Encontre Padrões com IA

  • Treinar um modelo de machine learning (aprendizado de máquina) para prever algo

3 PARTES SOBRE MACHINE LEARNING

Lembre-se de que a Inteligência Artificial, especificamente machine learning, tem três partes principais.

Conjunto de dados

Encontrar padrões

Fazer previsão

Nesta lição, vamos nos concentrar na segunda parte, Encontrar padrões, treinando nosso próprio modelo de IA que será capaz de fazer uma previsão.

Há muitos  plataformas online e gratuitas onde você pode treinar um modelo de IA, usando o aprendizado supervisionado.

Aprendizagem supervisionada é exatamente como parece: você supervisiona como o modelo aprende, informando a ele a resposta correta.

Por exemplo, digamos que você queira que um modelo de IA diga se uma imagem é um cachorro ou um gato.

rosto de cachorro
rosto de um gato

Seu conjunto de dados será composto de muitas e muitas fotos de cães e gatos.

Você ajudará a treinar o modelo dizendo a ele quais imagens são de cães e quais são de gatos

PLANEJAMENTO PARA O SEU MODELO

Seu modelo irá prever ou classificar algo. Geralmente, esses modelos são chamados de modelos de classificaçãopor esse motivo. 

Primeiros passos:

  1. O que você está classificando? São imagens, textos, sons? Esse é o seu tipo de dados.
  2. Quais são as diferentes classificações possíveis? Por exemplo, cães e gatos. Essas são suas classes. Às vezes, elas também são chamadas de "label", que seria um rótulo, título, identificador ou denominação.
  3. Reúna os dados apropriados para treinar seu modelo. Encontre muitos e muitos dados variados para representar cada classe. Por exemplo, muitas e muitas fotos de diferentes tipos de cães e gatos!
Captura de tela do Teachable Machine treinando cães e gatos

PLATAFORMAS RECOMENDADAS

Há muitas plataformas gratuitas e de código aberto disponíveis para criar modelos de classificação de IA. 

Selecionamos uma lista de programas e plataformas onde você pode:

  • criar seu modelo para fazer uma previsão
  • Em seguida, use seu modelo em um celular ou no site aplicativo web para executar uma ação com base na previsão

Aqui está uma visão geral rápida do que cada plataforma pode classificar e integrar.

Plataforma Tipos de classificação Integração do Technovation
Teachable Machine do Google imagens, sons, poses App Inventor, Python, outras integrações possíveis
MachineLearningForKids imagens, sons, texto, números Python, App Inventor
MIT App Inventor imagens, sons, poses App Inventor
Ximilar imagens Thunkable, App Inventor, aplicativos web, usando APIs

ATIVIDADE: TREINAR UM MODELO DE MACHINE LEARNING

Tempo estimado: 30 minutos

Construa um modelo de Pedra, Papel e Tesoura

Siga a planilha para usar a plataforma Teachable Machine do Google para criar um modelo de machine learning para reconhecer sinais manuais de pedra, papel e tesoura.

Em seguida, veja seu modelo em ação com uma simples interação javascript pré-construída.
Abrir planilha

REFLEXÃO

Você criou seu primeiro modelo de IA! Isso deve lhe dar uma ideia do processo de criação de um modelo de IA. Todas as plataformas de criação de modelos funcionam de maneira semelhante, embora as interfaces possam ser ligeiramente diferentes.

reflexão no edifício
Seu modelo foi bem-sucedido na detecção de pedra, papel ou tesoura?
Ele foi feito com um "bom" conjunto de dados?
Como você poderia melhorar o conjunto de dados?
Se um(a) amigo(a) ou uma pessoa em um local diferente do seu usasse seu modelo e projeto, ele teria o mesmo desempenho? Por que sim ou por que não?

REVISÃO DOS PRINCIPAIS TERMOS

  • Modelo de IA (ou machine learning) - inteligência artificial que é treinada em um conjunto de dados para reconhecer padrões para prever ou classificar algo
  • Aprendizagem supervisionada - Aprendizado de máquina em que um modelo é treinado ao se informar o resultado correto ou incorreto
  • Classe - um identificador que é fornecido a um modelo de IA para que ele aprenda a classificar as entradas por sua classe

RECURSOS ADICIONAIS

Se você quiser saber mais sobre inteligência artificial e machine learning, aqui está uma excelente lista de reprodução de Daniel Schiffman, da Universidade de Nova York