Portifólio da matéria inteligência artificial

Prévia do material em texto

FUNDAMENTOS DA INTELIGÊNCIA ARTIFICIAL
					13/10/2024
Problema Proposto: Implantar a solução para um problema simples de cálculo de gorjeta com base em dois parâmetros SEM USAR A LÓGICA NEBULOSA PARA FINS DE COMPARAÇÃO
· A qualidade da comida servida
· A qualidade do serviço provido pelor restaurante
· Se a comida foi de qualidade ruim ou fomos mal atendidos, vamos deixar uma gorjeta pequena, mais próxima de 5%
· Se o serviço for bom, vamos deixar uma gorjeta mediana, mais próxima de 10%
· Se a comida ou o serviço nos surpreenderam positivamente, vamos deixar uma gorjeta generosa, mais próxima de 15%
1. Para iniciar, foi necessário ir até o Google e pesquisar pelo Octave e realizar o download do software.
2. Após isso, iniciei a inclusão de todas as variaveis que utilizaria no projeto, e fui colocando seus valores de de gorjeta conforme solciitado.
3. Após preencher as variaveis e seus respectivos valores, adicionei os 2 printf que seria utilizado, o primeiro para a qualidade da comida e o segundo para a qualidade do serviço. 
4. Por fim, impolementei o if,elseif e else, para que o programa fosse capaz de realizar os cálculos das gorjetas de acordo com o que o usuário estivesse digitando. 
5. Salvei o progema e testei o mesmo com algumas opções de “notas de avaliação” digitada pelo usuário, e podemos ver que os valores de gorjeta neste código estaria alto, pois não foi implementado nenhum limite para gorjeta. 
Problema Proposto: Agora, usando a mesma definição de grupos utilizada nos passos anteriores, você deverá criar o mesmo resultado, por meio da Lógica Nebulosa. Alguns passos serão seguidos para que esse resultado seja obtido, a saber:
1. Definir as entradas e saídas do procedimento
2. Criar Funções que determinam o quanto um elemento pertence a um conjunto
3. Criar regras para combinar os dados
4. Simular o sistema de Lógica Nebulosa resultante.
Atividade proposta: Implemente uma rede neural de uma camada utilizando a função de ativação sigmoide. O objetivo é treinar a rede para realizar a classificação binária. Você receberá uma matriz de entrada e uma matriz de saída desejada e deverá ajustar os pesos da rede (sinapse) através do processo de aprendizado supervisionado.
Passos do Exercício
· Importação das Bibliotecas Necessárias: Utilize a biblioteca NumPy para realizar operações matemáticas e manipulações de arrays.
· Definição da Função Sigmoide: Implemente a função de ativação sigmoide que será utilizada tanto para a ativação quanto para a derivada no cálculo do gradiente.
· Definição das Entradas e Saídas: Crie a matriz de entrada X e a matriz de saída y.
· Inicialização dos Pesos: Inicialize os pesos da sinapse com valores aleatórios.
· Treinamento da Rede Neural: Implemente o loop de treinamento que ajustará os pesos da sinapse. O treinamento deve ser executado por 10.000 iterações.
· No loop de treinamento, execute os seguintes passos: Realize a propagação para frente calculando as saídas. Calcule o erro. Calcule o delta (ajuste dos pesos) utilizando a derivada da função sigmoide. Atualize os pesos da sinapse.
· Exibição dos Resultados: Após o treinamento, imprima a saída da rede.
1. Para realizar a atividade proposta, utilizei o Visual Studio instalado em minha máquina já com a linguagem Python configurada. 
2. Para implementação do códgo, tive que buscar informações não apenas nos conteudos web disponibilizados na matéria, mais também em outras fontes, conforme as referências mencionadas ao final do documento, pois não achei que o material disponibilizado foi suficiente para realizar o trabalho. 
3. Após pesquisar sobre rede neural perception no google, encontrei alguns materiais que me ajudaram entender como que deveria ser feio o trabalho, e finalizei o mesmo com o código abaixo. 
4. O tema proposto é bem interessante, além de que está em alta no momento, porém achei muito difícil de realizar essa matéria, por conta de que o formato das video aulas não estão conforme os formatos que sempre estou acostumado ver, onde o professor da exemplos, e até mesmo usa a ferramenta para realizar algum tipo exercicio como exemplo. Acredito que seja fundamental manter o formato onde os professores disponibilizam as aulas em video, e fazem alguns exercicios como exemplo, ainda mais para nós que estamos na modalidade EAD, acho fundamental termos exemplos como base para realizar as atividades propostas, pois dessa forma fica mais fácil de entender a matéria. 
REFERÊNCIAS 
NUMPY. Biblioteca NumPy. Disponível em: https://numpy.org/
ALURA. Rede neural artificial: Uma introdução. Disponível em: https://www.alura.com.br/conteudo/pln-deep-learning
PYTHON. Python - Documentação oficial. Disponível em: https://docs.python.org/3/
https://www.youtube.com/watch?v=d8U7ygZ48Sc
https://www.youtube.com/watch?v=TbGUV3nR2bI
https://www.youtube.com/watch?v=mWD8wWwZpi8
https://www.youtube.com/watch?v=xGShRYE55uM
image6.png
image7.png
image8.png
image9.png
image10.png
image1.png
image2.png
image3.png
image4.png
image5.png