Aplicações de Machine Learning

Abstract

Este livro aborda cinco diferentes contextos em que as técnicas de aprendizado de máquina podem ser utilizadas, servindo como referência prática em diferentes abordagens, tais como: predição de consumo de energia elétrica, predição do valor do preço do petróleo, classificação de arritmias cardíacas e método para a seleção automática de artigos. Estas aplicações são explanadas pelos autores e diferentes técnicas de aprendizado de máquina são utilizadas, dentre elas: redes neurais (Dense, convolucional, recorrentes, Perceptron multicamadas, Elman e Jordan), Naïve Bayes e mineração de textos. Para a aplicação os autores empregam os softwares (linguagens de programação) Python e R. Com o objetivo de apresentar aplicações de algumas das técnicas com destaque na atualidade, primeiramente há um descritivo a respeito de cada abordagem e então, são reportados os treinamentos dos modelos de aprendizado de máquina e os resultados. As técnicas incluem classificação, regressão e também mineração de texto. As possíveis abordagens para os problemas relatados não se restringem às técnicas utilizadas, mas a intenção é motivar o leitor a explorar aplicações na área de aprendizado de máquina. O livro é destinado a profissionais, estudantes, pesquisadores e demais interessados no tema aprendizado de máquina, estatística e áreas relacionadas a fim de colaborar com a explanação de possibilidades de aplicações destas técnicas em contextos diversos. Presume-se que o leitor esteja familiarizado com os conceitos básicos de machine learning, álgebra linear, probabilidade, e análise de algoritmos. A intenção com esta obra é, primordialmente, explicar as possibilidades de aplicação dos algoritmos elencados. Nos capítulos 1 e 2 as técnicas de redes neurais artificiais são aplicadas para a predição de preço do valor de petróleo e consumo de energia elétrica, respectivamente. Tais técnicas tratam de modelos computacionais inspirados no sistema nervoso central de um animal. Elas são apresentadas como um sistema de neurônios interconectados, que podem computar valores de entradas, simulando o comportamento de redes neurais biológicas. Na primeira abordagem a autora utiliza as redes Perceptron multicamadas, Elman e Jordan, já na segunda o autor faz uso das redes híbridas Dense, convolucional e recorrente. No capítulo 3 é tratada a classificação de arritmias cardíacas e, além da técnica de Naïve Bayes também é utilizada a Transformada Wavelet, que é uma transformada integral que utiliza função wavelets que são capazes de decompor determinado sinal (dado) em diferentes escalas. Além desta, também é empregada uma técnica de Ensemble, que encapsula os modelos obtidos por vários algoritmos de aprendizagem a fim de obter uma única predição global. Por fim, no capítulo 4 é abordado um método para a seleção automática de artigos. Para isto, é utilizado mineração de texto, que trata do processo de obtenção de informações importantes de um texto.