Machine Learning, onde eu uso isso? - Giovana Neves

Muito falamos sobre Machine Learning, mas, efetivamente, quais problemas podemos resolver com isso? Vamos falar sobre o tipos de algoritmos existentes e quais são os problemas que, de maneira geral, esses algoritmos resolvem!

Transcript

2. Olaarr =) Analista/Cientista de dados na MaxMilhas Aluna (querendo formar) do BCC - UFMG Ex-presidente da UFMG Informática Júnior
3. Acreditamos que as pessoas merecem viajar mais
4. Prêmio Experiência do Consumidor - 3ª maior NPS do Brasil 15 empresas inovadoras que marcaram 2015 start 2013 2014 2015 2016 2017 Prêmio INFO Start 2013 - Startup promissora do ano Empreendedor Endeavor e Startup do Ano Maior StartUp apoiada pelo Governo Federal pelo programa StartUp Brasil 5 anos possibilitando mais viagens
5. Machine Learning: Onde eu uso isso ?
6. Probabilidade X Estatística
7. Probabilidade & Estatística + Poder Computacional
8. Probabilidade & Estatística + Poder Computacional + testes
9. Como isso funciona?
10. Métodos de ML Aprendizagem supervisionada Conjunto inicial possui dados de entrada e saída. Objetivo: encontrar associação Aprendizagem não-supervisionada Conjunto inicial possui apenas dados de entrada. Objetivo: descoberta de relações implícita Aprendizagem por reforço Aprendizado por tentativa e erro Objetivo: aumentar a assertividade
11. Aprendizagem Supervisionada Regressão Linear
12. Aprendizagem Supervisionada Regressão Linear
13. Aprendizagem Supervisionada
14. Aprendizagem Supervisionada Regressão Linear Regressão Logística
15. Aprendizagem Supervisionada
16. Aprendizagem Supervisionada Regressão Linear Regressão Logística Árvore de decisão
17. Aprendizagem Supervisionada
18. Aprendizagem Supervisionada Regressão Linear Regressão Logística Árvore de decisão Naive Bayes
19. Aprendizagem Supervisionada Regressão Linear Regressão Logística Árvore de decisão Naive Bayes KNN
20. Aprendizagem Supervisionada
21. Aprendizagem Não-supervisionada K-Means
22. Aprendizagem Não-supervisionada
23. Aprendizagem Não-supervisionada K-Means PCA
24. Aprendizagem Não-supervisionada
25. Aprendizagem Não-supervisionada K-Means Random Forest PCA
26. 1 Conheça seu problem a Finalidade, com plexidade e acurácia 2 Saiba o que tem disponível Quantidade e qualidade do dados 3 Quais seus recursos? Quanto tem po e recurso com putacional há?
28. Obrigada /giovannand giovanna.neves@maxmilhas.com.br LinkedIn: Giovanna Neves Damasceno