Inteligência ArtificialVisão geral
Aprendizado de Máquina
Aprendizado de máquina é o ajuste de um modelo a partir da experiência — em geral, de dados — para acertar exemplos que o treino ainda não viu. Escolhe-se uma classe de hipóteses e estimam-se parâmetros.
Árvore, rede, margem e Q(s,a) deste tópico — e linguagem natural, agentes e robótica nos seguintes — partem desse modelo e dos três paradigmas.
As páginas se agrupam em cinco blocos. O primeiro recorta supervisionado, não supervisionado e reforço, e escolhe h em H.
O segundo particiona por testes em atributos e agrega modelos fracos.
O terceiro classifica por escore linear: P(classe|x) pela sigmoide, ou margem máxima.
O quarto organiza famílias de rede: pilha acíclica, grafo com ciclos, mapa competitivo.
O quinto busca sem o par (x, y) pronto: evolui uma população, ou atualiza Q(s,a) por diferença temporal.
Introdução define AM e nomeia os três paradigmas. Aprendizado Indutivo escolhe h em H para rotular um x fora dos pares e detecta overfitting.
Gini = 0 no nó puro e teto 1−1/k (2/3 se k = 3) escolhem o corte em Árvores de Decisão. Voto de fracos e floresta em subamostras estão em Métodos Ensemble.
Regressão Logística calcula σ(w⊤x+b) e corta em 1/2. Máquinas de Vetores de Suporte maximiza a folga até o ponto mais próximo; a solução depende só dos pontos que encostam na margem.
Perceptron, XOR no MLP e retropropagação estão em Redes Neurais. Laço e estado hₜ estão em Redes Recorrentes. O menor ‖x−wᵢ‖ escolhe o vencedor em Mapas Auto-Organizáveis.
Algoritmos Genéticos sorteia um ponto de corte e troca prefixo e sufixo entre cromossomos. Aprendizado por Reforço corrige Q(s,a) com o máximo em s′, ou com a ação que a política tomou.
Páginas deste tópico
Introdução
ProAlta incidência no POSCOMP10 min de leitura · 7ª mais cobrada em Inteligência Artificial
Definição de AM; supervisionado, não supervisionado e reforço; nomes das técnicas sem derivá-las.
Aprendizado Indutivo
ProAlta incidência no POSCOMP13 min de leitura · 8ª mais cobrada em Inteligência Artificial
Indução vs dedução; espaço de hipóteses; generalização e overfitting.
Árvores de Decisão
ProAlta incidência no POSCOMP15 min de leitura · 6ª mais cobrada em Inteligência Artificial
Gini=0 puro; teto 1−1/k (não 0,5 se k>2); corte por ganho de informação.
Redes Neurais
ProAlta incidência no POSCOMP23 min de leitura · 1ª mais cobrada em Inteligência Artificial
Perceptron 2-D e XOR; backprop em MLP minúsculo; congelar vs afinar.
Algoritmos Genéticos
ProAlta incidência no POSCOMP8 min de leitura · 2ª mais cobrada em Inteligência Artificial
População, aptidão, cruzamento de um ponto e mutação.
Aprendizado por Reforço
ProBaixa incidência no POSCOMP19 min de leitura · 25ª mais cobrada em Inteligência Artificial
Q-learning (TD off-policy) e Sarsa (TD on-policy); alvos bootstrap e diferença on/off-policy.
Métodos Ensemble
ProMédia incidência no POSCOMP13 min de leitura · 20ª mais cobrada em Inteligência Artificial
ensemble agrega vários modelos fracos; random forest é um conjunto de árvores em subamostras de dados/atributos
Regressão Logística
ProMédia incidência no POSCOMP13 min de leitura · 21ª mais cobrada em Inteligência Artificial
regressão logística, apesar do nome, é classificadora: modela P(classe|x) com dados rotulados
Redes Recorrentes
ProBaixa incidência no POSCOMP14 min de leitura · 27ª mais cobrada em Inteligência Artificial
redes recorrentes como outra família (realimentação / estado interno), não o foco do Kohonen