Que é a aprendizaxe automática? Neste video tentaremos definir que é e tamén tentar ofrecervos unha idea de cando hai que empregar aprendizaxe automática. Incluso dentro dos profesionais da aprendizaxe automática non hai unha definición ben aceptada do que é e do que non é a aprendizaxe automática. Pero deixádeme amosarvos un par de exemplos de como a xente tentou definila. Aquí vai a definición do que é aprendizaxe automática segundo Arthur Samuel. El define a aprendizaxe automática coma o campo de estudo que dá ás computadoras a habilidade de aprender sen ter sido explicitamente programadas. O salto á fama de Samuel foi nos anos 50, cando escribiu un programa do xogo das damas. E o sorprendente deste programa do xogo das damas, foi que o mesmo Arthur Samuel non era un bo xogador de damas. Mais o que fixo foi programar a computadora para xogar decenas de milleiros de partidas contra si mesma, observando que tipos de posicións no taboleiro levaban á vitoria e que tipos de posicións levaban a derrotas. O programa do xogo de damas aprende co tempo cales son as boas posicións no taboleiro e cales son as malas. E finalmente aprende a xogar ás damas mellor do que Arthur Samuel é capaz el mesmo. Isto foi un resultado salientable. Aínda que Samuel non era un bo xogador de damas. Pero grazas a que a computadora ten a paciencia de xogar decenas de milleiros de veces contar si mesma. Ningún humano ten a paciencia de xogar tal cantidade de partidas. Facendo isto a computadora foi capaz de ter moita máis experiencia no xogo e finalmente converterse nun xogador de damas mellor ca Arthur Samuel mesmo. Esta é dalgunha maneira unha definición informal, e vella. Velaiquí outra definición algo máis recente de Tom Mitchell, que é un amigo, en Carnegie Mellon. Tom define a aprendizaxe automática dicindo que un problema de aprendizaxe ben proposto defínese do seguinte xeito. El di, un programa de computadora dise que aprende da experiencia E con respecto de certa tarefa T e cunha medida do rendemento P se esta medida sobre T medida por P mellora a experiencia E. Creo que chegou a esta definición para facer que rimase. Para o exemplo do xogo das damas, a experiencia E sería a experiencia de ter o programa xogando decenas de milleiros de partidas contra si mesmo. A tarefa T sería a tarefa de xogar ás damas. E a medida do rendemento P sería a probabilidade de gañar a seguinte partida de damas contra algún novo opoñente. A través destes vídeos, ademáis de tentar aprendervos a materia, ocasionalmente fareivos algunha pregunta para estar seguro de que entendedes o contido. Aquí vai unha. Na parte superior está a definición de aprendizaxe automática dada por Tom Michell Supoñamos que o voso xestor de correo electrónico observa que correos marcades ou non coma correo lixo. Nun cliente de correo coma este poderiades premer no botón de corro lixo para informar de que un correo é correo lixo pero outros non. E baseándose nos correos marcados coma lixo o voso programa aprende mellor como filtrar o correo lixo. Cal sería a tarefa T neste caso? Nuns intres o video parará. Cando o faga, podedes empregar o voso rato para seleccionar unha destas catro opcións para facerme saber cal destas catro pensades que é a resposta correcta a esta pregunta. Esa podería ser unha medida do rendemento P. E polo tanto, o rendemento da tarefa sobre a tarefa do noso sistema de rendemento sobre a tarefa T, con respecto da medida do rendemento P mellorará despois a experiencia E. Nesta clase espero aprendervos sobre diferentes tipos de algoritmos de aprendizaxe. Hai moitos tipos diferentes de algoritmos de aprendizaxe. Os dous principais son os chamados "aprendizaxe supervisada" e "aprendizaxe non supervisada" Definirei mellor o que significan estes termos no próximo par de videos. Pero dedúcese que na aprendizaxe supervisada, a idea, si, é que imos ensinar á computadora a facer algo, mentres que na aprendizaxe non supervisada imos deixar que aprenda por si mesma. Non vos preocupedes se estes dous termos non teñen sentido aínda, nos próximos dous vídeos heivos dicir exactamente que é o que son estes dous tipos de aprendizaxe. Escoitaredes tamén outros termos de moda coma aprendizaxe pro reforzo e sistemas de recomendación. Estes son outros tipos de algoritmos de aprendizaxe automática dos que falaremos máis adiante, pero os dous tipos de algoritmos de aprendizaxe máis empregados son probablemente aprendizaxe supervisada e aprendizaxe non supervisada e heinos definir nos dous próximos videos. E pasaremos a maior parte desta clase falando destes dous tipos de algoritmos de aprendizaxe. Resulta que unha das outras cousas coas pasaremos moito tempo nesta clase será o consello práctico de aplicación dos algoritmos de aprendizaxe. Isto é algo que me parece moi importante e que realmente é algo que non sei se se ensina noutras universidades. Ensinar sobre algoritmos de aprendizaxe é coma dar unha serie de ferramentas. E igual de importante ou máis importante ca dar ferramentas é ensinar como aplicar estas ferramentas. Gustaríame facer unha analoxía coa aprendizaxe para ser carpinteiro. Imaxinade que alguén vos está aprendendo como ser carpinteiro a divos "isto é un martelo, isto é un desparafusador, isto é unha serra... boa sorte". Ben, non é bo, ou? Vos tedes todas estas ferramentas, pero o máis importante é aprender como empregalas axeitadamente. Hai unha gran diferenza entre a xente que sabe como empregar estes algoritmos de aprendizaxe automática e aqueles qeu non saben como empregalos ben. Aquí en Silicon Valley onde vivimos, cando vou visitar diferentes compañías, incluso algusnhas das mási importantes de silicon Valley, a miudo vexo xente tentando aplicar algoritmos de aprendizaxe automática a algún problema e ás veces facéndoo durante seis meses. Pero ás veces cando vexo o que están a facer, eu dígo, sabes? podería terlles dito, carai! podería tervos dito hai seis meses que deberiades empregar un algoritmo de aprendizaxe e aplicalo deste xeito un pouco modificado, e as vosas probabilidades de éxito terían sido moito máis altas. Asi que o que imos facer nesta clase é realmente pasar moito tempo falando de como, se realmente tentades desenvolver un sistema de aprendizaxe automática, como facer que estas boas prácticas tipos decisión sobre o xeito no cal construides o voso sistema para que cando esteades cosntruindo o voso algoritmo por primeira vez Alguén podería terse decatado de que non ía funcionar en absoluto e é unha perda de tempo de seis meses. Asi qeu vou pasar realmente moito tempo aprendéndovos ese tipo de boas prácticas en aprendizaxe automática e IA e como facer que esta materia funcione e como facemos, como os mellores o fan en Silicon Valley e no mundo enteiro. Espero convertervos nuns dos mellores en saber como deseñar e construír sistemas de aprendizaxe automática e IA serios. Asi que, isto é aprendizaxe automática e estes son os prncipais temas que espero ensinar. No seguinte video vou definir que é aprendizaxe supervisada e despois diso, que é aprendizaxe non supervisada. E tamén empezar a falar de cando debedes empregar cada unha delas.