Átila, ainda que a OpenAI não tenha vencido num cenário 5v5, vale destacar que ela conseguiu vencer alguns dos melhores jogadores de DOTA2 num cenário 1v1. Curioso foi que, aprendendo com ela mesma, ela aprendeu uma estratégia muito comum, o "bait". Ela propositalmente recebia dano, aumentando a confiança do jogador que jogava contra ela, que, ao tomar uma postura agressiva, caía na armadilha.
Paulo Belarmino curiosamente foi a mesma estratégia que a Skynet usou no filme 4 de exterminador do futuro pois no filme à inteligência artificial cria uma falsa chance de vitória para resistência. Como a resistência não resistiu em usar essa “chance” acabaram dando a localização deles mesmos e foram destruídos... ops desculpa pelo spoiler...
Essa IA está muito longe de poder competir com os jogadores comuns, tem muita coisa pré determinada na partida. Daqui alguns anos sim, vai ser um embate crível.
sim, sim. No caso do 1v1 eles jogam em uma situação muito específica. Mas mesmo assim, pra mim, o fato dela ter conseguido vencer, ainda que nesse ambiente, tendo aprendido sozinha tudo o que sabe sobre o jogo, é um progresso e tanto na direção certa! Os próprios jogadores comentam no vídeo que são necessárias pelo menos 12 mil horas de jogo pra ser um jogador em nível profissional. São muitas habilidades e situações imprevisíveis que requerem decisões e combinações de ações...
Estou assistindo a este vídeo no início de 2023 e rindo do final dele, onde foi dito que levaria décadas para uma I.A vencer em um jogo de StarCraft. O vídeo é de 2018, e em 2019 já ganhava facilmente, haha.
O Google é o rei do machine learning. Atualmente, além dos carros autônomos, aprendeu tudo sobre línguas (além de corrigir o que você digita, ele já busca automaticamente por sinônimos) e está desenvolvendo uma plataforma de anúncios nova, capaz de rastrear a navegação de um usuário na internet e prever sites que ele acessará futuramente por conta de seus interesses
Cara, tem um artigo do Estadão que fala sobre isso que pode ser um primeiro passo. O nome dele é "Google dá ‘salto’ na inteligência artificial". Dá uma olhada também na Teachable Machine, um site do Google que te faz usar câmera e algumas outras funções do teu pc pra mostrar como é o funcionamento básico de machine learning (dá pra experienciar algumas coisas aqui do vídeo mesmo)
Excelente vídeo Átila! Uma correção imporante: aprendizado por reforço NÃO necessariamente envolve deep learning e redes neurais (ou vice-versa) como tu explicas no vídeo. São técnicas diferentes que podem ser combinadas. O Q-learning (técnica de aprendizado por reforço) por exemplo, dá "recompensas" ao algoritmo quando este realiza uma escolha eficiente, sem necessidade de adaptações. O mesmo, no entanto, não é considerado deep learning, tendo uma variação da técnica que utiliza redes neurais para tanto (Deep Q-learning).
era exatamente o que eu ia comentar... Deep learning pode ser aplicado para qualquer tipo de aprendizado, seja supervisionado, não-supervisionado ou por reforço
Oi Carlos, acredito que ele não tenha tido essa intenção, mas da maneira que foi explicado aos 4:00, dá a entender que o deep learning seria um subset do aprendizado por reforço, o que não é verdadeiro. No meu mestrado trabalhei com técnicas de aprendizado por reforço e a aplicação de redes neurais e deep learning foram alternativas que estudei ao que propus.
Então se voce trabalhar com o mesmo conjunto de dados sempre acontece que em um determinado momento ao invés de você prever o comportamento dos dados você passa a ter overfitting, que é ajustar uma reta para passar em todos os pontos (por exemplo). Para saber o ponto ideial para parar a gente divide o conjunto de dados em dados para treino e para teste. A rede calcula os parametros para o primeiro (maior parte dos dados... eu uso 80%) e depois tenta prever os dados de teste. Se o erro para os dados de teste começar a aumentar é um indício de overfitting e o algoritmo para no menor erro. Claro que você pode fazer inserções de novos dados e daí melhorar cada vez mais a rede. Por exemplo: eu prevejo a densidade do vidro com a rede, daí eu vou e meço no laboratório. Provavelmente vai ter uma diferença por conta do erro associado a previsão da rede. Entao eu insiro esse valor que eu medi e a rede pode melhorar a previsão dela a partir disso :) Eu trabalho com algoritmo supervisionado.
Graziela Pentean Uma correção, o fato de você trabalhar com o mesmo conjunto de dados não necessariamente vai levar a overfitting, se você adicionar uma quantidade maior de dados a um próximo modelo e esses dados estiverem enviesado (com alto bias) a hipótese do seu modelo pode não ter uma ajuste legal, levando ao underfitting, caso contrário, se você adicionou mais exemplos de treinamentos (vamos assumir que os dados não estão enviesados) mas a ordem dos polinômios da sua hipótese é alta, esse modelo pode se ajustar demais, ai sim levando ao overfitting. Ou seja, um bom modelo não depende apenas da separação (80|20 por exemplo) de dados de validação e teste ou a adição de novos exemplos, você pode até conseguir uma percentual de acerto legal, mas você sempre consegue melhorar (a ponto de fazer uma tremenda diferença) se você der prioridade ao pré-processamento (EDA, geração de variáveis, tratamento de outliers entre outras técnicas) e a definição de hiperparametros do modelo.
Tenho orgulho de ter feito Psicologia e ter escolhido a abordagem behaviorista. Graças ao behaviorismo temos o cerne de todo esse entendimento das construções desses algoritmos
no dota 2 , o uso de itens certos pra jogar contra inimigos especificos e muito importante, voce nao compra os mesmo itens para o mesmo heroi em cada partida, sempre varia muito em cada partida.
Sim depende se for tank,mago,assasino. Erro comum de inciante fazer a mesma build em toda partida mesmo o inimigo sendo magico ou guerreiro ai ele perde por falta de resistencia fisica ou magica tmb. Falta de itens contra atordoamento. Se pega um time de 3 pessoas que dão stun e vc nao faz nenhum ja era. Ou contra o anti mage nao fazer itens que aumentam a sua mana etc
O aprendizado de reforço seria inviável em algumas situações, como se por exemplo se eu não soubesse que pular de um prédio me mataria, eu pularia para aprender, mas morreria, BUGUEI.
6 лет назад+2
Gosto dos vídeos do canal e de tecnologia - sou formado em Ciência da Computação. Mas sinto falta dos vídeos clássicos sobre Biologia, Física, Social e Psicologia. O conteúdo era mais exclusivo do que falar de tópicos de computação que já tem cobertura muitos maior nos mais variados graus por aí.
2 meses atrás eu assisti esse vídeo, que hoje me ajudou no desenvolvimento de minha redação no Enem, gostaria de agradecer a toda equipe do Nerdologia e dizer que o trabalho de vocês ajuda bastante muitos jovens assim como eu, não irei abandonar esse canal por tão cedo!
Muitissssssimo bem feito esse vídeo. Parabéns. Eu trabalho na área e nunca poderia ter feito algo tão didático e atual. Única coisa é o comentário de como o cérebro funciona, acho mais adequado dizer que "se inspiram no cerebro".
Esse video é muito top, para uma rede neural identificar é só mostrar o que é moto e o que é pessoa para isso mostrar para ele varios tipos de motos e de pessoas. Mostrar a pessoa subindo na moto e pilotando assim que a rede neural vai saber que diferença entre uma pessoa da moto.
Machine Learning é muito foda, tipo, tu usando o negócio e com o tempo ele melhora seu algoritmo. Não tem coisa mais futurista que isso. Imagina isso daqui a 40 anos.
Meu professor de física comentou sobre Go na faculdade, ainda em 2011... Finalmente conseguiram fazer um programa capaz de derrotar o campeão. impressionante.
Eu estou fazendo mestrado em Inteligencia computacional e a área é simplesmente incrível. Talvez pudesse aprofundar nas várias tipos de redes neurais, que não são só um, mas vc tem a MPL (Multi-layer-perceptron), para fitting ou agrupamento de dados, tem as RBF (rede função base radial) que pode ser usado para clusterização ou até algumas técnicas de computação evolutiva que parte das teorias de darwin para selecionar, cruzar e mutar os resultados. Fuzzy seria legal tbm
Tem alguns livros que dá uma base sobre o assunto. Vou passar meu link dos livros drive.google.com/file/d/1lnSN2QMeeNYDZscyzd2bjGmhRUBGpbsY/view?usp=sharing drive.google.com/file/d/0BwYmbMcHNcSwZHZVY1FiV3lobHc/view?usp=sharing Mas os livros só vão de dar uma ideia geral sobre Inteligencia computacioanal. Aconselho, logo depois de ler os livross, ir para programas para a criação as redes neurais. Softwares mais comuns, R, MATLAB, PYTHON, SCILAB. Fora o MATLAB os outros são gratuitos. Lembrando que esses softwares não são especificamente para criação e treinamento de redes neurais, mas eles tem toolboxes que permitem fazer isso. Aconselho a comprar cursos da UDEMY que tbm são muito bons. sucesso
cabe lembrar que o RUclips usa essas redes neurais para sugerir videos e quanto mais eu assisto o Nerdologia mais a rede sugere pois sabe que isso faz todo sentido intelectual
Parabéns! Iniciei uma pós graduação em Criação de Conteúdo e Análise de MídiasDigitais. Na primeira aula, seu vídeo estava no cronograma. Super didático. Abraço!
Podiam fazer um nerdologia sobre a datação por carbono 14, como é feita e qual a confiabilidade da equação utilizada pra isso, obrigado pelas horas de diversão e da conhecimente.
Sério? Acabou te perguntar quais temas são mais prometidos e não entregueis e já promete mais um no final do vídeo. Tá de parabéns Atila. Faz mais promessas que a gente adora ficar ansiosos. kkkkk
Que vídeo INCRÍVEL! Nerdologia continua conseguindo me surpreender com seus vídeos.. Tive contato com machine learning em um Hackathon na IBM há um tempo (sou designer, integrei o time com essa função), mas NUNCA tinham me explicado tantos detalhes sobre o tema, de forma tão simples para nós meros mortais-não-programadores! Parabéns!! 👊🏻
Seria interessante fazer um vídeo explicando funcionamento da impressora , também sobre onde e armazenado as informações da internet e ainda sobre de onde começa o primeiro sinal de internet do planeta
Maneiro é saber que a base teórica dessas redes neurais, é o Modelo Ising, utilizado principio para descrever o magnetismo. Física teórica aplicada nas nossas vidas.
Boa Noite Atila e pessoal do Nerdologia, gostaria que vocês fizessem um vídeo do Nerdologia tech um episódio sobre Redes GANs - Redes Gerativas Adversárias.... vlw ..
Nome bonito para estatística aplicada. Inteligência como humana ate agora é impossível e tão cedo não teremos o que temos são códigos que a máquina segue.
Ótimo vídeo como sempre Átila! Vou dar apenas algumas sugestões... 1. No Hal tava escrito "Analizando..." Não sei se foi proposital ou se foi um erro mesmo xD 2. As Redes Neurais Profundas (DNN) podem seguir vários paradigmas (Aprendizado Supervisionado, Não Supervisionado, Por Reforço, Semi-Supervisionado) não ficando restritas apenas ao Aprendizado Por Reforço. Inclusive, um mesmo modelo pode ser utilizado/adaptado para diversos paradigmas 3. Quando você diz que "[...] usando um mundo de dados, coletados pela Ciência de Dados [...]" dá a entender que os dados utilizados pelos algoritmos estão restritos aos dados reunidos por uma área específica (como se houvesse uma certa dependência) o que não é necessariamente verdade. Interpretando a Ciência de Dados em todo os seu escopo, na maior parte dos casos, ambas áreas (DS e ML) coletam dados "da mesma fonte" (sejam eles estruturados ou não) e os utilizam para propósitos específicos, como, KDD para Data Science e, no caso do ML, "o desenvolvimento de máquinas/sistemas capazes de aprimorar seu desempenho em uma determinada tarefa através da experiência". Logo os dados (que fazem parte da experiência). Além disso, as informações resultantes produzidas tanto pelos algoritmos de ML, quanto pelo KDD podem ser usadas para novos processos um pelo o outro e vice-versa. Por exemplo, você pode produzir um zilhão de resultados por diferentes algoritmos em diferentes tarefas e paradigmas e então usar estratégias de análise dados (Data Science) para encontrar informações relevantes sobre.
Olá Átila! Faço engenharia elétrica na UFTM e deixo uma recomendação de livro sobre Redes Neurais Artificias: Redes Naurais Artificiais para Engenharia e Ciências Aplicadas - Ivan Nunes da Silva et all
kkkkkkkkkk até hoje me surpreendo com as pessoas que dão um dislike em um vídeo assim, Mas vai que de repente o cara é muito fã de LoL e tenha ficado puto pelo Atila ter utilizado como exemplo o Dota.
Oi Átila! Reparei em um pequeno erro em uma das imagens, aos 1:25 o computador mostra as jogadas possíveis mas o jogador com o "X" já teria ganhado na diagonal. Só isso mesmo, ótimo vídeo como sempre!
Morria de rir toda vez que o Exterminador do Futuro aparecia com uma caixa de diálogo, e acabava perdendo a atenção. Mas posso afirmar que foi um ótimo episódio como sempre. Adorei o vídeo!
@ATECH-INFO faz parte da consciência... (caso a inteligência artificial consiga alcança-la) ...Saber seus limites Saber/tentar do que é capaz Ou ao menos Se questionar?
6:50 a grande questao pro dota e pro starcraft é que o computador precisa sondar e ver as tropas do inimigo antes mesmo e criar tropas counter, é só assim que vai vencer 1 humano, mas quero estar vivo pra ver isso dar certo, porque quando eu jogava age of mitology, a unica coisa que mudava é o handcap ou seja, o computador com velocidade mais rapida pra coletar recursos, so assim pra vencer se nao for isso nao consegue superar milhares de calculos pelo menos por enquanto
Só digo uma coisa, jamais vou abandonar o cheiro de gasolina, o ronco do carburador desrregulado, o trabalho q da pra manter um carro antigo em boas condições, eu busco o futuro mas levo meu amor por motores e carros juntos
Peço um programa sobre o controle e armamento civil. Analisar se a liberação do armamento civil foi eficaz ou não para a diminuição da criminalidade em lugares que é permitido, dados sobre acidentes com armas em comparação das duas situações e outros relevantes.
Só um detalhe, você não precisa utilizar aprendizado de máquina para todas as tarefas inteligentes, por exemplo, diversos chatbots respondem com precisão a sua pergunta mesmo sem utilizar este tipo de técnica, usam apenas equações matemáticas para comparar as palavras da pergunta com as existentes na resposta e calcular a probabilidade de chance de ser aquela a resposta desejada, e apenas exibem a resposta com maior probabilidade, pra isso basta dar a ele um grande número de respostas a possíveis perguntas ou ensinar ele a pesquisar no Wikipedia por exemplo usando filtros para separar código HTML de texto.
Nerdologia sobre *bateria biológica* Nerdologia sobre *bateria de gravidade* Nerdologia sobre *pesquisa eleitoral* Nerdologia sobre *gagueira* Nerdologia sobre *paralisia do sono* Nerdologia sobre *reconstrução celular dos herois nos quadrinhos* Nerdologia sobre *Nicolas Tesla* Nerdologia sobre *Evolução das baterias*
Ótimo vídeo Átila! Porém creio que seria mais correto se referir ao aprendizado humano como aprendizagem por consequências, e não somente por reforço. Isso se dá pois a modelagem do comportamento humano ocorre pelo efeito retroativo das consequências geradas por uma resposta emitida, sendo reforçada ou punida, mas em ambos os casos gerando aprendizagem, isso tudo em uma perspectiva behaviorista, claro. Um abraço!
Oi Atila! Aqui, amei a imagem do robo que aparece em 0:23 do video, achei uma representação muito legal de ML. Teria como voce disponibiliza-la para mim por favor? Faço pesquisa em ML na UFMG adoraria te-la como wallpaper.
![Stromae, Pomme - “Ma Meilleure Ennemie” (from Arcane Season 2) [Official Visualizer]](http://i.ytimg.com/vi/1F3OGIFnW1k/mqdefault.jpg)
Átila, ainda que a OpenAI não tenha vencido num cenário 5v5, vale destacar que ela conseguiu vencer alguns dos melhores jogadores de DOTA2 num cenário 1v1. Curioso foi que, aprendendo com ela mesma, ela aprendeu uma estratégia muito comum, o "bait". Ela propositalmente recebia dano, aumentando a confiança do jogador que jogava contra ela, que, ao tomar uma postura agressiva, caía na armadilha.
Aqui tem um link falando sobre: ruclips.net/video/jAu1ZsTCA64/видео.html
Paulo Belarmino curiosamente foi a mesma estratégia que a Skynet usou no filme 4 de exterminador do futuro pois no filme à inteligência artificial cria uma falsa chance de vitória para resistência. Como a resistência não resistiu em usar essa “chance” acabaram dando a localização deles mesmos e foram destruídos... ops desculpa pelo spoiler...
Essa IA está muito longe de poder competir com os jogadores comuns, tem muita coisa pré determinada na partida. Daqui alguns anos sim, vai ser um embate crível.
Mas no fim, ele não ganham?
sim, sim. No caso do 1v1 eles jogam em uma situação muito específica. Mas mesmo assim, pra mim, o fato dela ter conseguido vencer, ainda que nesse ambiente, tendo aprendido sozinha tudo o que sabe sobre o jogo, é um progresso e tanto na direção certa! Os próprios jogadores comentam no vídeo que são necessárias pelo menos 12 mil horas de jogo pra ser um jogador em nível profissional. São muitas habilidades e situações imprevisíveis que requerem decisões e combinações de ações...
Estou assistindo a este vídeo no início de 2023 e rindo do final dele, onde foi dito que levaria décadas para uma I.A vencer em um jogo de StarCraft. O vídeo é de 2018, e em 2019 já ganhava facilmente, haha.
O Google é o rei do machine learning. Atualmente, além dos carros autônomos, aprendeu tudo sobre línguas (além de corrigir o que você digita, ele já busca automaticamente por sinônimos) e está desenvolvendo uma plataforma de anúncios nova, capaz de rastrear a navegação de um usuário na internet e prever sites que ele acessará futuramente por conta de seus interesses
Baidu em segundo lugar
Eu gostaria de ler mais sobre isso, você recomenda algum material?
Cara, tem um artigo do Estadão que fala sobre isso que pode ser um primeiro passo. O nome dele é "Google dá ‘salto’ na inteligência artificial". Dá uma olhada também na Teachable Machine, um site do Google que te faz usar câmera e algumas outras funções do teu pc pra mostrar como é o funcionamento básico de machine learning (dá pra experienciar algumas coisas aqui do vídeo mesmo)
.
Eu votaria no Watson, da IBM. Muito deep learning que agora atua como cozinheiro, médico, advogado, professor...
Ainda assim nao Consefue me dar o Nome de uma Misera Por$Star ....
Faz um tempo que não vejo os vídeos do Nerdologia mas adorei essas "telas deslizantes" muito mais fácil de acompanhar!
será que logo estaremos vendo gameplays de maquinas te substituindo no oxygen not include?
Mechjeb já substituiu o Renan
Caramba, só notei o detalhe das telas deslizantes depois que terminei de assistir e vi o seu comentário. Eu sou desligado mesmo.
*Átila por favor faz um Nerdologia sobre física quântica e teoria das cordas.*
Excelente vídeo Átila! Uma correção imporante: aprendizado por reforço NÃO necessariamente envolve deep learning e redes neurais (ou vice-versa) como tu explicas no vídeo. São técnicas diferentes que podem ser combinadas. O Q-learning (técnica de aprendizado por reforço) por exemplo, dá "recompensas" ao algoritmo quando este realiza uma escolha eficiente, sem necessidade de adaptações. O mesmo, no entanto, não é considerado deep learning, tendo uma variação da técnica que utiliza redes neurais para tanto (Deep Q-learning).
era exatamente o que eu ia comentar... Deep learning pode ser aplicado para qualquer tipo de aprendizado, seja supervisionado, não-supervisionado ou por reforço
Lucas Bondan Ele não falou isso (pelo menos não entendi isso)
Pois é, e a rede que aprende a reconhecer o rosto da Sarah não tem a ver com aprendizado por reforço.
Oi Carlos, acredito que ele não tenha tido essa intenção, mas da maneira que foi explicado aos 4:00, dá a entender que o deep learning seria um subset do aprendizado por reforço, o que não é verdadeiro. No meu mestrado trabalhei com técnicas de aprendizado por reforço e a aplicação de redes neurais e deep learning foram alternativas que estudei ao que propus.
Meu tema de mestrado
que massa
o algoritmo vai sendo sempre aperfeiçoado ou vc chega num ponto de estagnaçao? sempre tive essa duvida
Então se voce trabalhar com o mesmo conjunto de dados sempre acontece que em um determinado momento ao invés de você prever o comportamento dos dados você passa a ter overfitting, que é ajustar uma reta para passar em todos os pontos (por exemplo). Para saber o ponto ideial para parar a gente divide o conjunto de dados em dados para treino e para teste. A rede calcula os parametros para o primeiro (maior parte dos dados... eu uso 80%) e depois tenta prever os dados de teste. Se o erro para os dados de teste começar a aumentar é um indício de overfitting e o algoritmo para no menor erro. Claro que você pode fazer inserções de novos dados e daí melhorar cada vez mais a rede. Por exemplo: eu prevejo a densidade do vidro com a rede, daí eu vou e meço no laboratório. Provavelmente vai ter uma diferença por conta do erro associado a previsão da rede. Entao eu insiro esse valor que eu medi e a rede pode melhorar a previsão dela a partir disso :)
Eu trabalho com algoritmo supervisionado.
queria dados pra fazer uma rede neural convolucional pra me ajudar a escolher laranja na feira, tá chato se distrair e colocar umas laranjas cascudas
Meu futuro tema de mestrado :D
Graziela Pentean Uma correção, o fato de você trabalhar com o mesmo conjunto de dados não necessariamente vai levar a overfitting, se você adicionar uma quantidade maior de dados a um próximo modelo e esses dados estiverem enviesado (com alto bias) a hipótese do seu modelo pode não ter uma ajuste legal, levando ao underfitting, caso contrário, se você adicionou mais exemplos de treinamentos (vamos assumir que os dados não estão enviesados) mas a ordem dos polinômios da sua hipótese é alta, esse modelo pode se ajustar demais, ai sim levando ao overfitting. Ou seja, um bom modelo não depende apenas da separação (80|20 por exemplo) de dados de validação e teste ou a adição de novos exemplos, você pode até conseguir uma percentual de acerto legal, mas você sempre consegue melhorar (a ponto de fazer uma tremenda diferença) se você der prioridade ao pré-processamento (EDA, geração de variáveis, tratamento de outliers entre outras técnicas) e a definição de hiperparametros do modelo.
Tenho orgulho de ter feito Psicologia e ter escolhido a abordagem behaviorista. Graças ao behaviorismo temos o cerne de todo esse entendimento das construções desses algoritmos
O Átila é inteligente pra carai. Dá até inveja do tanto de conhecimento sobre diversos assuntos que ele domina
Atila, faz um nerdologia sobre a urna eletrônica e sua confiabilidade, e um sobre como funciona a norma do segundo turno.
no dota 2 , o uso de itens certos pra jogar contra inimigos especificos e muito importante, voce nao compra os mesmo itens para o mesmo heroi em cada partida, sempre varia muito em cada partida.
Sim depende se for tank,mago,assasino. Erro comum de inciante fazer a mesma build em toda partida mesmo o inimigo sendo magico ou guerreiro ai ele perde por falta de resistencia fisica ou magica tmb. Falta de itens contra atordoamento. Se pega um time de 3 pessoas que dão stun e vc nao faz nenhum ja era. Ou contra o anti mage nao fazer itens que aumentam a sua mana etc
O aprendizado de reforço seria inviável em algumas situações, como se por exemplo se eu não soubesse que pular de um prédio me mataria, eu pularia para aprender, mas morreria, BUGUEI.
Gosto dos vídeos do canal e de tecnologia - sou formado em Ciência da Computação. Mas sinto falta dos vídeos clássicos sobre Biologia, Física, Social e Psicologia. O conteúdo era mais exclusivo do que falar de tópicos de computação que já tem cobertura muitos maior nos mais variados graus por aí.
2 meses atrás eu assisti esse vídeo, que hoje me ajudou no desenvolvimento de minha redação no Enem, gostaria de agradecer a toda equipe do Nerdologia e dizer que o trabalho de vocês ajuda bastante muitos jovens assim como eu, não irei abandonar esse canal por tão cedo!
Muitissssssimo bem feito esse vídeo. Parabéns. Eu trabalho na área e nunca poderia ter feito algo tão didático e atual. Única coisa é o comentário de como o cérebro funciona, acho mais adequado dizer que "se inspiram no cerebro".
Esse video é muito top, para uma rede neural identificar é só mostrar o que é moto e o que é pessoa para isso mostrar para ele varios tipos de motos e de pessoas. Mostrar a pessoa subindo na moto e pilotando assim que a rede neural vai saber que diferença entre uma pessoa da moto.
Amo nerdologia. Vocês poderiam fazer um vídeo sobre Internet da Coisas.
Machine Learning é muito foda, tipo, tu usando o negócio e com o tempo ele melhora seu algoritmo. Não tem coisa mais futurista que isso. Imagina isso daqui a 40 anos.
Faz um vídeo sobre a cidade de Nazca e os seus desenhos.
Vocês fazem um ótimo trabalho.
*Nerdologia - OASIS ( Jogador número 1 )*
Nerdologia é foda, toda vez que eu reassisto os mesmos videos eu aprendo mais
Meu professor de física comentou sobre Go na faculdade, ainda em 2011... Finalmente conseguiram fazer um programa capaz de derrotar o campeão. impressionante.
Eu estou fazendo mestrado em Inteligencia computacional e a área é simplesmente incrível. Talvez pudesse aprofundar nas várias tipos de redes neurais, que não são só um, mas vc tem a MPL (Multi-layer-perceptron), para fitting ou agrupamento de dados, tem as RBF (rede função base radial) que pode ser usado para clusterização ou até algumas técnicas de computação evolutiva que parte das teorias de darwin para selecionar, cruzar e mutar os resultados. Fuzzy seria legal tbm
Desculpa incomodar, mas eu gostaria muito de saber se existe algum livro ou alguma fonte inicial, mas conceitual e bem estruturada, sobre o assunto?
Tem alguns livros que dá uma base sobre o assunto. Vou passar meu link dos livros drive.google.com/file/d/1lnSN2QMeeNYDZscyzd2bjGmhRUBGpbsY/view?usp=sharing
drive.google.com/file/d/0BwYmbMcHNcSwZHZVY1FiV3lobHc/view?usp=sharing
Mas os livros só vão de dar uma ideia geral sobre Inteligencia computacioanal. Aconselho, logo depois de ler os livross, ir para programas para a criação as redes neurais. Softwares mais comuns, R, MATLAB, PYTHON, SCILAB. Fora o MATLAB os outros são gratuitos. Lembrando que esses softwares não são especificamente para criação e treinamento de redes neurais, mas eles tem toolboxes que permitem fazer isso. Aconselho a comprar cursos da UDEMY que tbm são muito bons. sucesso
Já estudei redes neurais na universidade. TOP!
Muito agradecido ao nerdologia por me fazer a voltar a querer aprender.
Ahh essa trilha do Trent Reznor no fundo, nunca me canso
Fica a sugestão, vídeo sobre os diferentes modelos de estudo (ensaio clínico, caso controle, coorte...)
cabe lembrar que o RUclips usa essas redes neurais para sugerir videos e quanto mais eu assisto o Nerdologia mais a rede sugere pois sabe que isso faz todo sentido intelectual
Parabéns! Iniciei uma pós graduação em Criação de Conteúdo e Análise de MídiasDigitais. Na primeira aula, seu vídeo estava no cronograma. Super didático. Abraço!
Faz um nerdologia sobre Teoria das Cordas, amo esse canal!
Valeu. Vou usar como conteúdo pré-aula.
Podiam fazer um nerdologia sobre a datação por carbono 14, como é feita e qual a confiabilidade da equação utilizada pra isso, obrigado pelas horas de diversão e da conhecimente.
Nerdologia sobre BCI (interface cérebro-computador)
os cursos da alura são muito bons eu fiz um de php e aprendi muito rapido! Obrigado nerdologia
maquinas aprendendo a aprender.....gostei vou contratar a umbrella....
Cara , o atila conseguiu linkar o meu Dotinha com o Machine Learning
Que isso cara agora sim eu fiquei comedo das maquinas. Falando serio estamos cavando nossa sepultura!
Sério? Acabou te perguntar quais temas são mais prometidos e não entregueis e já promete mais um no final do vídeo. Tá de parabéns Atila. Faz mais promessas que a gente adora ficar ansiosos. kkkkk
Átila, fale sobre o algoritmo Marching Cubes, por favor!
Que vídeo INCRÍVEL! Nerdologia continua conseguindo me surpreender com seus vídeos.. Tive contato com machine learning em um Hackathon na IBM há um tempo (sou designer, integrei o time com essa função), mas NUNCA tinham me explicado tantos detalhes sobre o tema, de forma tão simples para nós meros mortais-não-programadores! Parabéns!! 👊🏻
Seria interessante fazer um vídeo explicando funcionamento da impressora , também sobre onde e armazenado as informações da internet e ainda sobre de onde começa o primeiro sinal de internet do planeta
Opa, nerdologia tech q é meu favorito saiu bem no dia do meu niver
A cada dia mais didático e bem feito! Não consigo parar de assistir! Parabéns Átila! 😃👏🏻👏🏻👏🏻
Maneiro é saber que a base teórica dessas redes neurais, é o Modelo Ising, utilizado principio para descrever o magnetismo. Física teórica aplicada nas nossas vidas.
Façam um Nerdologia sobre Pokémons plantas.
Faz um nerdologia sobre troca de corpos
Boa Noite Atila e pessoal do Nerdologia, gostaria que vocês fizessem um vídeo do Nerdologia tech um episódio sobre Redes GANs - Redes Gerativas Adversárias.... vlw ..
Faz um nerdologia sobre o escudo de Luz ou escudo de energia
Como eu amo o Nerdologia!!
Nome bonito para estatística aplicada. Inteligência como humana ate agora é impossível e tão cedo não teremos o que temos são códigos que a máquina segue.
Um nerdologia sobre a Revolta da Cabanagem, por favor!
Isso tudo é muito interessante! Quero cada vez mais saber de tudo!
No próximo nerdologia tech, poderia falar um pouco sobre a Sophia.
Podia recomendar o livro Como criar uma mente, aborda o assunto de forma excelente
Toda vez eu me surpreendo com o nerdologia
Ei Nerd faz um vídeo falando sobre o campo de força magnética eu acho interessante e se seria possível existe isso na realidade
Ótimo vídeo como sempre Átila!
Vou dar apenas algumas sugestões...
1. No Hal tava escrito "Analizando..." Não sei se foi proposital ou se foi um erro mesmo xD
2. As Redes Neurais Profundas (DNN) podem seguir vários paradigmas (Aprendizado Supervisionado, Não Supervisionado, Por Reforço, Semi-Supervisionado) não ficando restritas apenas ao Aprendizado Por Reforço. Inclusive, um mesmo modelo pode ser utilizado/adaptado para diversos paradigmas
3. Quando você diz que "[...] usando um mundo de dados, coletados pela Ciência de Dados [...]" dá a entender que os dados utilizados pelos algoritmos estão restritos aos dados reunidos por uma área específica (como se houvesse uma certa dependência) o que não é necessariamente verdade.
Interpretando a Ciência de Dados em todo os seu escopo, na maior parte dos casos, ambas áreas (DS e ML) coletam dados "da mesma fonte" (sejam eles estruturados ou não) e os utilizam para propósitos específicos, como, KDD para Data Science e, no caso do ML, "o desenvolvimento de máquinas/sistemas capazes de aprimorar seu desempenho em uma determinada tarefa através da experiência". Logo os dados (que fazem parte da experiência). Além disso, as informações resultantes produzidas tanto pelos algoritmos de ML, quanto pelo KDD podem ser usadas para novos processos um pelo o outro e vice-versa.
Por exemplo, você pode produzir um zilhão de resultados por diferentes algoritmos em diferentes tarefas e paradigmas e então usar estratégias de análise dados (Data Science) para encontrar informações relevantes sobre.
Cara seria bacana um nerdologia de história sobre o duque de Caxias
Faz um nerdologia sobre a biokinesis, plz.
Aprendendo com pessoas e com máquinas sempre!
Olá Átila! Faço engenharia elétrica na UFTM e deixo uma recomendação de livro sobre Redes Neurais Artificias: Redes Naurais Artificiais para Engenharia e Ciências Aplicadas - Ivan Nunes da Silva et all
como alguém da dislike nisso ?
kkkkkkkkkk até hoje me surpreendo com as pessoas que dão um dislike em um vídeo assim, Mas vai que de repente o cara é muito fã de LoL e tenha ficado puto pelo Atila ter utilizado como exemplo o Dota.
Sempre tem gente que não gosta de nada.
Ser o unico que deu dislike>>>ser um dos milhares que deram like hahahahaha
bot
Quando o cara chega aqui procurando nerdice baseada em anime, e vê uma aula de informática.
Sensacional!! Aumentou minha vontade de fazer um curso sobre data science.
Por que que o Nerdologia não faz um E se? Com sugestões dos inscritos.
Oi Átila! Reparei em um pequeno erro em uma das imagens, aos 1:25 o computador mostra as jogadas possíveis mas o jogador com o "X" já teria ganhado na diagonal. Só isso mesmo, ótimo vídeo como sempre!
Parabéns por esse e outros vídeos! Conseguem variar o conteúdo sem deixar a qualidade dos mesmo cair! 👏
Sou cético em relação ao alcance desta tecnologia, principalmente redes neurais.
Nerdologia fez um episódio sobre o tema do meu TCC, to emocionado :')
Pensávamos que faltavam décadas, e foram duas décadas! Estávamos certos, não?
aah malandro, bem pescado :D
Morria de rir toda vez que o Exterminador do Futuro aparecia com uma caixa de diálogo, e acabava perdendo a atenção. Mas posso afirmar que foi um ótimo episódio como sempre. Adorei o vídeo!
Fale sobre crises!!!! Pânico/ ansiedade..
Vídeo massa! 02:44 analiZando → analiSando
Uma sugestão de tema seria a Fisiologia da raça Sayajin.
Sou muito fã desse canal ! Parabéns Atila e aos demais envolvidos pelo trabalho perfeito !
@ATECH-INFO faz parte da consciência...
(caso a inteligência artificial consiga alcança-la)
...Saber seus limites
Saber/tentar do que é capaz
Ou ao menos
Se questionar?
6:50 a grande questao pro dota e pro starcraft é que o computador precisa sondar e ver as tropas do inimigo antes mesmo e criar tropas counter, é só assim que vai vencer 1 humano, mas quero estar vivo pra ver isso dar certo, porque quando eu jogava age of mitology, a unica coisa que mudava é o handcap ou seja, o computador com velocidade mais rapida pra coletar recursos, so assim pra vencer se nao for isso nao consegue superar milhares de calculos pelo menos por enquanto
Só digo uma coisa, jamais vou abandonar o cheiro de gasolina, o ronco do carburador desrregulado, o trabalho q da pra manter um carro antigo em boas condições, eu busco o futuro mas levo meu amor por motores e carros juntos
hora de atualizar esse video atila, hehe. show !!!
Ele citou o livro "O Algoritmo Mestre", recomendo muito!
Faz um sobre aprimoramento cibernético estilo cyberpunk, o que seria possível fazer para que o corpo humano não rejeite esses implantes.
Átila citou meu dotinhaaaa 😍😍
Nós do Canal Curiando Amamos o conteúdo de vocês. Continuem com o ótimo trabalho. ^^
Professor Que tal o Nerdologia de Geografia e de Biologia.......Pois;o Nerdologia técnico é um Espetáculo de Conhecimento Científico....
Peço um programa sobre o controle e armamento civil. Analisar se a liberação do armamento civil foi eficaz ou não para a diminuição da criminalidade em lugares que é permitido, dados sobre acidentes com armas em comparação das duas situações e outros relevantes.
Só um detalhe, você não precisa utilizar aprendizado de máquina para todas as tarefas inteligentes, por exemplo, diversos chatbots respondem com precisão a sua pergunta mesmo sem utilizar este tipo de técnica, usam apenas equações matemáticas para comparar as palavras da pergunta com as existentes na resposta e calcular a probabilidade de chance de ser aquela a resposta desejada, e apenas exibem a resposta com maior probabilidade, pra isso basta dar a ele um grande número de respostas a possíveis perguntas ou ensinar ele a pesquisar no Wikipedia por exemplo usando filtros para separar código HTML de texto.
Parabéns esse episódio foi especialmente bem construído e apresentado!
Atila, faz um video sobre a logica no filme a fantastica fabrica de chocolate
Gostaria de ouvir o Átila falando sobre Gamificação.
Eita doido, já é o fim do mês!
Atila, por favor um nerdologia sobre o I - Doser, drogas sonoras realmente funcionam?
Lembranças de 2020, com AlphaStar vencendo de jogadores profissionais.
Muito bom Átila!
Faz um vídeo sobre o medo que dá na gente essa história toda das máquinas aprendendo!
Aí nem é sobre a tecnologia, é sobre as pessoas, mesmo. X)
Nerdologia sobre *bateria biológica*
Nerdologia sobre *bateria de gravidade*
Nerdologia sobre *pesquisa eleitoral*
Nerdologia sobre *gagueira*
Nerdologia sobre *paralisia do sono*
Nerdologia sobre *reconstrução celular dos herois nos quadrinhos*
Nerdologia sobre *Nicolas Tesla*
Nerdologia sobre *Evolução das baterias*
Não
3bits A lei que me manda, né tu não ô comédia
Acho que já tem um nerdologia sobre paralisia do sono
Eufórico irineu
Vc gosta de bateria ein
É assim q a revolução começa !
Por favor faz vídeo sobre o integralismo brasileiro ou outra coisa sobre a historia do Brasil !!!!!!!
Gostei da aula, muito intuitiva.
Edição espetacular. Parabéns!
Ótimo vídeo Átila! Porém creio que seria mais correto se referir ao aprendizado humano como aprendizagem por consequências, e não somente por reforço. Isso se dá pois a modelagem do comportamento humano ocorre pelo efeito retroativo das consequências geradas por uma resposta emitida, sendo reforçada ou punida, mas em ambos os casos gerando aprendizagem, isso tudo em uma perspectiva behaviorista, claro. Um abraço!
Oi Atila! Aqui, amei a imagem do robo que aparece em 0:23 do video, achei uma representação muito legal de ML. Teria como voce disponibiliza-la para mim por favor? Faço pesquisa em ML na UFMG adoraria te-la como wallpaper.
Ele já coloca as fontes na descrição do vídeo. É só procurar o link da imagem lá.
que delícia, precisamos correr com ML no Brasil, estamos super atrasados!