Resumo Nota 1 - Prova 03/09/2008

Por que é necessario o aprendizado de maquina?
-Para construir sistemas onde eles mesmos podem aprender o conhecimento necessario.
-Conntruir programas que mehorem com sua propria experiencia.

O que é aprendizado de maquina?
-É uma melhor compreensão do mecanismo de aprendizagem humano.

1 - Aquisição do Conhecimento

É a fase na construção do SE caracterizada pela descoberta, interpretação e estração dos dados.
Objetivo: Projetar e construir uma base do conhecimento.
O engenheiro do Conhecimento (EC) extrai do especialista, refina-o e monta a base do conhecimento. Metodos de aquisição do conhecimento:

• Manual
  
• Semi-Manual
• Automatico

Modos:

• Supervisionado: Ocorre quando é fornecido ao sistema um grande numero de exmplos, para o sistema se basear. Existe uma forte atuação do critico.
• Não Supervisionado: O sistema identifica os problemas com base em sua propria base do conhecimento, não há intervenção humana nem do critico.
• Semi-Supervisionado: É a mesclagem dos dois modos já citados.

Paradigmas:

• Simbolico: Busca aprender construindo representações simbolicas.
  
• Estatistico: Utiliza metodos estatisticos.
  
• Baseado em Exemplos: Utiliza classificações anteriores.
  
• Conexionista: Utiliza construções matematicas.
  
• Evolucionista: Descarta os elementos de performance fraca mantendo os melhores.
  

2 - Representação do Conhecimento

A representação esta sempre relacionada com as formas de expressão da informação.
Fatos: Verdades em algum mundo relevante. Esses fatos são o que queremos representar.
Existem dus abordagens tradicionais:

• Abordagem Declarativa: Tenta adaptar os problemas de IA a um mundo simbolico . Utiliza formulas em logica de predicados. Vantagens: Cada fato será armazenado apenas uma vez, facilidade em acrecentar novos fatos ao sistema.

• Abordagem Procecimental: Representado por Marvin Minsky. Conjunto de regras ou arvore de decisão, processo incremental.

3 - Aprendizagem Autonoma

Aprendizagem autonoma é empregada em sistemas em que um processo dinamico a ser controlado sofre modificações estruturais ao longo do tempo, ou quando a modelagem do processo é dificil ou muito custosa.

Agente: Entidade que perce e atua no ambiente a sua volta.

Softbot: Controlam o sistema de acesso, recuperação e atualização da informação, normalmente atuam em conjunto.

Robots: Controlam um conjunto de sensores e atuadores, normalmente atuam isoladamente.

4 - Q-Learning

Funções:

• Greedy: Função conservadora, algoritmo guloso, sempre irá buscar os maximos locais.
  
• e-Greedy: Função exploratória, é utilizado para fugir do algoritmo de maximos locais atraves de aleatoriadade.

• M: Partindo de estado inicial para um estado final é o conjunto de ações que um agente pode fazer para chegar em seu objetivo.
• M*: Dentro de todas as politicas M são as politicas sub-otimas.