A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

011010 101010 100100 010101 110100 101100 100101 001001 010011 010101 100111 001101 011010 101010 100100 010101 110100 101100 LABIC - ICMC - USP São Carlos.

Apresentações semelhantes


Apresentação em tema: "011010 101010 100100 010101 110100 101100 100101 001001 010011 010101 100111 001101 011010 101010 100100 010101 110100 101100 LABIC - ICMC - USP São Carlos."— Transcrição da apresentação:

1

2 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Profa. Dra. Maria Carolina Monard LABIC - ICMC - USP São Carlos

3 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Inteligência e AprendizadoInteligência e Aprendizado Engenharia de Conhecimento e SBCEngenharia de Conhecimento e SBC Dado, Informação e ConhecimentoDado, Informação e Conhecimento Aprendizado de MáquinaAprendizado de Máquina AM usando Árvores de DecisãoAM usando Árvores de Decisão KDD e Data MiningKDD e Data Mining

4 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN O que constitui inteligência? O que diferencia inteligência artificial de inteligência natural?

5 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Uma área de pesquisa que investiga formas de habilitar o computador a realizar tarefas nas quais, até o momento, o ser humano tem um melhor desempenho. Elaine Rich

6 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Tão logo algum problema de IA é resolvido ele não é mais considerado um problema da área de IA... Chuck Thorpe CMU, Robotics Institute, 2000

7 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Conjunto de técnicas para a construção de máquinas inteligentes, capazes de resolver problemas que requerem inteligência humana. (Nilsson)Conjunto de técnicas para a construção de máquinas inteligentes, capazes de resolver problemas que requerem inteligência humana. (Nilsson) Ramo da Ciência da Computação dedicado à automação de comportamento inteligente. (Luger e Stubble)Ramo da Ciência da Computação dedicado à automação de comportamento inteligente. (Luger e Stubble) Tecnologia de processamento de informação que envolve processos de raciocínio, aprendizado e percepção. (Winston)Tecnologia de processamento de informação que envolve processos de raciocínio, aprendizado e percepção. (Winston)

8 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN

9 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Agindo como humanos: A abordagem do Teste de TuringAgindo como humanos: A abordagem do Teste de Turing Pensando como humanos: A abordagem do modelamento cognitivoPensando como humanos: A abordagem do modelamento cognitivo Pensando racionalmente: A abordagem das leis do pensamentoPensando racionalmente: A abordagem das leis do pensamento Agindo racionalmente: A abordagem de agentes racionaisAgindo racionalmente: A abordagem de agentes racionais

10 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN IA Psicologia Biologia Lógica Matemática Ciência da Computação Lingüística Engenharia Filosofia

11 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN IA Psicologia Biologia Lógica Matemática Ciência da Computação Lingüística Engenharia Filosofia Robótica Redes Neurais Sistemas Baseados em Conhecimento Processamento de Linguagem Natural Aprendizado de Máquina Sistemas Nebulosos Planejamento

12 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN A partir dos anos 80 foi percebido que, geralmente, o modelo de raciocínio utilizado em IA era diferente do usado pelos seres humanos.A partir dos anos 80 foi percebido que, geralmente, o modelo de raciocínio utilizado em IA era diferente do usado pelos seres humanos. Mas essas diferenças não invalidam o uso de modelos não-humanos. Um bom exemplo é o avião, que opera de uma forma muito diferente da dos pássaros, mas também voa.....Mas essas diferenças não invalidam o uso de modelos não-humanos. Um bom exemplo é o avião, que opera de uma forma muito diferente da dos pássaros, mas também voa.....

13 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Em outras palavras, para que alguém quer construir uma cópia da mente humana? Não é suficiente a original? Não é a mente humana a mais difícil de se auto-examinar?Em outras palavras, para que alguém quer construir uma cópia da mente humana? Não é suficiente a original? Não é a mente humana a mais difícil de se auto-examinar? A única solução aparentemente lógica é separar a inteligência humana da inteligência artificial para construir algo completamente novo.A única solução aparentemente lógica é separar a inteligência humana da inteligência artificial para construir algo completamente novo.

14 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Entre as controvérsias que ainda persistem na área encontra-se a relacionada com o papel desempenhado em IA pela lógica. A inteligência deriva primariamente do raciocínio lógico ou do conhecimento?

15 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN O problema está em considerar que esse ou é um ou exclusivo!

16 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN São diversas as lógicas utilizadas em IA, tais como:São diversas as lógicas utilizadas em IA, tais como: –Lógica Fuzzy –Lógica Paraconsistente –Lógica Temporal –e várias outras

17 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Ainda que forçados a utilizar muitas variedades de lógica, alguns pesquisa- dores consideram que tanto a lingua- gem quanto a máquina de inferência lógica é fundamental para IA.Ainda que forçados a utilizar muitas variedades de lógica, alguns pesquisa- dores consideram que tanto a lingua- gem quanto a máquina de inferência lógica é fundamental para IA. O ideal seria conseguir integrar essa grande variedade de mecanismos lógicos especializados dentro de um sistema único, poderoso e versátil, porém uniforme.O ideal seria conseguir integrar essa grande variedade de mecanismos lógicos especializados dentro de um sistema único, poderoso e versátil, porém uniforme.

18 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN O que é inteligência? Muito difícil!!!

19 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Aprende por experiênciaAprende por experiência Usa conhecimento adquirido por experiênciaUsa conhecimento adquirido por experiência Soluciona problemas na ausência de alguma informaçãoSoluciona problemas na ausência de alguma informação Reage rapidamente perante uma nova situaçãoReage rapidamente perante uma nova situação Determina o que é importanteDetermina o que é importante Raciocina e pensaRaciocina e pensa Entende imagens visuaisEntende imagens visuais Processa e manipula símbolosProcessa e manipula símbolos É criativo e imaginativoÉ criativo e imaginativo Usa heurísticasUsa heurísticas

20 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Aprendizado é a chave da superioridade da Inteligência HumanaAprendizado é a chave da superioridade da Inteligência Humana – Aprendizado é a essência da Inteligência Para que uma máquina tenha Comportamento Inteligente, deve- se aumentar sua Capacidade de Aprendizado Para que uma máquina tenha Comportamento Inteligente, deve- se aumentar sua Capacidade de Aprendizado

21 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN O ser humano está pré-programado para o aprendizado. Aprende ampliando o alcance do conhecimento que já possui, através de reordenações sucessivasO ser humano está pré-programado para o aprendizado. Aprende ampliando o alcance do conhecimento que já possui, através de reordenações sucessivas O computador não possui o programa inicial para procurar por informações e realizar aprendizado em geralO computador não possui o programa inicial para procurar por informações e realizar aprendizado em geral Paradigmas e técnicas de AM possuem um alvo bem mais limitado do que o aprendizado humanoParadigmas e técnicas de AM possuem um alvo bem mais limitado do que o aprendizado humano

22 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Sistema Computacional Interrogador Humano Interface Barreira Física

23 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Inteligência e AprendizadoInteligência e Aprendizado Engenharia de Conhecimento e SBCEngenharia de Conhecimento e SBC Dado, Informação e ConhecimentoDado, Informação e Conhecimento Aprendizado de MáquinaAprendizado de Máquina AM usando Árvores de DecisãoAM usando Árvores de Decisão KDD e Data MiningKDD e Data Mining

24 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Conceitos e técnicas de IA Sistemas de IA Conhecimento Aquisição Representação Manipulação Processo de Aprendizado

25 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN A seleção de um domínio apropriado é crucial para o êxito no desenvolvimento de um sistema inteligente.A seleção de um domínio apropriado é crucial para o êxito no desenvolvimento de um sistema inteligente. Os limites da tarefa devem ser claramente delineados.Os limites da tarefa devem ser claramente delineados.

26 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Especialista(s) Engenheiro do Conhecimento Conhecimento Adquirido Aquisição do Conhecimento CONSTRUÇÃO DE BASES DE CONHECIMENTO Base de Conhecimento c/ Fatos e Relações Representação do Conhecimento

27 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Transfor- mação Estuda o processo de transferência de conhecimento do especialista para o computador.

28 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN É o profissional que extrai o conhecimento do(s) especialista(s) --- ou de outra fonte --- o interpreta e representa em tipos e estruturas de conhecimento na Base de Conhecimento.É o profissional que extrai o conhecimento do(s) especialista(s) --- ou de outra fonte --- o interpreta e representa em tipos e estruturas de conhecimento na Base de Conhecimento.

29 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Especialista com dificuldades para verbalizar conhecimentoEspecialista com dificuldades para verbalizar conhecimento Especialista pode não estar ciente de como usa o conhecimento.Especialista pode não estar ciente de como usa o conhecimento. Conhecimento IncompletoConhecimento Incompleto Conhecimento IncorretoConhecimento Incorreto Conhecimento InconsistenteConhecimento Inconsistente

30 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Programas de computador que usam conhecimento representado explicitamente para resolver problemas

31 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN

32 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN SBCs são desenvolvidos para serem usados em problemas que requerem uma quantidade considerável de conhecimento humano e de esperteza para serem resolvidos SBCs são desenvolvidos para serem usados em problemas que requerem uma quantidade considerável de conhecimento humano e de esperteza para serem resolvidos

33 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN SEs são sistemas que são capazes de oferecer soluções para problemas específicos num dado domínio ou que consigam aconselhar (dar conselhos), de uma maneira ou num nível comparável ao de especialistas naquela área. SEs são sistemas que são capazes de oferecer soluções para problemas específicos num dado domínio ou que consigam aconselhar (dar conselhos), de uma maneira ou num nível comparável ao de especialistas naquela área. Lucas and van der Gaag Princípios de Sistemas Especialistas

34 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Um Sistema Especialista, ainda que projetado e implementado de forma brilhante, se é incapaz de aprender a não repetir erros, então ele não é mais inteligente que uma minhoca. O.G. Selfridge The Garnen of Learning AI Magazine 14(2), 1993

35 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Inteligência e AprendizadoInteligência e Aprendizado Engenharia de Conhecimento e SBCEngenharia de Conhecimento e SBC Dado, Informação e ConhecimentoDado, Informação e Conhecimento Aprendizado de MáquinaAprendizado de Máquina AM usando Árvores de DecisãoAM usando Árvores de Decisão KDD e Data MiningKDD e Data Mining

36 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Dados Informação Conhecimento

37 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Dado é a estrutura fundamental sobre a qual um sistema de informação é construído.Dado é a estrutura fundamental sobre a qual um sistema de informação é construído.

38 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN A transformação de dados em informação é freqüentemente realizada através da apresentação dos dados em uma forma compreensível ao usuário.A transformação de dados em informação é freqüentemente realizada através da apresentação dos dados em uma forma compreensível ao usuário.

39 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Fornece a capacidade de resolver problemas, inovar e aprender baseado em experiências préviasFornece a capacidade de resolver problemas, inovar e aprender baseado em experiências prévias Uma combinação de instintos, idéias, regras e procedimentos que guiam as ações e decisões.Uma combinação de instintos, idéias, regras e procedimentos que guiam as ações e decisões.

40 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Dado não é InformaçãoDado não é Informação Informação não é ConhecimentoInformação não é Conhecimento Conhecimento não é InteligênciaConhecimento não é Inteligência Inteligência não é SabedoriaInteligência não é Sabedoria

41 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Inteligência e AprendizadoInteligência e Aprendizado Engenharia de Conhecimento e SBCEngenharia de Conhecimento e SBC Dado, Informação e ConhecimentoDado, Informação e Conhecimento Aprendizado de MáquinaAprendizado de Máquina AM usando Árvores de DecisãoAM usando Árvores de Decisão KDD e Data MiningKDD e Data Mining

42 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Conceitos e técnicas de IA Sistemas de IA Conhecimento Aquisição Representação Manipulação Aprendizado de Máquina

43 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Pode ser utilizado como meio para vencer um dos maiores problemas de Sistemas de IA - o gargalo da aquisição de conhecimento

44 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Sub-área da Inteligência Artificial que pesquisa métodos computacionais relacionados à aquisição de novos conhecimentos, novas habilidades e novas formas de organizar o conhecimento já existente. Sub-área da Inteligência Artificial que pesquisa métodos computacionais relacionados à aquisição de novos conhecimentos, novas habilidades e novas formas de organizar o conhecimento já existente.

45 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN um melhor entendimento dos mecanismos de aprendizado humanoum melhor entendimento dos mecanismos de aprendizado humano automação da aquisição do conhecimentoautomação da aquisição do conhecimento

46 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Ciências Cognitivas Ciência da Computação Reconheci- mento de Padrões Estatística Aprendizado de Máquina

47 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN

48 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Qualquer que seja o tipo de aprendizado, é necessário uma linguagem para descrever objetos (ou possíveis eventos) e uma linguagem para descrever conceitos. Em geral, é possível distinguir dois tipos de descrições para objetos:

49 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Descrições estruturais: um objeto é descrito em termos de seus componentes e a relação entre eles

50 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Número de faces Polígono da face Cubo 6quadrado Número de faces Polígono da face Pirâmide 5triângulo 2.Descrições de atributos: um objeto é descrito em termos de suas características globais como um vetor de valores de atributos

51 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Se Nublado ou Chovendo então Levar_Guarda-Chuva regras se-então (if-then) para representar conceitosregras se-então (if-then) para representar conceitos

52 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN árvores de decisão para representar conceitosárvores de decisão para representar conceitos lógica de predicadoslógica de predicados sorri inimigo segura inimigo amigo não sim espada balão filha(X, Y) <-- mulher(X), pais(X,Y).

53 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Mamífero Pessoa Zetti Nariz SantosBranco é-um instância tem-parte cor-do- uniforme time redes semânticasredes semânticas

54 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Aprendizado Supervisionado: aprendizado por exemplos 1. Aprendizado Não Supervisionado: aprendizado por observação e descoberta.? ? ? ?

55 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Cada exemplo é expresso por um conjunto de features ExemplosClassificadorouPreditor SistemadeAprendizado Caso a ser classificado: padrão de dados Classificador Decisão da Classe Associada ao Caso

56 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN objetiva moldar a estrutura de classificação para um problema específico, encontrando para um problema específico, encontrando uma forma genérica de relatar um conceito. ExemplosClassificadorouPreditor SistemadeAprendizado

57 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN h vista como classificadorh vista como classificador h vista como conjunto de regrash vista como conjunto de regras h vista como classificadorh vista como classificador h regraR 1 R 2... regraR i R 1 R 2... regraR i

58 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Dados = + - conjunto de exemplos de treinamento de um conceito C= + - conjunto de exemplos de treinamento de um conceito C encontrar uma hipótese H, expressa em uma linguagem de descrição L tal que: cada exemplo e + é coberto por H cada exemplo e + é coberto por H nenhum exemplo negativo e - é coberto por Hnenhum exemplo negativo e - é coberto por H

59 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN cobre( H, ) = {e + | cobre( H,e) = true} (instância positiva) cobre( H, ) = {e - | cobre( H,e) = false} (instância negativa)

60 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN h inconsistente e incompleta. h consistente e incompleta. h inconsistente e completa. h consistente e completa

61 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Inteligência e AprendizadoInteligência e Aprendizado Engenharia de Conhecimento e SBCEngenharia de Conhecimento e SBC Dado, Informação e ConhecimentoDado, Informação e Conhecimento Aprendizado de MáquinaAprendizado de Máquina AM usando Árvores de DecisãoAM usando Árvores de Decisão KDD e Data MiningKDD e Data Mining

62 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN

63 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Idade Renda Ruim Bom

64 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Idade < 25 Sim Não Idade Renda Ruim Bom

65 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Idade < 25 Sim Não 14 - Ruim 0 - Bom Idade Renda Ruim Bom

66 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Idade < 25 Sim Não Ruim Idade Renda Ruim Bom

67 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Idade < 25 Sim 29 - Ruim 19 - Bom Ruim Não Idade Renda Ruim Bom

68 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Ruim 0 - Bom Renda > 1k Ruim Sim Não Idade < 25 Sim Não Idade Renda Ruim Bom

69 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Renda > 1k Ruim Sim Não Idade < 25 Sim Não Idade Renda Ruim Bom

70 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Renda > 1k Ruim Sim Não Idade < 25 Sim Não Idade Renda Ruim Idade > 45 Sim Não Ruim Bom

71 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Renda > 1k Ruim Sim Não Idade < 25 Sim Não Idade Renda Ruim Idade > 45 Sim Não 15 - Ruim 0 - Bom Ruim Bom

72 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Renda > 1k Ruim Sim Não Idade < 25 Sim Não Idade Renda Ruim Idade > 45 Sim Não Ruim Bom

73 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Renda > 1k Ruim Sim Não Idade < 25 Sim Não Idade Renda Ruim Idade > 45 Sim Não Ruim Renda > 5k Sim Não Ruim Bom

74 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Renda > 1k Ruim Sim Não Idade < 25 Sim Não Idade Renda Ruim Idade > 45 Sim Não Ruim Renda > 5k Sim Não 5 - Ruim 0 - Bom Ruim Bom

75 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Renda > 1k Ruim Sim Não Idade < 25 Sim Não Idade Renda Ruim Idade > 45 Sim Não Ruim Renda > 5k Sim Não Ruim Bom

76 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Renda > 1k Ruim Sim Não Idade < 25 Sim Não Idade Renda Ruim Idade > 45 Sim Não Ruim Renda > 5k Sim 1 - Ruim 19 - Bom Ruim Não Ruim Bom

77 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Renda > 1k Ruim Sim Não Idade < 25 Sim Não Idade Renda Ruim Idade > 45 Sim Não Ruim Renda > 5k Sim Ruim Não Bom Ruim Bom

78 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN

79 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN

80 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Principais fatores:Principais fatores: –Informação dos atributos –Adaptação do algoritmo de aprendizado aos dados –Distribuição dos casos futuros –Quantidade de dados

81 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Idade Renda

82 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Idade Renda

83 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Idade Renda

84 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Idade Renda

85 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN

86 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Renda Idade

87 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Renda Idade Conjunto de Teste

88 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Renda Idade Conjunto de Teste

89 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Todo algoritmo indutivo tem um biasTodo algoritmo indutivo tem um bias Desempenho de um algoritmo varia com o domínioDesempenho de um algoritmo varia com o domínio Análise Experimental é FundamentalAnálise Experimental é Fundamental

90 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Inteligência e AprendizadoInteligência e Aprendizado Engenharia de Conhecimento e SBCEngenharia de Conhecimento e SBC Dado, Informação e ConhecimentoDado, Informação e Conhecimento Aprendizado de MáquinaAprendizado de Máquina AM usando Árvores de DecisãoAM usando Árvores de Decisão KDD e Data MiningKDD e Data Mining

91 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Avanço da tecnologia permitiu o armazenamento de coleções enormes de dadosAvanço da tecnologia permitiu o armazenamento de coleções enormes de dados Extração de Conhecimento de Bases de Dados

92 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN CONHECIMENTO PADRÕES DADO TRANSFORMADO DADO ANALISADO DADO PROCESSADO TRANSFORMAÇÃO PRÉ-PROCESSAMENTO SELEÇÃO DATA MINING INTERPRETAÇÃO & AVALIAÇÃO DADO C

93 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Data Mining Muitos Exemplos Muitos Atributos Aprendizado de Máquina Poucos Exemplos Poucos Atributos AM geralmente (mas não sempre) trabalha com pequena quantidade de dados, mas relevantes

94 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Data Mining Muitos Exemplos Muitos Atributos Aprendizado de Máquina Poucos Exemplos Poucos Atributos DM trabalha com grandes bases de dados reais, sendo a eficiência muito importante

95 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Pessoas diferentes vêem IA de uma maneira diferente. Duas importantes questões são:Pessoas diferentes vêem IA de uma maneira diferente. Duas importantes questões são: –Você está interessado em pensamento ou comportamento? –Você deseja modelar seres humanos ou trabalhar a partir de um padrão ideal?

96 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Se o cérebro [humano] fosse tão simples que pudéssemos compreendê-lo, nós seríamos tão simples que não o conseguiríamos.

97 LABIC - ICMC - USP São Carlos ISISTAN-2001 LABIC - ICMC - USP São Carlos ISISTAN Este material encontra-se disponível no site do LABIC: Profa. Dra. Maria Carolina Monard Design e Programação Visual: Marcos Roberto Geromini LABIC - ICMC - USP São Carlos


Carregar ppt "011010 101010 100100 010101 110100 101100 100101 001001 010011 010101 100111 001101 011010 101010 100100 010101 110100 101100 LABIC - ICMC - USP São Carlos."

Apresentações semelhantes


Anúncios Google