Prévia do material em texto
Inteligência Artificial e Aprendizagem Automática Índice 1. Introdução à Inteligência Artificial (IA) o Definição o Histórico 2. Aprendizagem Automática (Aprendizado de Máquina) o D o Tipos de aprendizagem automática ▪ E aí ▪ Não S ▪ Sem ▪ A 3. Algoritmos de Aprendizagem Automática o Retorno o Registro o Árboles o Bós o Máquina o Vermelho 4. Aprendizaje Profundo (Aprendizagem Profunda) o Redes Ne o Redes N o Redes N o Redes Adversariais Gerativas (GANs) 5. Aplicações de IA e Aprendizagem Automática o Como o Di o Veículo o Irmã o Detecção 6. Desafios e Considerações Éticas o Sesg o T o Privado o EU 7. Futuro da IA e da Aprendizagem Automática o Dez o Oportunidade 1. Introdução à Inteligência Artificial (IA) Definição e Conceitos Básicos A inteligência artificial (IA) é um ramo da informática que se concentra na criação de sistemas, capacidades de realizar tarefas que normalmente requerem inteligência humana. Isso inclui tarefas como reconhecimento de voz, la toma de d História e Evolução La IA como campo de estudo se originou nos anos 1950. Ao longo das décadas, experimentou vários ciclos de otimismo e decepção (um menu denominado "inviernos de la IA"), mas avançou significativamente nos últimos anos graças a os aumentos na potência de cálculo, a disponibilidade 2. Aprendizaje Automático (Aprendizado de Máquina) Definição e Princípios Fundamentais A aprendizagem automática é uma subdisciplina da IA que se concentra no desenvolvimento de algoritmos que permite aos computadores aprender a partir de e fazer previsões baseadas em dados. O sistema Tipos de aprendizagem automática • Supervisionado : E • Não supervisionado : El model • Semi-supervisionado : Combinado • Aprendizaje por Refuerzo : O modelo a 3. Algoritmos de Aprendizagem Automática Regressão Linear Um método para modelar a relação Regressão Logística Utilizado para a classificação binária, modela a probabilidade de uma amostra pertencer a uma categoria específica. Árboles de Decisão Modelos que dividem os dados no subconj Bosques Aleatorios (Floresta Aleatória) Um conjunto de árvores Máquinas de Suporte Vetorial (SVM) Algoritmos que encontram o hiperplano que melhor separa as diferentes classes no espaço de características. Redes Neuronais Modelos inspirados no estru 4. Aprendizaje Profundo (Aprendizagem Profunda) Redes Neuronais Artificiais Sistemas de capas de Redes Neuronais Convolucionais (CNN) Especialmente eficazes Redes Neuronais Recorrentes (RNN) Ade Redes Adversariais Gerativas (GANs) Constante de fazer 5. Aplicações de IA e Aprendizagem Automática Assistentes Virtuais Como Siri, Alexa e Google Assistant, que utilizam processamento de linguagem natural para interagir com os usuários. Diagnóstico Médico Automatizado Herramientas Veículos Autônomos Carros que podem conduzir por nós mesmos utilizando sensores, aprendizado automático e algoritmos de planejamento de rotas. Sistemas de Recomendação Plataformas como Netflix e Amazon que sugi Detecção de Fraude Algoritmos que analisam transações para id 6. Desafios e Considerações Éticas Sesgo nos Algoritmos E Transparência e Explicabilidade A necessidade de que eles m Privacidade dos Dados A importância do profissional Impacto no emprego A preocupação 7. Futuro da IA e da Aprendizagem Automática Tendências Emergentes O desenvolvimento contínuo de Oportunidades e Riesgos A possibilidade de enormes benefícios econômicos e sociais, juntamente com a necessidade de abordar os desafios éticos e de segurança.