O que é aprendizagem de máquina? Neste vídeo nós tentaremos definir o que é e também tentar dar a vocês um senso que quando usar aprendizagem de máquina. Mesmo entre praticantes de aprendizagem de máquina não há uma definição bem aceita do que é e o que não é aprendizagem de máquina. Mas deixem-me mostrar a vocês alguns exemplos de formas que pessoas tentaram definí-la. Aqui está a definição do que é aprendizagem de máquina para Arthur Samuel. Ele definiu aprendizagem de máquina como o campo de estudo que dá aos computadores a habilidade de aprender sem ser programado explicitamente. O aparecimento de Samuel para a fama foi que nos anos 50, ele escreveu um programa jogador de damas. E a coisa incrível sobre este programa é que o próprio Arthur Samuel não era um bom jogador de damas. Mas o que ele fez foi, ele teve que programar para que o programa jogasse 10 de 1000 games contra ele mesmo. E assistindo quais tipos de posições de tabuleiro tendiam a levar a vitórias, e quais tipos de posições de tabuleiro tendiam a levar a derrotas. O programa jogador de damas aprendeu com o tempo quais são as posições de tabuleiro boas e quais são as posições de tabuleiro ruins. E eventualmente aprendeu a jogar damas melhor que o próprio Arthur Samuel era capaz. Isto foi um resultado notável. Mesmo Samuel não sendo um bom jogador de damas. Mas porque o computador teve a paciência de jogar milhares de jogos sozinho. Nenhum humano tem a paciência de jogar tantos jogos. Mas fazendo isto o computador foi capaz de conseguir tanta experiência em jogos de dama que ele eventualmente se tornou um jogador melhor do que o próprio Arthur Samuel. Isto é uma definição um pouco informal ,e antiga. Aqui há uma definição mais recente por Tom Mitchell, que é um amigo da Carnegie Mellon. Então Tom define aprendizagem de máquina dizendo isso, um problema de aprendizagem bem colocado e definido como segue. Ele diz, um programa de computador é orientado para aprender da experiência E, com respeito a alguma tarefa T, e alguma medida de performance P, se sua performance em T como medida por P melhora com a experiência E. Eu atualmente acho que ele criou esta definição apenas para deixá-la com rima. Para o exemplo do jogo de damas a experiência E será a experiência de fazer o programa jogar 10000 jogos contra ele mesmo. A tarefa T será a tarefa de jogar damas. E a medida de performance P será a probabilidade que ele ganhe o próximo jogo de damas contra algum novo oponente. Durante esses vídeos, além de tentar ensinar a vocês, eu irei ocasionalmente fazer perguntas a vocês para assegurar que vocês entenderam o conteúdo. Aqui está uma, no topo está a definição de aprendizagem de máquina de Tom Mitchell. Vamos dizer que seu programa de email observa quais email você assinala ou não como spam. Então em um cliente de email como este você pode clicar neste botão de spam para reportar algum email como spam, mas não outros emails. E baseado em quais emails você marca como spam, seu programa de email aprende melhor como filtrar email de spam. O que é a tarefa T neste caso? Em poucos segundos, o vídeo irá pausar. E quando isso acontecer você pode usar seu mouse para selecionar um destas quatro opções para me informar qual destes quatro você acha que é a resposta certa para esta questão. Isso pode ser uma medida de performance P. E então, nossa performance na tarefa T irá melhorar depois da experiência E. Neste curso eu espero ensinar a vocês sobre vários tipos diferentes de algoritmos de aprendizagem de máquina. Há vários tipos de algoritmos de aprendizagem. Os dois tipos principais são os que chamados de aprendizagem supervisionada e aprendizagem não-supervisionada. Eu definirei o que esses termos significam nos próximos vídeos. Mas em aprendizagem supervisionada a idéia é que nos vamos ensinar o computador como fazer alguma coisa, já em aprendizagem não-supervisionada nós vamos permitir que ele aprenda sozinho. Não se preocupe se estes dois termos não fazem sentido ainda, nos próximos dois vídeos eu vou dizer exatamente o que são estes dois tipos de aprendizagem. Você também irá ouvir outros termos tais como aprendizagem por reforço e sistemas recomendadores. Há outros tipos de algoritmos de aprendizagem que nós falaremos mais tarde mas os dois tipos mais usados são provavelmente o de aprendizagem supervisionado e o de aprendizagem não-supervisionada e eu irei definí-las nos próximos dois vídeos e gastaremos a maior parte da aula falando sobre estes dois tipos de algoritmos de aprendizagem. Acontece que uma das coisas em que gastaremos muito tempo neste curso é o conselho prático para aplicar algoritmos de aprendizagem. Isto é algo que eu sinto ser muito forte sobre isso, e é atualmente algo que eu não sei de qualquer outra universidade que ensine. Ensinar algoritmos de aprendizagem é como dar a você um conjunto de ferramentas, e igualmente importante ou mais importante que dar a você as ferramentas é ensinar a você como aplicar estas ferramentas. Eu gosto de fazer uma analogia com aprender a se tornar um carpinteiro. Imagine que alguém está ensinado a você como ser um carpinteiro e eles dizem: aqui está um martelo, aqui está uma chave de fenda, aqui está um serrote, boa sorte. Bem, isso não é bom, certo? Você, você, você tem todas estas ferramentas, mas a coisa mais importante é aprender como usar estas ferramenras apropriadamente. Há uma grande diferença entre, entre pessoas que sabem como usar estes algoritmos de aprendizagem, contra pessoas que não sabem como usar estas ferramentas bem. Aqui no Vale do Silício onde eu vivo, quando eu vou visitar diferentes companhias mesmo as melhores companhias do Vale do Silício muitas vezes eu vejo que pessoas estão tentando aplicar algoritmos de aprendizagem de máquina para alguns problemas e algumas vezes eles ficam nisso por seis meses. Mas algumas vezes quando eu olho para o que eles estão fazendo eu, eu, eu digo, você sabe, eu poderia dizer a eles, Jesus, eu poderia ter dito a vocês seis meses atrás que vocês deveriam ter pego um algoritmo de aprendizagem e aplicado de uma forma ligeiramente modificada e sua chance de sucesso teria sido muito maior. Então o que nós vamos fazer neste curso é atualmente gastar muito tempo falando sobre como, se você atualmente tentou desenvolver um sistema de aprendizagem de máquina, como fazer aquelas decisões do tipo de melhores práticas sobre a forma na qual você constrói o seu sistema então, quando você aplica algoritmo de aprendizagem, você terá menos chance de terminar como aquelas pessoas que perseguiam algum caminho por seis meses que, você sabe, alguém mais poderia ter visto que não funcionaria de modo algum e é só uma perda de tempo por seis meses. Então eu atualmente vou gastar muito tempo ensinando a você esses tipos de melhores práticas em aprendizagem de máquina e IA e como fazer essa coisa funcionar e como nós fazemos isso, como as melhores pessoas fazem no Vale do Silício e pelo mundo. Eu espero tornar você um dos melhores em saber como projetar e construir sistemas sérios de aprendizagem de máquina e IA. Então, isso é aprendizagem de máquina e estes são os tópicos principais que eu espero ensinar. No próximo vídeo eu vou definir o que é aprendizagem supervisionada e depois disso, o que é aprendizagem não-supervisionada. E também, começar a falar quando você poderia usar cada uma delas.