Machine Learning

Do ABC ao PhD, a Wolfram Language é a sua ferramenta para machine learning.

Classificadores

Classificadores Integrados

Você não precisa ser um perito para usar machine learning em seu projeto: a Wolfram Language possui funções de classificadores pré-treinados e prontos para uso, para que tarefas úteis e interessantes possam ser facilmente executadas.

In[•]:=
Out[•]=

A Wolfram Language inclui uma ampla gama de classificadores pré-treinados que podem ser aplicados a texto, imagens e muito mais.

Consulte a lista completa de classificadores pré-treinados

Criando Classificadores Personalizados

Economize tempo usando a função Classify. A função Classify consegue aprender uma tarefa de classificação a partir de um pequeno conjunto de exemplos e, automaticamente, calcula a melhor maneira de classificar seus dados.

Por exemplo, vamos supor que seja necessário identificar em 1.000 fotos de férias se há pessoas presentes nas fotos ou não — uma tarefa bastante trabalhosa se realizada manualmente. Identificando apenas 20 fotos, a função Classify aprende a diferenciar entre as fotos com pessoas automaticamente e classificar as demais fotos em um segundo:

In[•]:=
Out[•]=

Vamos testar a nova função ClassifierFunction que criamos com novas imagens que o sistema não viu anteriormente:

In[•]:=
Out[•]=

Redes Neurais

Redes Neurais Pré-Montadas

Para muitas tarefas comuns, o Repositório de Redes Neurais da Wolfram contém exatamente a rede neural que você tenta implementar, de forma gratuita e pronta para uso imediato em seu projeto. Exemplificando de maneira bastante simples, a rede CycleGAN foi chamada para reestilizar uma imagem no estilo Van Gogh:

In[•]:=
Out[•]=
In[•]:=
Out[•]=
In[•]:=
Out[•]=
In[•]:=
Out[•]=

Clique aqui para uma lista completa de mais de 100 redes neurais disponíveis no Repositório de Redes Neurais da Wolfram

Redes Neurais Personalizadas

Com construtos de alto nível, como NetTrain e NetChain, a Wolfram Language dispõe de excelentes ferramentas para rapidamente criar redes neurais protótipas ou sofisticadas.

Crie uma rede que explicitamente calcula um prejuízo:

In[•]:=
Out[•]=

Inicialize a rede e avalie-a em uma entrada:

In[•]:=

In[•]:=
Out[•]=

Nesse exemplo, NetTrain foi utilizada para treinar uma rede neural. Uma janela de progresso permite visualizar o resultado do treinamento em tempo real.

Manually construct a net and initialize it with random parameters:

In[•]:=
Out[•]=

Avalie-a em um conjunto de valores:

In[•]:=
Out[•]=
In[•]:=

Treine a rede algumas vezes, verificando em tempo real sobre como ela se encaixa no modelo:

In[•]:=

Agora, o resultado líquido está próximo da computação simbólica:

In[•]:=
Out[•]=
In[•]:=
Out[•]=

Comece agora mesmo

Recursos de Aprendizado

Rotas de Aprendizado

Experimente agora, aprenda depois

Quer apenas experimentar? Veja como funciona a Wolfram Language enquanto experimenta amostras reais de código focadas em machine learning.

Experimente agora mesmo! Acesse com uma conta gratuita na Wolfram Cloud
Certifique-se gratuitamente em Wolfram Language

Aprenda a Wolfram Language no seu ritmo. Faça nosso curso interativo gratuito e obtenha sua certificação.

Comece o curso interativo online! Cerca de 7 horas para conclusão
Experimente agora mesmo! Acesse com uma conta gratuita na Wolfram Cloud
Comece o curso interativo online! Cerca de 7 horas para conclusão

Vá Além com Machine Learning

Quer continuar explorando Machine Learning?

Se desejar saber mais sobre as ofertas da Wolfram em machine learning, acesse a página Wolfram Machine Learning. Você encontrará:

  • Visão geral completa
  • Documentação e funções especializadas
  • Redes neurais pré-treinadas
  • Exemplos para download
  • Aulas online e recursos adicionais
Saiba mais

Produto Recomendado