15978525
Descripción
Fichas por Deivid Willyan, actualizado hace más de 1 año
|
Creado por Deivid Willyan
hace alrededor de 6 años
|
|
| Pregunta | Respuesta |
| O que é Machine Learning? | Machine Learning é o processo de ensinar um agente autônomo a resolver problemas complexos, os quais antes só era possível com o auxilio de um ser humano. Ex¹: Realizar classificações. Ex²: Realizar previsões. |
| Quais os tipos de aprendizagem existentes? | São tipos de aprendizagem: -Aprendizagem Supervisionada. -Aprendizagem Não Supervisionada. -Aprendizagem Por Reforço. |
| O que é a Aprendizagem Supervisionada? | É uma técnica onde o algorítimo aprende com exemplos de entrada e resposta. Ex¹: Um Classificador de imagens que no processo de treinamento recebe um conjunto de treino com as entradas e as respostas esperadas. |
| O que é a Aprendizagem Não Supervisionada? | É a técnica onde o algorítimo que estamos treinando é exposto a um conjunto de treino que ele desconhece as respostas. Ex¹: Possíveis clientes que são separados em categorias por atributos semelhantes. |
| O que é Aprendizagem Por Reforço? | É uma técnica que aprende o que deve fazer a partir de tentativa de erro, até que o resultado final seja satisfatório. Ex¹: Em um jogo ensinar um agente a chegar no objetivo final sem saber o percurso, ele vai aprendendo como chegar la a partir de tentativa e erro. |
| Cost Function | Função de Perda, busca encontrar o modelo mais preciso que minimize os erros. Obs¹: Ajuda a encontrar o melhor algoritmo. |
| Gradient Descendent | É um algoritmo de otimização, ele ajuda a melhorar a função de perda, assim minimizando os erros do modelo afim de melhorar a taxa de aprendizado. |
| Overfitting | Quando o algorítimo memorizou o conjunto de treino e não consegue generalizar novos conjuntos. Obs¹: Ótima taxa de aprendizado no conjunto de treino, porem alta taxa de erro no conjunto de testes. |
| Underfitting | O modelo está sofrendo de underfitting quando ele não consegue generalizar o conjunto de treino e nem o conjunto de teste. Obs¹: Alta taxa de erro no conjunto de teste e treino. |
| Bias (Viés) | Viés é um erro de generalização no qual não reduz o erro de previsão no conjunto de treino e obtêm uma taxa de erro semelhante no conjunto de teste. |
| Variância | Variância é um erro de generalização que ocorre quando apresentamos o modelo a um novo conjunto de dados e o erro sobe consideravelmente. |
| Como deve ser o melhor modelo? | O melhor modelo é aquele que generaliza de forma equilibrada e tem baixo viés e baixa variância. |
¿Quieres crear tus propias Fichas gratiscon GoConqr? Más información.