Aprendizado de Máquina em Ação
Um manual para leigos
Alan T. Norman
Tradutora: Rafael Aguiar
Copyright © Todos direitos reservados.
Nenhuma parte desta publicação pode ser reproduzida, distribuída ou transmitida em qualquer formato ou por quaisquer meios, incluindo cópias físicas, gravação, ou outros métodos eletrônicos ou mecânicos, ou por qualquer sistema de armazenamento e recuperação de informações sem a prévia permissão por escrito do editor, exceto no caso de breves citações incorporadas a revisões críticas e outros usos não comerciais específicos permitidos pela lei de direitos autorais.
Índice
Esse livro não é sobre algoritmos de codificação de aprendizado de máquina
Capítulo 1. O que é aprendizado de máquina?
Programação explícita vs. treinamento de algoritmos
Definições: Inteligência artificial vs. aprendizado de máquina vs. redes neurais
Aprendizado supervisionado vs. não supervisionado
Quais problemas o aprendizado de máquina pode solucionar?
A caixa preta: o que não sabemos sobre aprendizado de máquina
Capítulo 2. Limpeza, rotulagem e curadoria de conjunto de dados
Necessidade de conjuntos de dados muito grandes para AM
Necessidade de ser bem rotulado
Capítulo 3. Escolhendo ou Escrevendo um Algoritmo de AM
O que é necessário para escrever um novo algoritmo
Capítulo 4. Treinar e implementar um algoritmo
Ajuste e engenharia de atributos
Capítulo 5. Aplicações do aprendizado de máquina no mundo real
Assistentes de Voz, Casas Inteligentes e Carros
Livro Bônus Baleias de Bitcoins
Outros Livros do Alan T. Norman:
Por que escrevi esse livro
Bem-vindo ao mundo do aprendizado de máquina!
A inteligência artificial está preparada para mudar o curso da história humana, talvez mais que qualquer tecnologia já criada. Grande parte dessa revolução é o aprendizado de máquina.
Aprendizado de máquina é a ciência de ensinar computadores a fazer previsões baseadas em dados. Basicamente, aprendizado de máquina envolve dar a um computador um conjunto de dados e pedir a ele que faça uma previsão. No início, o computador fará muitas previsões incorretas. No entanto, após fazer milhares de previsões, o computador reconfigurará seu algoritmo, aprimorando suas previsões.
Esse tipo de previsão computacional era impossível. Os computadores simplesmente não conseguiam armazenar muitos dados ou processá-los suficientemente rápido para aprenderem de forma efetiva. Atualmente, a cada ano, a inteligência dos computadores aumenta em uma velocidade muito alta. Avanços no armazenamento de dados e no poder de processamento estão impulsionando essa tendência em direção a máquinas cada vez mais inteligentes. Como resultado, os computadores estão fazendo coisas que seriam impensáveis há apenas uma ou duas décadas.
O aprendizado de máquina já está afetando nossa vida diária. A Amazon usa o aprendizado de máquina para prever quais produtos você vai querer comprar. O Gmail o usa para filtrar mensagens de spam da sua caixa de entrada. Suas recomendações de filmes na Netflix são baseadas em algoritmos de aprendizado de máquina.
Contudo, os impactos do aprendizado de máquina não param por aqui. Os algoritmos de aprendizado de máquina estão fazendo previsões para todo o tipo de atividade, da agricultura à área de saúde. Além disso, seus impactos serão sentidos de novas formas e em novos setores a cada ano. À medida que novas aplicações de aprendizado de máquina surgem, vamos gradualmente aceitando-as como parte da vida normal. No entanto, esta nova dependência de máquinas inteligentes