[ Cloud Girls - Ame Digital - 03/03/2020 ] - IA com Java

Transcript

1. IA COM JAVA? Sistema de recomendação com Apache Mahout
2. DEV BACKEND KAMILA SANTOS kamilah_code Kamila Santos Oliveira kamilahsantos kamilah_santos kamilahsantos Olar, eu sou a
3. POR QUE JAVA? O QUE É INTELIGÊNCIA ARTIFICIAL 01 02
4. O QUE É MACHINE LEARNING O QUE SÃO SISTEMAS DE RECOMENDAÇÃO 03 04
5. APACHE MAHOUT APACHE HADOOP 05 06
6. BORA CODAR? REFERÊNCIAS 07 08
7. 25 anos uma das linguagens mais utilizadas no mercado Comunidade (Devs Java Girl, Sou Java) POR QUE JAVA?
8. Airbnb Uber Netflix Spotify Instagram Slack EMPRESAS
9. Máquinas tentam imitar ou se basear no comportamento humano, aprendem e se adaptem a novas informações recebidas. INTELIGÊNCIA ARTIFICIAL
10. Primeiros estudos surgiram em 1950 para resolução de problemas. INTELIGÊNCIA ARTIFICIAL
11. Defense Advanced Research Projects Agency (DARPA) completou um projeto de mapeamento de ruas nos anos 1970 INTELIGÊNCIA ARTIFICIAL
12. Primeiros trabalhos com redes neurais criam curiosidade por "máquinas pensantes". 1950 – 1970 REDES NEURAIS
13. Machine learning se populariza. 1980 – 2010 MACHINE LEARNING
14. Deep learning é um ramo da Machine Learning , utilizado em problemas mais complexos, por exemplo, visão computacional DEEP LEARNING
15. Se trata do aprendizado de máquina, um ramo da IA (inteligência Artificial) que se baseia na ideia de que sistemas são capazes de aprender com dados, identificar padrões e realizar tomadas de decisões com o mínimo de intervenção de um ser humano. O QUE É MACHINE LEARNING
16. Estatística Ciência da computação Engenharia QUAL A SUA BASE?
17. Supervisionado Não Supervisionado Reforço TIPOS DE APRENDIZADO
18. Presença de uma "professora" Os dados usados no treino do modelo devem ser “rotulados” Aplicado em 2 tipos de problemas: Classificação e Regressão APRENDIZADO SUPERVISIONADO
19. Y = rótulos Y podem ser do tipo Numéricos Contínuos(datas, tamanhos e comprimentos)ou Categórico X = Atributos / Características APRENDIZADO SUPERVISIONADO
20. APRENDIZADO SUPERVISIONADO
21. Dado um conjunto de dados, com as labels alvos (Y), a classificação determina a classe de um caso de teste sem label. CLASSIFICAÇÃO
22. O objetivo é usar os dados de informações (as outras colunas) para construir um classificador, passar um novo dado e em seguida rotulá-lo CLASSIFICAÇÃO
23. CLASSIFICAÇÃO
24. Previsão de valor contínuo (número real). Regressão linear: refere-se quando temos somente uma variável independente para fazermos a predição REGRESSÃO
25. Regressão linear múltipla: refere-se a várias variáveis independentes usadas para fazer a predição. REGRESSÃO
26. Exige que o sistema desenvolva suas próprias conclusões a partir de um determinado conjunto de dados, onde podemos ter um agrupamento do conjunto, pois não há a presença de uma "professora" APRENDIZADO NÃO SUPERVISIONADO
27. Pode ser usado para encontrar tendências. Os dados não precisam estar rotulados APRENDIZADO NÃO SUPERVISIONADO
28. Agrupamento é chamado de Clustering APRENDIZADO NÃO SUPERVISIONADO
29. Na clusterização, o que é feito é agrupar esses casos em grupos que pareçam ser mais semelhantes (clusters), com base nas características que eles apresentam. CLUSTERIZAÇÃO
30. CLUSTERIZAÇÃO
31. O algoritmo realiza um feedback sobre os resultados obtidos, atribuindo pontuações positivas à resultados considerados corretos e penalizando os incorretos. APRENDIZADO POR REFORÇO
32. APRENDIZADO POR REFORÇO Diante dessa pontuação, o Agente consegue ajustar seu comportamento de modo a buscar o melhor resultado.
33. ONDE APLICAR? Detecção de fraude Sistemas de recomendação Mecanismos de busca Prevenção de demanda
34. ONDE APLICAR? Análise de streaming de dados Manutenção preditiva Robôs Diagnóstico na área da saúde
35. O QUE SÃO SISTEMAS DE RECOMENDAÇÃO São técnicas de software que fornecem sugestões de itens para ajudar usuários deste sistema nos diversos processos de tomada de decisão.
36. QUE FILME EU VOU ASSISTIR?
37. QUE FILME EU VOU ASSISTIR?
38. EU JÁ ASSISTI ESSES AQUI:
39. EU JÁ ASSISTI ESSES AQUI:
40. PERSON CORRELATION SIMILARITY
41. Se baseia na similaridade entre pessoas na hora de escolher e atribuir notas para determinar os resultados de sua recomendação. PERSON CORRELATION SIMILARITY
42. APACHE MAHOUT
44. uma estrutura de álgebra linear para algoritmos de machine learning com desempenho escalonável, baseado no Apache Hadoop APACHE MAHOUT
45. APACHE MAHOUT PREPROCESSORS REGRESSION CLUSTERING RECOMMENDERS
46. ADOBE AMP usa os algoritmos de agrupamento da Mahout para aumentar o consumo de vídeo, direcionando melhor o usuário
47. DATAMINE LAB usa a recomendação de Mahout e os algoritmos de agrupamento para melhorar a segmentação de anúncios de nossos clientes
48. TWITTER usa a implementação de LDA (Latent Dirichlet Allocation) da Mahout para modelagem de interesse do usuário
49. APACHE HADOOP
51. APACHE HADOOP Apache Hadoop é uma estrutura que permite o processamento distribuído de grandes conjuntos de dados em clusters de computadores usando modelos de programação simples
52. APACHE HADOOP Ele é projetado para escalar de servidores únicos para milhares de máquinas, cada uma oferecendo computação e armazenamento locais
53. APACHE HADOOP Em vez de confiar no hardware para fornecer alta disponibilidade, a biblioteca em si é projetada para detectar e lidar com falhas na camada do aplicativo, entregando um serviço altamente disponível em um cluster de computadores, cada um dos quais pode ser propenso a falhas.
54. Adobe Alibaba Datagraph eBay Facebook Google Linkedin Yahoo
55. BORA CODAR?
56. CONFIGURAÇÃO POM.XML
58. CONTEÚDO DOS CSV
60. RECOMENDADOR.JAVA GUARDA OS MODELOS DE DADOS QUE SERÃO ANALISADOS
62. RECOMENDADORBUILDER .JAVA CONSTRÓI A LÓGICA PARA O NOSSO RECOMENDADOR
64. RECOMENDAFILMES.JAVA
67. RECOMENDALIVROS.JAVA
71. AVALIADOR.JAVA
75. REFERÊNCIAS https://github.com/Kamilahsantos/sistema-de-recomendacao-java-mahout https://cursos.alura.com.br/course/machine-learning-introducao-aos-sistemas- de-recomendacoes https://github.com/apache/mahout https://www.linkedin.com/in/laura-damaceno/ (me ajudou com conteúdo de IA <3 )
76. REFERÊNCIAS hhttps://www.infoq.com/br/presentations/machine-learning-em-java-com- apache-mahout https://www.tutorialspoint.com/mahout/mahout_machine_learning.htm https://mahout.apache.org/ https://www.sas.com/pt_br/insights/analytics/machine-learning.html https://king.host/blog/2018/09/o-que-sao-sistemas-de-recomendacao/ https://mvnrepository.com/artifact/org.apache.hadoop/hadoop-client
77. OBRIGADA <3