IA

IA

1. Iteligência Artificial

   • Principais aplicações da IA
     • Processamento de Linguagem Natural (PLN)
     • Visão Computacional
     • Robótica
     • Biônica
     • Semiótica
     • Aprendizado de Máquina
     • Aprendizado Profundo
   • Taxonomia da Inteligência Artificial
     • Quanto à sua abordagem
       • IA simbólica
         • IA conexionista
     • Quanto à sua capacidade
       • IA Estreita (ANI)
         • IA Geral (AGI)
           • Superinteligência (ASI)
     • Quanto ao seu funcionamento
       • IA Reativa (Sistemas Reativos)
         • Memória Limitada
           • Teoria da Mente
             • Autoconsciência
     • Quanto à sua abordagem técnica
       • Simbólica - Baseada em regras (Sistemas Especialistas)
         • Machine Learning
           • Deep Learning
             • IA Generativa
     • Quanto ao modelo (propósito)
       • Modelos de Linguagem
         • Modelos Generativos
           • Modelos de Recuperação
             • Agentes Autônomos
               • Modelos Multimodais

2. IA Generativa

   • gerar dados sintéticos
     • características estatísticas dos dados reais
     • devem ser tão próximos dos dados reais
   • CRIAÇÃO
     • APOIO
   • Redes Adversariais Generativas (GAN)
     • Transformadores Generativos Pré-Treinados (GPT)
       • Arquitetura de Transformadores (FOSTER, 2019)
       • Mecanismo de Atenção (VASWANI et al, 2017)
       • composta por camadas de codificadores e de decodificadores
       • mecanismo de atenção
       • Modelo de Linguagem em Larga Escala (MLLE)
     • Modelos Generativos
     • responsável por tentar enganar o discriminador
       • discriminador tenta identificar quais dados são reais e quais não são
   • Redes Neurais

3. Machine Learning

   • pesquisador Artur Samuel
     • 1959
       • APRENDIZADO DE MÁQUINA (AM)
         • é responsável por pesquisar métodos computacionais adequados para a aquisição de novos conhecimentos
       • MACHINE LEARNING (ML)
         • função matemática para determinar a sequência mais adequada
   • GERAÇÃO DOS MODELOS DE APRENDIZADO DE MÁQUINA
     • Treino: utilizado para treinar o modelo
       • Teste: utilizado para mensurar o desempenho do modelo
         • TIPOS DE APRENDIZADO DE MÁQUINA
           • supervisionado
             • generalizar esses resultados para novos dados
               • Classificação
                 • Predição
           • não supervisionado
             • algoritmo tenta entender padrões por conta própria
               • Agrupamento
                 • Associação
                   • método de encontrar relações interessantes
                     • como Apriori e FP-Growth
                 • dividir um conjunto de dados em grupos ou clusters
                   • K-means e DBSCAN
           • por reforço
             • permite às máquinas aprenderem a tomar decisões sozinhas
               • Busca e Otimização
                 • caminho para maximizar uma recompensa acumulada ao longo do tempo
                   • Q-Learning e Deep Reinforcement Learning
                 • Recomendação
                   • técnicas de filtragem colaborativa
                   • Reconhecimento
                     • identificar e classificar objetos, padrões ou sinais em dados
           • semissupervionado
             • é utilizada quando se possui um conjunto de dados parcialmente rotulado
   • PROCESSO DE MACHINE LEARNING
     • criar um modelo que se baseie em um ou mais algoritmos
       • Ordenação dos dados
         • pode detectar a ordenação como um padrão
           • Escolha do modelo
             • Treinamento do modelo
               • formato: y = ax + b
     • Avaliação do modelo
       • Sintonia fina do modelo
   • MÉTRICAS COMUNS EM APRENDIZADO DE MÁQUINA (CATEGÓRICOS)
     • Acurácia (A)
     • Precisão (P)
     • Revocação (R)
     • Mensuração (F1)
     • Coeficiente de Correlação de Matthews (MCC)
     • Especificidade (Spec)
     • Perda de Log (LogLoss)
       • CONCEITOS BÁSICOS ESTATÍSTICOS
         • Média
           • é uma medida de tendência central de um conjunto de dados
         • Mediana
           • medida de tendência central que representa o valor do meio de um conjunto de dados
         • Moda
           • medida de tendência central na estatística que indica o valor mais frequente em um conjunto de dados
         • Desvio-padrão
           • Teorema de Bayes
             • Correlação

4. Deep Learnig

   • dados para encontrar relacionamentos e padrões que os seres humanos são muitas vezes incapazes de detectar
   • Frank Rosenblatt
   • O CÉREBRO E DEEP LEARNING
     • Hipocampo
       • onde seu cérebro armazena memórias
     • Lobo frontal
       • se concentra em emoções, fala, criatividade, julgamento, planejamento e raciocínio
     • Córtex cerebral
       • ajuda com o pensamento e outras atividades cognitivas
         • Parte mais importantes quando se trata de IA

5. Redes Neurais

   • REDES NEURAIS ARTIFICIAIS
     • é uma função que inclui unidades (que também podem ser chamadas de neurônios, perceptrons ou nós)
   • RETROPROPAGAÇÃO (Backpropagation)
     • principais desvantagens com relação às redes neurais artificiais é o processo de ajustes nos pesos do modelo
   • AS DIFERENTES REDES NEURAIS
     • Rede neural recorrente (RNN)
       • função não só processa a entrada atual, mas também as entradas anteriores ao longo do tempo
     • Rede neural convolucional (CNN)
       • faz sentido ter todas as unidades de uma rede neural conectadas
     • Rede adversária generativa (GAN)
       • Ian Goodfellow conversava com alguns de seus amigos sobre como o deep learning poderia criar fotos