Memorial de projetos : abordagens modernas de aprendizado de máquina

Abstract

Resumo: Este trabalho tem como objetivo apresentar os fundamentos do Aprendizado de Máquina, discorrendo sobre cada um dos métodos clássicos, fazendo uma breve descrição das suas características e elencando algumas das principais técnicas usadas. São abordadas as possibilidades e as contribuições que esses métodos trouxeram para a Inteligência Artificial, mas principalmente as limitações que foram identificadas na aplicação destas técnicas em problemas modernos, principalmente quando envolvem dimensionalidade dos dados, processamento de linguagem natural e visão computacional. Considerando este contexto e a ampla adoção de ferramentas que usam o aprendizado de máquina, constatou-se que nem todas as barreiras poderiam ser superadas apenas com a aplicação das técnicas existentes, portanto tornou-se necessário o desenvolvimento de técnicas mais inovadoras, que poderiam explorar melhor o grande poder computacional contemporâneo e produzir resultados superiores ou mesmo inviáveis em relação aos métodos clássicos. Este trabalho também apresenta algumas das principais técnicas modernas desenvolvidas (Automl, Aprendizado Federado e Deep Learning), apontando como é o funcionamento de cada uma delas e especificando áreas em que elas podem ser aplicadas. A conclusão destaca a relevância da Inteligência Artificial atualmente e reforça a importância da evolução das técnicas de Aprendizado de Máquina

Abstract: This work aims to present the fundamentals of Machine Learning, discussing each of the classical methods, briefly describing their characteristics, and listing some of the main techniques used. It addresses the possibilities and contributions that these methods have brought to Artificial Intelligence, but mainly the limitations that have been identified in the application of these techniques to modern problems, especially when they involve data dimensionality, natural language processing, and computer vision. Considering this context and the widespread adoption of tools that use machine learning, it was found that not all barriers could be overcome solely by applying existing techniques. Therefore, it became necessary to develop more innovative techniques that could better exploit contemporary computing power and produce superior or even unattainable results compared to classical methods. This work also presents some of the main modern techniques developed (Automl, Federated Learning, and Deep Learning), explaining how each one works and specifying areas in which they can be applied. The conclusion highlights the relevance of Artificial Intelligence today and reinforces the importance of the evolution of Machine Learning techniques