P. E polo tanto, o rendemento da tarefa sobre a tarefa do noso sistema de
Dialogue: 0,0:03:45.75,0:03:50.53,Default,,0000,0000,0000,,rendemento sobre a tarefa T, con respecto da medida do rendemento P mellorará despois
Dialogue: 0,0:03:50.53,0:03:55.96,Default,,0000,0000,0000,,a experiencia E. Nesta clase espero aprendervos sobre diferentes tipos
Dialogue: 0,0:03:55.96,0:04:00.93,Default,,0000,0000,0000,,de algoritmos de aprendizaxe. Hai moitos tipos diferentes de algoritmos de aprendizaxe.
Dialogue: 0,0:04:00.93,0:04:05.65,Default,,0000,0000,0000,,Os dous principais son os chamados "aprendizaxe supervisada" e "aprendizaxe non supervisada"
Dialogue: 0,0:04:05.65,0:04:10.69,Default,,0000,0000,0000,,Definirei mellor o que significan estes termos no próximo par de videos.
Dialogue: 0,0:04:10.69,0:04:16.03,Default,,0000,0000,0000,,Pero dedúcese que na aprendizaxe supervisada, a idea, si, é que imos ensinar á
Dialogue: 0,0:04:16.03,0:04:20.51,Default,,0000,0000,0000,,computadora a facer algo, mentres que na aprendizaxe non supervisada imos deixar
Dialogue: 0,0:04:20.51,0:04:25.02,Default,,0000,0000,0000,,que aprenda por si mesma. Non vos preocupedes se estes dous termos non teñen sentido aínda, nos
Dialogue: 0,0:04:25.02,0:04:29.74,Default,,0000,0000,0000,,próximos dous vídeos heivos dicir exactamente que é o que son estes dous tipos de aprendizaxe.
Dialogue: 0,0:04:29.74,0:04:34.07,Default,,0000,0000,0000,,Escoitaredes tamén outros termos de moda coma aprendizaxe pro reforzo e sistemas
Dialogue: 0,0:04:34.07,0:04:38.62,Default,,0000,0000,0000,,de recomendación. Estes son outros tipos de algoritmos de aprendizaxe automática dos que falaremos
Dialogue: 0,0:04:38.62,0:04:42.46,Default,,0000,0000,0000,,máis adiante, pero os dous tipos de algoritmos de aprendizaxe máis empregados son probablemente
Dialogue: 0,0:04:42.46,0:04:46.79,Default,,0000,0000,0000,,aprendizaxe supervisada e aprendizaxe non supervisada e heinos definir nos dous
Dialogue: 0,0:04:46.79,0:04:51.12,Default,,0000,0000,0000,,próximos videos. E pasaremos a maior parte desta clase falando destes dous tipos de
Dialogue: 0,0:04:51.12,0:04:55.72,Default,,0000,0000,0000,,algoritmos de aprendizaxe. Resulta que unha das outras cousas coas pasaremos moito tempo
Dialogue: 0,0:04:55.72,0:05:00.05,Default,,0000,0000,0000,,nesta clase será o consello práctico de aplicación dos algoritmos de aprendizaxe. Isto
Dialogue: 0,0:05:00.05,0:05:04.44,Default,,0000,0000,0000,,é algo que me parece moi importante e que realmente é algo que
Dialogue: 0,0:05:04.44,0:05:08.17,Default,,0000,0000,0000,,non sei se se ensina noutras universidades. Ensinar sobre algoritmos de
Dialogue: 0,0:05:08.17,0:05:12.51,Default,,0000,0000,0000,,aprendizaxe é coma dar unha serie de ferramentas. E igual de importante ou
Dialogue: 0,0:05:12.51,0:05:17.62,Default,,0000,0000,0000,,máis importante ca dar ferramentas é ensinar como aplicar estas ferramentas. Gustaríame
Dialogue: 0,0:05:17.62,0:05:22.41,Default,,0000,0000,0000,,facer unha analoxía coa aprendizaxe para ser carpinteiro. Imaxinade que alguén vos
Dialogue: 0,0:05:22.41,0:05:26.96,Default,,0000,0000,0000,,está aprendendo como ser carpinteiro a divos "isto é un martelo, isto é
Dialogue: 0,0:05:26.96,0:05:31.08,Default,,0000,0000,0000,,un desparafusador, isto é unha serra... boa sorte". Ben, non é bo, ou? Vos
Dialogue: 0,0:05:31.08,0:05:34.80,Default,,0000,0000,0000,,tedes todas estas ferramentas, pero o máis importante é aprender como empregalas
Dialogue: 0,0:05:34.80,0:05:38.93,Default,,0000,0000,0000,,axeitadamente. Hai unha gran diferenza entre a xente que
Dialogue: 0,0:05:38.93,0:05:43.46,Default,,0000,0000,0000,,sabe como empregar estes algoritmos de aprendizaxe automática e aqueles qeu non
Dialogue: 0,0:05:43.46,0:05:47.63,Default,,0000,0000,0000,,saben como empregalos ben. Aquí en Silicon Valley onde vivimos, cando vou
Dialogue: 0,0:05:47.63,0:05:52.33,Default,,0000,0000,0000,,visitar diferentes compañías, incluso algusnhas das mási importantes de silicon Valley, a miudo vexo
Dialogue: 0,0:05:52.33,0:05:56.43,Default,,0000,0000,0000,,xente tentando aplicar algoritmos de aprendizaxe automática a algún problema e
Dialogue: 0,0:05:56.43,0:06:00.86,Default,,0000,0000,0000,,ás veces facéndoo durante seis meses. Pero ás veces cando vexo
Dialogue: 0,0:06:00.86,0:06:05.12,Default,,0000,0000,0000,,o que están a facer, eu dígo, sabes? podería terlles dito, carai!
Dialogue: 0,0:06:05.12,0:06:09.71,Default,,0000,0000,0000,,podería tervos dito hai seis meses que deberiades empregar un algoritmo de aprendizaxe e
Dialogue: 0,0:06:09.71,0:06:14.47,Default,,0000,0000,0000,,aplicalo deste xeito un pouco modificado, e as vosas probabilidades de éxito terían
Dialogue: 0,0:06:14.47,0:06:19.65,Default,,0000,0000,0000,,sido moito máis altas. Asi que o que imos facer nesta clase é realmente pasar moito
Dialogue: 0,0:06:19.65,0:06:23.52,Default,,0000,0000,0000,,tempo falando de como, se realmente tentades desenvolver un sistema de aprendizaxe
Dialogue: 0,0:06:23.52,0:06:27.60,Default,,0000,0000,0000,,automática, como facer que estas boas prácticas tipos decisión sobre o xeito no cal
Dialogue: 0,0:06:27.60,0:06:31.32,Default,,0000,0000,0000,,construides o voso sistema para que cando esteades cosntruindo o voso algoritmo por primeira vez
Dialogue: 0,0:06:35.39,0:06:39.37,Default,,0000,0000,0000,,Alguén podería terse decatado de que non ía funcionar
Dialogue: 0,0:06:39.37,0:06:43.52,Default,,0000,0000,0000,,en absoluto e é unha perda de tempo de seis meses. Asi qeu vou pasar realmente
Dialogue: 0,0:06:43.52,0:06:47.71,Default,,0000,0000,0000,,moito tempo aprendéndovos ese tipo de boas prácticas en aprendizaxe automática e
Dialogue: 0,0:06:47.71,0:06:52.05,Default,,0000,0000,0000,,IA e como facer que esta materia funcione e como facemos, como os mellores o fan
Dialogue: 0,0:06:52.05,0:06:56.14,Default,,0000,0000,0000,,en Silicon Valley e no mundo enteiro. Espero convertervos nuns dos mellores en
Dialogue: 0,0:06:56.14,0:06:59.90,Default,,0000,0000,0000,,saber como deseñar e construír sistemas de aprendizaxe automática e IA serios. Asi que,
Dialogue: 0,0:06:59.90,0:07:04.70,Default,,0000,0000,0000,,isto é aprendizaxe automática e estes son os prncipais temas que espero ensinar. No seguinte
Dialogue: 0,0:07:04.70,0:07:09.02,Default,,0000,0000,0000,,video vou definir que é aprendizaxe supervisada e despois diso,
Dialogue: 0,0:07:09.02,0:07:13.76,Default,,0000,0000,0000,,que é aprendizaxe non supervisada. E tamén empezar a falar de cando debedes empregar cada unha delas.