1
00:00:00,000 --> 00:00:04,904
O que é aprendizagem de máquina? Neste vídeo nós tentaremos definir o que é e também tentar

2
00:00:04,904 --> 00:00:09,520
dar a vocês um senso que quando usar aprendizagem de máquina. Mesmo entre praticantes de

3
00:00:09,520 --> 00:00:14,252
aprendizagem de máquina não há uma definição bem aceita do que é e o que

4
00:00:14,252 --> 00:00:18,926
não é aprendizagem de máquina. Mas deixem-me mostrar a vocês alguns exemplos de formas que

5
00:00:18,926 --> 00:00:23,600
pessoas tentaram definí-la. Aqui está a definição do que é aprendizagem de máquina

6
00:00:23,600 --> 00:00:28,520
para Arthur Samuel. Ele definiu aprendizagem de máquina como o campo de estudo que dá

7
00:00:31,037 --> 00:00:33,554
aos computadores a habilidade de aprender sem ser programado explicitamente. O aparecimento de Samuel

8
00:00:33,554 --> 00:00:38,452
para a fama foi que nos anos 50, ele escreveu um programa jogador de damas. E a

9
00:00:38,452 --> 00:00:43,603
coisa incrível sobre este programa é que o próprio Arthur Samuel

10
00:00:43,603 --> 00:00:48,268
não era um bom jogador de damas. Mas o que ele fez foi, ele teve que programar para que o programa jogasse

11
00:00:48,268 --> 00:00:52,245
10 de 1000 games contra ele mesmo. E assistindo quais tipos de posições

12
00:00:52,245 --> 00:00:56,698
de tabuleiro tendiam a levar a vitórias, e quais tipos de posições de tabuleiro tendiam a levar a

13
00:00:56,698 --> 00:01:00,725
derrotas. O programa jogador de damas aprendeu com o tempo quais são as posições de

14
00:01:00,725 --> 00:01:04,713
tabuleiro boas e quais são as posições de tabuleiro ruins. E eventualmente aprendeu a jogar

15
00:01:04,713 --> 00:01:09,514
damas melhor que o próprio Arthur Samuel era capaz. Isto foi um resultado notável.

16
00:01:09,514 --> 00:01:14,535
Mesmo Samuel não sendo um bom jogador de damas. Mas porque o

17
00:01:14,535 --> 00:01:19,254
computador teve a paciência de jogar milhares de jogos sozinho. Nenhum

18
00:01:19,254 --> 00:01:24,275
humano tem a paciência de jogar tantos jogos. Mas fazendo isto o computador foi capaz

19
00:01:24,275 --> 00:01:29,235
de conseguir tanta experiência em jogos de dama que ele eventualmente se tornou um

20
00:01:29,235 --> 00:01:33,817
jogador melhor do que o próprio Arthur Samuel. Isto é uma definição um

21
00:01:33,817 --> 00:01:38,547
pouco informal ,e antiga. Aqui há uma definição mais recente por Tom

22
00:01:38,547 --> 00:01:43,607
Mitchell, que é um amigo da Carnegie Mellon. Então Tom define aprendizagem de máquina

23
00:01:43,607 --> 00:01:48,819
dizendo isso, um problema de aprendizagem bem colocado e definido como segue. Ele diz, um programa

24
00:01:48,819 --> 00:01:53,843
de computador é orientado para aprender da experiência E, com respeito a alguma tarefa T, e alguma

25
00:01:53,843 --> 00:01:58,678
medida de performance P, se sua performance em T como medida por P melhora

26
00:01:58,678 --> 00:02:03,764
com a experiência E. Eu atualmente acho que ele criou esta definição apenas para deixá-la com

27
00:02:03,764 --> 00:02:08,346
rima. Para o exemplo do jogo de damas a experiência E será a

28
00:02:08,346 --> 00:02:13,253
experiência de fazer o programa jogar 10000 jogos contra ele mesmo. A

29
00:02:13,253 --> 00:02:17,735
tarefa T será a tarefa de jogar damas. E a medida de performance P

30
00:02:17,735 --> 00:02:22,399
será a probabilidade que ele ganhe o próximo jogo de damas contra

31
00:02:22,399 --> 00:02:27,157
algum novo oponente. Durante esses vídeos, além de tentar ensinar a vocês,

32
00:02:27,157 --> 00:02:32,291
eu irei ocasionalmente fazer perguntas a vocês para assegurar que vocês entenderam o

33
00:02:32,291 --> 00:02:36,891
conteúdo. Aqui está uma, no topo está a definição de aprendizagem de máquina de Tom

34
00:02:36,891 --> 00:02:42,292
Mitchell. Vamos dizer que seu programa de email observa quais email você assinala ou não

35
00:02:42,292 --> 00:02:47,826
como spam. Então em um cliente de email como este você pode clicar neste botão de spam para reportar

36
00:02:47,826 --> 00:02:53,263
algum email como spam, mas não outros emails. E baseado em quais emails você marca como

37
00:02:53,263 --> 00:02:59,046
spam, seu programa de email aprende melhor como filtrar email de spam. O que é a

38
00:02:59,046 --> 00:03:04,290
tarefa T neste caso? Em poucos segundos, o vídeo irá pausar. E quando isso acontecer

39
00:03:04,290 --> 00:03:09,598
você pode usar seu mouse para selecionar um destas quatro opções para me informar

40
00:03:09,598 --> 00:03:40,190
qual destes quatro você acha que é a resposta certa para esta questão.

41
00:03:40,190 --> 00:03:45,747
Isso pode ser uma medida de performance P. E então, nossa performance na tarefa T

42
00:03:45,747 --> 00:03:50,529
irá melhorar depois da

43
00:03:50,529 --> 00:03:55,957
experiência E. Neste curso eu espero ensinar a vocês sobre vários tipos diferentes de

44
00:03:55,957 --> 00:04:00,933
algoritmos de aprendizagem de máquina. Há vários tipos de algoritmos de aprendizagem.

45
00:04:00,933 --> 00:04:05,650
Os dois tipos principais são os que chamados de aprendizagem supervisionada e aprendizagem

46
00:04:05,650 --> 00:04:10,690
não-supervisionada. Eu definirei o que esses termos significam nos próximos vídeos. Mas

47
00:04:10,690 --> 00:04:16,028
em aprendizagem supervisionada a idéia é que nos vamos ensinar o

48
00:04:16,028 --> 00:04:20,513
computador como fazer alguma coisa, já em aprendizagem não-supervisionada nós vamos permitir

49
00:04:20,513 --> 00:04:25,016
que ele aprenda sozinho. Não se preocupe se estes dois termos não fazem sentido ainda, nos

50
00:04:25,016 --> 00:04:29,739
próximos dois vídeos eu vou dizer exatamente o que são estes dois tipos de aprendizagem. Você

51
00:04:29,739 --> 00:04:34,070
também irá ouvir outros termos tais como aprendizagem por reforço e sistemas

52
00:04:34,070 --> 00:04:38,621
recomendadores. Há outros tipos de algoritmos de aprendizagem que nós falaremos

53
00:04:38,621 --> 00:04:42,460
mais tarde mas os dois tipos mais usados são provavelmente

54
00:04:42,460 --> 00:04:46,791
o de aprendizagem supervisionado e o de aprendizagem não-supervisionada e eu irei definí-las nos próximos

55
00:04:46,791 --> 00:04:51,123
dois vídeos e gastaremos a maior parte da aula falando sobre estes dois tipos de

56
00:04:51,123 --> 00:04:55,720
algoritmos de aprendizagem. Acontece que uma das coisas em que gastaremos muito tempo

57
00:04:55,720 --> 00:05:00,054
neste curso é o conselho prático para aplicar algoritmos de aprendizagem. Isto é

58
00:05:00,054 --> 00:05:04,444
algo que eu sinto ser muito forte sobre isso, e é atualmente algo que eu

59
00:05:04,444 --> 00:05:08,167
não sei de qualquer outra universidade que ensine. Ensinar algoritmos de

60
00:05:08,167 --> 00:05:12,509
aprendizagem é como dar a você um conjunto de ferramentas, e igualmente importante ou mais

61
00:05:12,509 --> 00:05:17,616
importante que dar a você as ferramentas é ensinar a você como aplicar estas ferramentas. Eu gosto

62
00:05:17,616 --> 00:05:22,413
de fazer uma analogia com aprender a se tornar um carpinteiro. Imagine que alguém está

63
00:05:22,413 --> 00:05:26,959
ensinado a você como ser um carpinteiro e eles dizem: aqui está um martelo, aqui está uma

64
00:05:26,959 --> 00:05:31,077
chave de fenda, aqui está um serrote, boa sorte. Bem, isso não é bom, certo? Você, você, você

65
00:05:31,077 --> 00:05:34,799
tem todas estas ferramentas, mas a coisa mais importante é aprender como usar

66
00:05:34,799 --> 00:05:38,927
estas ferramenras apropriadamente. Há uma grande diferença entre, entre pessoas que

67
00:05:38,927 --> 00:05:43,456
sabem como usar estes algoritmos de aprendizagem, contra pessoas que não sabem

68
00:05:43,456 --> 00:05:47,626
como usar estas ferramentas bem. Aqui no Vale do Silício onde eu vivo, quando eu vou

69
00:05:47,626 --> 00:05:52,328
visitar diferentes companhias mesmo as melhores companhias do Vale do Silício muitas vezes eu vejo

70
00:05:52,328 --> 00:05:56,428
que pessoas estão tentando aplicar algoritmos de aprendizagem de máquina para alguns problemas e

71
00:05:56,428 --> 00:06:00,857
algumas vezes eles ficam nisso por seis meses. Mas algumas vezes quando eu olho para

72
00:06:00,857 --> 00:06:05,121
o que eles estão fazendo eu, eu, eu digo, você sabe, eu poderia dizer a eles, Jesus, eu poderia

73
00:06:05,121 --> 00:06:09,714
ter dito a vocês seis meses atrás que vocês deveriam ter pego um algoritmo de aprendizagem e

74
00:06:09,714 --> 00:06:14,470
aplicado de uma forma ligeiramente modificada e sua chance de sucesso teria sido

75
00:06:14,470 --> 00:06:19,648
muito maior. Então o que nós vamos fazer neste curso é atualmente gastar muito

76
00:06:19,648 --> 00:06:23,523
tempo falando sobre como, se você atualmente tentou desenvolver um sistema de

77
00:06:23,523 --> 00:06:27,596
aprendizagem de máquina, como fazer aquelas decisões do tipo de melhores práticas sobre a forma na qual você

78
00:06:27,596 --> 00:06:31,321
constrói o seu sistema então, quando você aplica algoritmo de aprendizagem, você terá

79
00:06:31,321 --> 00:06:35,394
menos chance de terminar como aquelas pessoas que perseguiam algum caminho por seis meses

80
00:06:35,394 --> 00:06:39,373
que, você sabe, alguém mais poderia ter visto que não funcionaria de

81
00:06:39,373 --> 00:06:43,515
modo algum e é só uma perda de tempo por seis meses. Então eu atualmente vou gastar

82
00:06:43,515 --> 00:06:47,707
muito tempo ensinando a você esses tipos de melhores práticas em aprendizagem de máquina e

83
00:06:47,707 --> 00:06:52,052
IA e como fazer essa coisa funcionar e como nós fazemos isso, como as melhores pessoas fazem no

84
00:06:52,052 --> 00:06:56,143
Vale do Silício e pelo mundo. Eu espero tornar você um dos melhores em

85
00:06:56,143 --> 00:06:59,905
saber como projetar e construir sistemas sérios de aprendizagem de máquina e IA. Então,

86
00:06:59,905 --> 00:07:04,698
isso é aprendizagem de máquina e estes são os tópicos principais que eu espero ensinar. No próximo

87
00:07:04,698 --> 00:07:09,023
vídeo eu vou definir o que é aprendizagem supervisionada e depois disso, o que

88
00:07:09,023 --> 00:07:13,757
é aprendizagem não-supervisionada. E também, começar a falar quando você poderia usar cada uma delas.