Introdução
Este módulo explora um processo chamado aprendizagem supervisionada, no qual os modelos de aprendizagem automática aprendem com exemplos.
Ao compreender a aprendizagem supervisionada, iniciamos um mergulho mais profundo nos componentes individuais do processo de aprendizagem e exatamente como esse processo pode melhorar um modelo. Através de exemplos, também exploramos como configurar corretamente esse processo de aprendizagem é fundamental para alcançar um modelo de alto desempenho.
Ao longo deste módulo, utilizamos o seguinte cenário para explicar o processo de aprendizagem supervisionada. Este cenário fornece um exemplo de como você pode atender a esses conceitos enquanto estiver programando.
Sua família administra a fazenda de alces mais antiga do Estado de Washington há várias gerações, mas há décadas a saúde de seu rebanho tem piorado lentamente. É um fato bem conhecido que a raça de alces da sua fazenda não deve ser alimentada com grãos quando as temperaturas médias noturnas estão acima de zero (32°F ou 0°C). Por essa razão, você tradicionalmente segue o calendário agrícola do seu avô e muda de ração de grãos depois de 31 de janeiro.
Você leu recentemente sobre as mudanças climáticas que afetam as práticas agrícolas. Esta mudança pode explicar a pior saúde do seu alce nos últimos anos? Com alguns dados meteorológicos históricos ao seu lado, você procura determinar se as temperaturas locais são alteradas a partir do dia do seu avô e se o seu calendário agrícola precisa ser atualizado.
Pré-requisitos
Você deve ter uma familiaridade básica com entradas, saídas e modelos.
Objetivos de aprendizagem
Neste módulo, irá:
- Definir aprendizagem supervisionada e não supervisionada.
- Explore como as funções de custo afetam o processo de aprendizagem.
- Descubra como otimizar modelos usando a descida de gradiente.
- Experimente as taxas de aprendizagem e veja como elas podem afetar o treinamento.