トランスクリプトPortuguese

Machine Learning Explicado

13m 25s2,393 単語374 segmentsPortuguese

全トランスクリプト

0:01

as máquinas podem pensar a não ser que

0:05

você esteja Vivendo em uma caverna você

0:07

provavelmente já ouviu falar de

0:08

Inteligência Artificial e dependendo de

0:11

um com por dentro você sabe o assunto

0:12

você provavelmente também eu vou falar

0:14

em um dos termos mais quentes esse

0:16

assunto aprendizado de máquina ou em

0:19

inglês machine learning esses dois

0:21

termos são relacionados mas não

0:23

significam a mesma coisa a ideia de

0:25

Inteligência Artificial foi popularizada

0:27

por Alan turing com sua famosa pergunta

0:30

máquinas podem pensar em 1950 no seu

0:34

artigo com quilting machinery and

0:36

intelligence Nesse artigo o Túlio

0:38

escreveu uma máquina capaz de enganar um

0:40

ser humano fingindo que também é um ser

0:42

humano isso ficou conhecido como teste

0:44

de trem

0:46

e Inclusive eu já fiz um vídeo sobre

0:48

Então procure uma inteligência

0:50

artificial seria uma máquina capaz de

0:52

realizar atividades humanas de uma forma

0:55

que o outro ser humano não conseguiria

0:56

distinguir-se atividade foi feita por

0:58

uma máquina ou por um celular em outras

1:01

palavras o Inteligência Artificial seria

1:03

a capacidade que uma máquina teria de

1:05

imitar o comportamento humano agora

1:07

questão que surja como é que nós podemos

1:10

criar uma máquina que consegui me traga

1:12

o comportamento humano de uma forma tão

1:14

realista que seja difícil distinguir-se

1:16

estamos lidando com um ser humano ou uma

1:18

máquina essa pergunta não é tão simples

1:20

e responde E desde que tudo em um sou

1:22

seu artigo em 1950 diversos grupos de

1:25

pesquisadores têm se dedicado

1:26

exclusivamente a resolver essa questão

1:28

um bom começo o seguinte se nós estamos

1:31

querendo imitar a inteligência Humana

1:33

porque que nós vamos começamos a partir

1:36

dela e já que nós vamos imitar a

1:38

inteligência humana Que tal nós nos

1:39

tornarmos mais inteligentes e

1:41

adquirirmos mais habilidades porque você

1:43

sabe né eu sei que você sabe

1:46

a hora aquele momento do vídeo A Hora do

1:48

momento falo eu prometo que vai ser

1:50

rápido mas já que nós estamos falando

1:52

sobre inteligências artificiais em

1:54

machine learning Que tal aprender mais

1:56

sobre esses dois tópicos com a luta e

1:58

melhor ainda que tal aprender um pouco

2:00

de tudo com apenas uma assinatura na lua

2:03

e se é possível você pode aprender

2:05

Machine dormir diversas linguagens de

2:07

programação com a minha favorita que

2:09

aparentam só se você veio de outra

2:10

linguagem tipos e não esqueça de usar

2:13

identação isso é importante edição de

2:15

vídeos design e até curso de nossa e o

2:18

melhor de tudo é que você não precisa

2:19

pagar separadamente por nenhum desses

2:22

cursos com apenas uma assinatura na

2:24

altura você tem acesso instantâneo a

2:26

todos eles que tal aprender uma

2:28

habilidade nova hoje não importa se você

2:30

quer uma pigraid na sua carreira ou

2:32

apenas conseguir mais conhecimento

2:33

porque é sempre uma boa ideia na lua

2:36

você pode conseguir tudo isso ao mesmo

2:37

tempo e existe uma promoção especial

2:40

para os inscritos o Ciência todo dia

2:41

você está a um clique de distância de

2:43

uma assinatura que Expandir os

2:45

horizontes do seu

2:46

o e Conhecimento vale ouro eu prometi a

2:49

ser rápido agora de volta nossa

2:51

discussão Se nós queremos imitar a

2:53

inteligência humana Que tal começar por

2:55

ela Nós seres humanos aprendemos sobre o

2:58

mundo desde o momento em que nascemos e

3:00

começamos a observar e interagir com o

3:01

ambiente ao nosso redor tudo que os

3:03

nossos sentidos captam veja o momento em

3:05

que nascemos se transformam em dados do

3:08

nosso cérebro e dessa forma conseguimos

3:10

os adaptaram e ao contrário do que

3:12

muitas pessoas acreditam bebês não

3:14

nascem com o cérebro e branco nós já

3:16

viemos ao mundo com vários conhecimentos

3:18

inatos que nós vamos aprimorando com o

3:20

passar do tempo uma coisa interessante

3:21

aqui Nós aprendemos observar padrões

3:23

vamos imaginar o seguinte cenário uma

3:26

criança de quatro anos ainda na fase de

3:28

aprendizado que está segurando brinker

3:30

pode ser uma peça de Lego carrinho

3:32

ursinho de pelúcia qualquer brinquedo

3:34

que você possa imaginar agora a criança

3:36

Solta esse brinquedo e ele obviamente

3:38

cai no chão hum interessante a criança

3:42

pega o brinquedo do chão levanta e solta

3:45

novamente

3:46

Oi gente o brinquedo Carniel ainda mais

3:50

interessante a criança faz experimento

3:52

diversa de diversas diversas vezes até

3:55

que ela chega a uma conclusão tudo que

3:57

ela soltar vai cair no chão isso é

3:59

interessante porque a criança no auge

4:00

dos seus quatro anos não precisa

4:02

entender sobre força gravitacional ou

4:04

resolver equações de física para

4:06

entender que tudo que ela levanta e

4:07

solta vai cair no chão ela não precisa

4:10

de conhecimentos prévios de física muito

4:12

menos que ela está em um planeta que a

4:13

força gravitacional atrai tudo para o

4:15

seu centro pelo contrário para entender

4:17

o que está acontecendo agora só precisa

4:19

fazer uma série de experimentos e

4:21

observar que há um padrão esses

4:22

experimentos tudo que ela levanta depois

4:24

de ser solto vai cair de volta para o

4:26

chá em outras palavras a criança aprende

4:29

a observar e analisar padrões todos

4:31

esses experimentos viram dados obtidos

4:33

pelo cérebro da Criança e que serão

4:35

utilizados para o resto da sua vida esse

4:37

exemplo foi só uma de números interações

4:40

e observações do ambiente que nós temos

4:41

desde o momento que nós nascemos até

4:44

hoje desde conseguir diferenciar um

4:46

o gato lê Até aprender as placas de

4:49

trânsito na hora de dirigir mas sempre

4:51

observamos interagimos com o ambiente e

4:53

assim vamos obtendo dados que nos ajudam

4:55

a realizar tarefas no nosso cotidiano Se

4:58

quisermos obter uma inteligência

4:59

artificial então não seria uma boa ideia

5:02

desenvolver um método que imita essa

5:04

forma de aprendizado dos seres humanos

5:06

ou seja um método que faça a máquina

5:08

Obter dados do mundo observar esses

5:11

dados e conseguir então realizar tarefas

5:13

essa é exatamente a ideia de uma

5:16

chillarmy ou aprendizado de máquina o

5:18

aprendizado de máquina é a ciência de

5:21

fazer com que os computadores funcionam

5:22

em sem ser explicitamente programados de

5:26

acordo com o popular curso de

5:27

aprendizado de máquina de teste já que o

5:29

pesquisador e o estilo boêmio e vencedor

5:31

do prémio turing de 2018 a pesquisa e

5:34

aprendizado de máquina faz parte da

5:36

pesquisa Inteligência Artificial que

5:38

busca fornecer conhecimentos

5:39

computadores por meio de dados

5:41

observações e interações com o mundo

5:43

esse conhecimento adquirido permitidos

5:45

como saber

5:46

a camisa em corretamente para novas

5:48

configurações mas o que significa essas

5:52

duas injeções o aprendizado de máquina e

5:54

um método que faz a máquina receber

5:56

dados observar e interagir usando esses

5:59

dados mas nós não iremos explicitamente

6:02

dizer como ela deve fazer isso pelo

6:04

contrário mas iremos apenas deixar que

6:07

modelo aprenda por ser só ela terá que

6:09

se virar sozinha para entender a relação

6:10

entre esses dados qualquer semelhança

6:12

com a vida real não é mera coincidência

6:14

eu vou te dar um exemplo Imagine que

6:17

você queira uma máquina capaz de

6:18

distinguir raças de cachorro você como

6:21

um ser humano sabe qual raça que é um

6:23

golden retriever mas para isso você

6:25

precisou antes de ser visto foto de um

6:27

homem além de outras raças ou então você

6:29

não conseguiria distinguir um pinscher

6:31

de um Golden e essa distinção é

6:33

extremamente importante porque um vai te

6:35

morder e o outro vai te deixar fazer

6:37

carinho olhando por esse lado você De

6:39

certa forma já virou um especialista em

6:41

distinguir raças de cachorros Mas agora

6:43

você quer me ensinar o mesmo para uma

6:44

máquina como é que

6:46

e por isso inicialmente Você vai

6:48

precisar de dados que podem ser

6:50

simplesmente muitas e muitas fotos

6:52

diferentes raças de cachorros você

6:54

alimenta essas fotos para um modelo e

6:56

ele por si só apenas observando as fotos

6:59

vai ter que aprender a diferenciar uma

7:01

raça da outra existem diversas maneiras

7:03

de fazer isso mas nós vamos separar

さらにアンロック

無料でサインアップしてプレミアム機能にアクセス

インタラクティブビューア

字幕を同期させ、オーバーレイを調整し、完全な再生コントロールでビデオを視聴できます。

無料でサインアップしてアンロック

AI要約

動画コンテンツ、キーポイント、および重要なポイントのAI生成された要約を即座に取得します。

無料でサインアップしてアンロック

翻訳

ワンクリックでトランスクリプトを100以上の言語に翻訳します。任意の形式でダウンロードできます。

無料でサインアップしてアンロック

マインドマップ

トランスクリプトをインタラクティブなマインドマップとして視覚化します。構造を一目で理解できます。

無料でサインアップしてアンロック

トランスクリプトとチャット

動画コンテンツについて質問します。AIを利用してトランスクリプトから直接回答を得られます。

無料でサインアップしてアンロック

トランスクリプトをもっと活用する

無料でサインアップして、インタラクティブビューア、AI要約、翻訳、マインドマップなどをアンロックしてください。クレジットカードは不要です。

    Machine Learning Explicado - 全文書き起こし | YouTubeTranscript.dev