MAQUINAS

FACULDADE DE TECNOLOGIA DE CARAPICUÍBA

APRENDIZADO DE MÁQUINAS

CARAPICUÍBA/SP
2014
1. CONCEITO
Desde a invenção dos computadores temos nos perguntado se os computadores são capazes de aprender. Algoritmos eficientes em certos tipos de tarefas de aprendizagem e um entendimento teórico tem surgido nos últimos anos.
A aprendizagem de máquina se faz necessária sempre que não for possível escrever um algoritmo determinístico para resolver o problema. Nesses casos o conhecimento deve ser extraído a partir de exemplos.
Significa mudar para fazer melhor quando uma situação similar acontecer.

2. TÉCNICAS
Existem algumas técnicas de aprendizagem de máquinas:
Aprendizado Supervisionado:
Neste tipo de aprendizagem existe um "professor" que avalia a resposta da rede ao padrão actual de inputs. As alterações dos pesos são calculadas de forma a que a resposta da rede tenda a coincidir com a do professor. É o tipo de aprendizagem normalmente utilizada para treinar feedforward networks, além de que nos é relativamente fácil avaliar o desempenho da rede para um determinado estado do nosso sistema e, consequentemente, implementar um "professor", sendo aquela que vamos usar.
Aprendizado Não Supervisionado:
Nesta forma de aprendizagem não existe "professor". A rede tem de descobrir sozinha relações, padrões, regularidades ou categorias nos dados que lhe vão sendo apresentados e codificá-las nas saídas.
Aprendizado por Reforço:
O aprendizado por reforço estuda como um agente autônomo que tem percepção e ação no seu ambiente pode aprender a escolher as melhores ações a executar, para atingir o seu objetivo.

3. ÁRVORE DE DECISÃO
Árvores de decisão (Decision Trees) são ferramentas que podem ser utilizadas para dar ao agente a capacidade de aprender, bem como para tomar decisões. A idéia de aprendizado é que os perceptors (elementos do agente que percebem o mundo) não sejam