Upgrade to Pro — share decks privately, control downloads, hide ads and more …

A Importância do Ócio: Delegando tarefas para a...

A Importância do Ócio: Delegando tarefas para a máquina com Machine Learning

Sabe aquele momento em que você sabe que tem que fazer alguma tarefa, mas simplesmente não quer se dar ao trabalho? Ou aquelas que você até faria de bom grado, mas sabe que o seu desempenho seria absolutamente horrível? Não faça algo que uma máquina poderia estar fazendo por você! Hoje em dia com o aumento do poder computacional nos nossos computadores pessoais e APIs de servidores externos, existem várias tarefas que poderíamos estar ensinando ao computador como fazer pra que nunca tenhamos que fazer de novo. Nesta talk eu vou mostrar como eu uso Machine Learning para automatizar minhas atividades cotidianas, explicar os algoritmos utilizados e mostrar como você também pode utilizar isso para recuperar tempo precioso da sua vida que você poderia usar para salvar o mundo ou fazer absolutamente nada relevante.

Isabella Silveira

May 19, 2018
Tweet

More Decks by Isabella Silveira

Other Decks in Technology

Transcript

  1. Quanto mais ela evoluía, mais fácil era a vida e

    assim as preocupações iam mudando
  2. Então a tecnologia começou a criar novas formas de interação

    e se tornou um espelho da própria sociedade
  3. “Lembra de quando a gente foi pra ____ em ____?

    Você ainda tem as fotos aí?” - Silveira, Christine
  4. O aprendizado automático ou aprendizado de máquina (em inglês: "machine

    learning") é um subcampo da o que evoluiu do estudo de reconhecimento de padrões e da teoria do aprendizado computacional em inteligência artificial . Em 1959, Arthur Samuel definiu aprendizado de máquina como o "campo de estudo que dá aos computadores a habilidade de aprender sem serem explicitamente programados". O aprendizado automático explora o estudo e construção de algoritmos que podem aprender de seus erros e fazer previsões sobre dados. Tais algoritmos operam construindo um modelo a partir de inputs amostrais a fim de fazer previsões ou decisões guiadas pelos dados ao invés de simplesmente seguindo inflexíveis e estáticas instruções programadas.
  5. Permite que a máquina aprenda. Com algoritmos de ML é

    possível parsear dados, aprender com eles e fazer classificações ou predições em massa. Ao invés de criarmos algoritmos cheios de regras específicas para executar uma tarefa, treinamos a máquina com datasets enormes para que ela aprenda como executar a tarefa por si só.
  6. Na área de ML, existem vários algoritmos; cada um mais

    adequado para resolver um tipo de problema