Machine Learning
EM javascript
DEVFEST MACEIÓ🏖
💡Thadeu luz
thadeu.us
-
O quê?
-
Por quê?
-
Como?
📚 O que é aprendizagem de máquina?
você Não coda a solução...
Você mostra exemplos
🥛, 🥚, 🍚 ⇒ 🎂
📝 ( )
(🎂) ⇒ 🥛, 🥚, 🍚
🤖
⇒
⇒
📝
(🎂) ⇒ 🥛, 🥚, 🍚
Features
Labels
Tudo é númerO
(ou "Tensors")
Rank | Shape | |
---|---|---|
1 | 0 | () |
[1] | 1 | (1) |
[[1], [2]] | 2 | (2,1) |
[[[1], [2]], [[3], [4]], [[5], [6]]] |
3 | (3, 2, 1) |
Machine learning é estatística computacional aplicada
Qual é o preço 🏠
Área (feature) | Preço (label) |
---|---|
50m² |
R$ 150 000 |
75m² |
R$ 210 000 |
120m² |
R$ 300 000 |
100m² |
? |
Qual o preço?
Área (m²)
Preço (R$)
Código serve para:
(70%) Formatando dados
- Converter em tensors
- Normalizar/Escalonar
- Misturar, remover, separar features
- Embaralhar, segmentar
(20%) Configurar modelo
(10%) Outros
🧠 Porquê?
⇒
COlunas numéricas
um Número entre 0 e 1
CLASSIFICAção binária
⇒
imagem
um Número entre 0 e 1
CLASSIFICAção binária de imagem
⇒
TEXTO
um Número entre 0 e 1
EMBEDDINGS
⇒
TEXTO
um Número entre 0 e 1
Análise de sentimento
(detectar spam)
⇒
IMAGEM
números entre 0 e 1
DETECÇÃO E LOCALIZAçÃO de OBJETOS
⇒
imagem
um Número
REGRESSÃo de imagem
⇒
TEXTO
TEXTO
TRADUTORES E CHAT BOTS
⇒
SEU PERFIL DO FACEBOOK
um PERFIL PSICOLÓGICO completo, capaz de prever o seu comportamento melhor que sua mãe, incluindo quantas, onde e que tipo de fake news você precisa ver para ser manipulado a mudar seu voto para o candidato que pagar melhor e assim quebrar a democracia?
CAMBRIDGE ANALYTICA
🕵️♀️ IMAGEM ⇒ FALSo/VERDADEIRO
GENERATIVE ADVERSARIAL NETWORKS
👨🎨 NÚMEROS ALEATÓRIOS ⇒ IMAGEM
🎲 COMO?
👹 DEMO
JAVASCRIPT
JAVASCRIPT
O gremlin das linguagens de programação
Tensorflow.js
-
Gravações
-
MÚSICAS
-
ESC-50
🎲 Dados
🎲 Dados
toolbox.google.com/datasetsearch
🎲 Dados
MEYDA
🤖 MODELO
const layers: tf.layers.Layer[] = [
tf.layers.conv1d({
activation: "relu",
filters: 32,
inputShape: [xSize, mfccSize],
kernelSize: [2]
}),
tf.layers.conv1d({ activation: "relu", filters: 48, kernelSize: [2] }),
tf.layers.conv1d({ activation: "relu", filters: 120, kernelSize: [2] }),
tf.layers.maxPooling1d({ poolSize: 2 }),
tf.layers.dropout({ rate: 0.25 }),
tf.layers.flatten(),
tf.layers.dense({ units: 128, activation: "relu" }),
tf.layers.dropout({ rate: 0.25 }),
tf.layers.dense({ units: 64, activation: "relu" }),
tf.layers.dropout({ rate: 0.4 }),
tf.layers.dense({ units: 1, activation: "sigmoid" })
];
const model = tf.sequential({ layers });
Obrigado!
Tensorflow.js
By Thadeu Luz
Tensorflow.js
- 377