Aprendizado de Máquinas

APRENDIZADO DE MÁQUINAS
Lucas Ferreira Borges

Aplicações


Reconhecimento de Genes
Busca por Sinal

Identifica um gene indiretamente, procurando por um sinal particular, associado a este gene.
Objetivo
Localizar o codon que indica o início da tradução; NORMALMENTE, o aminoácido metionina.
Obstáculos
Frame de leitura da seqüência dada;
Variação da combinação de codons que indicam a região de início da tradução;
Localizar a seqüência de Shine-Dalgarno.
Modelo
Rede neural artificial multi-camadas;
Metodologia
Unidades de entrada representando características do problema;
Cada conjunto de 4 unidades (janela) representa uma possível característica
(nucleotídeo);
Nos últimos anos, o acumulo de dados biológicos vem aumentando exponencialmente.
Com isso, meios convencionais para a análise de dados mostram-se restritos. Além disso, a rica informação contida nesses dados e sua vasta implicação biológica requerem novas técnicas para sua análise. Dentre as estratégias utilizadas para tal, pode-se destacar o Aprendizado de Máquina, que prove técnicas capazes de aprender automaticamente a partir dos dados disponíveis e produzir hipóteses uteis. O objetivo deste tutorial e introduzir técnicas de Aprendizado de Máquina aplicadas a três problemas de Biologia Molecular: predição de genes, analise de dados de expressão genica e construção de filogenia.



Aprendizagem de Máquina para Segurança em Redes de Computadores:
Métodos e Aplicações

Uma breve análise do tráfego Internet comprova o crescente aumento de atividades maliciosas originadas por ações fraudulentas como phishing, proliferação de códigos maliciosos, ataques de negação de serviço, entre outras. Assim, ferramentas de aprendizagem de máquina (AM) que podem ser usadas para o desenvolvimento de sistemas efetivos de detecção de atividades maliciosas. Além disso, destaca que

significativos avanços nessa área de aplicação já estão sendo obtidos graças ao emprego de técnicas de