1
00:00:21,429 --> 00:00:22,560
aqui. Já começou. Eu acho que tá com delay para mim

2
00:00:22,560 --> 00:00:47,990
do tempo. Boa noite. Confirmem para mim que vocês estão recebendo.

3
00:00:47,990 --> 00:00:48,960
Confirmem no chat. Então, última vez aí só para garantir que

4
00:00:48,960 --> 00:01:03,470
tá tudo direitinho, que a gente pode começar.

5
00:01:03,470 --> 00:01:07,240
Alô. Ah, tá vendo? Obrigado. Obrigado. Tem esse delay aí. infelizmente,

6
00:01:07,240 --> 00:01:09,080
mas faz parte.

7
00:01:09,080 --> 00:01:13,119
Muito obrigado pela presença de todos vocês aqui. Deixa eu só

8
00:01:13,119 --> 00:01:16,080
agora fechar.

9
00:01:16,080 --> 00:01:25,910
Tá preocupado aqui até o final.

10
00:01:25,910 --> 00:01:26,510
E poxa, já vi que o chat tá animado. Da onde

11
00:01:26,119 --> 00:01:28,119
vocês são?

12
00:01:28,119 --> 00:01:31,280
Colocando aqui a cidade, quem é aluno, quem não é aluno,

13
00:01:31,280 --> 00:01:34,759
quem chegou por onde? Falem um pouco de vocês, só para

14
00:01:34,759 --> 00:01:36,759
dar esse tempinho a mais, né, que o e-mail acabou de

15
00:01:36,759 --> 00:01:41,000
ser disparado. E-mail aula ao vivo começou agora [roncando] para dar

16
00:01:41,000 --> 00:01:44,560
tempo. Então aqueles 5 minutinhos, primeiro dia

17
00:01:44,560 --> 00:01:52,389
e deixa eu pegar aqui.

18
00:01:52,389 --> 00:01:54,799
Deu bom. Maravilha. Recife, Fortaleza. Espero que neste primeiro, segundo dia

19
00:01:54,799 --> 00:01:58,320
útil, né, após as eleições, as famílias estejam inteiras, as amizades

20
00:01:58,320 --> 00:02:01,560
aí o todo mundo destruído em grupo, né? deixa para lá,

21
00:02:01,560 --> 00:02:04,000
pelo amor de Deus, política, né? Chega isso daí já em

22
00:02:04,000 --> 00:02:06,680
grupos diversos por aí. E eu quase que eu não me

23
00:02:06,680 --> 00:02:12,080
toquei, né? Porque eh aqui, enfim, a gente não transferiu o

24
00:02:12,080 --> 00:02:15,080
título ainda, né? Então, e tem que viajar para Washington, eu

25
00:02:15,080 --> 00:02:17,599
acho que é o lugar mais perto para votar.

26
00:02:17,599 --> 00:02:20,840
Eh, eu acabei ficando meio quando eu agendei o evento, poxa,

27
00:02:20,840 --> 00:02:24,680
imagina se tivesse sido no meio da semana passada, né? Com

28
00:02:24,680 --> 00:02:28,239
a eleição aí batendo na porta. Não, não, não precisa. Então,

29
00:02:28,239 --> 00:02:31,720
graças a Deus, aqui tá tudo tranquilo. Pontal do Paraná, Santo

30
00:02:31,720 --> 00:02:35,319
André, Guanambi. Quem tá chegando já pode dar uma curtida aí

31
00:02:35,319 --> 00:02:40,360
porque merece, viu? O conteúdo tá bacana, especificamente esse vídeo aqui.

32
00:02:40,360 --> 00:02:42,560
Ã,

33
00:02:42,560 --> 00:02:46,440
e o tema é interessante, né? Porque essa primeira aula você

34
00:02:46,440 --> 00:02:50,480
a gente vai ver sobre a matemática que permitem que permite

35
00:02:50,480 --> 00:02:54,519
as máquinas aprenderem. E se vocês forem dar uma olhada boa

36
00:02:54,519 --> 00:02:58,000
aqui no canal, tem uma playlist de uma série de matemática.

37
00:02:58,000 --> 00:03:01,400
Aí é conta, né? Eu peguei o iPad, eu fui escrevendo,

38
00:03:01,400 --> 00:03:06,080
fazendo conta, rodando código para explicar a matemática

39
00:03:06,080 --> 00:03:11,040
a ali por trás e entrando em conceitos desde otimizadores,

40
00:03:11,040 --> 00:03:13,159
regularização,

41
00:03:13,159 --> 00:03:16,080
ã, a parte probabilística

42
00:03:16,080 --> 00:03:19,879
e foi sensacional essa série de eventos. Então assim, muita gente

43
00:03:19,879 --> 00:03:23,000
às vezes vai perguntando, poxa, por que o que que essa

44
00:03:23,000 --> 00:03:25,840
o que que tem de diferente? O contexto ele é bem

45
00:03:25,840 --> 00:03:30,599
diferente para falar a verdade para vocês, porque

46
00:03:30,599 --> 00:03:34,280
neste momento, deixa eu só pausar aqui. Pronto, agora foi. Neste

47
00:03:34,280 --> 00:03:36,879
momento que a gente tá, eu percebo que tá todo mundo,

48
00:03:36,879 --> 00:03:39,680
né, muito aflito ali e perguntando, pô, qual que é a

49
00:03:39,680 --> 00:03:43,519
habilidade que eu preciso ter, o que que eu preciso saber

50
00:03:43,519 --> 00:03:46,599
para est no mercado. Eh, e a gente vai ver que

51
00:03:46,599 --> 00:03:51,680
a matemática acaba sendo definitivamente eh principal habilidade. Eu tô usando

52
00:03:51,680 --> 00:03:55,680
um livro que a câmera não vai conseguir focar. Why machines

53
00:03:55,680 --> 00:04:03,680
learn? A matemática elegante por trás da IA moderna. Anil Anantaoami.

54
00:04:03,680 --> 00:04:05,560
Livro sensacional,

55
00:04:05,560 --> 00:04:08,799
sensacional demais mesmo. Ali eu recomendo para todo mundo, não sei

56
00:04:08,799 --> 00:04:12,720
se tem em português. E este livro, poxa, quando eu comprei

57
00:04:12,720 --> 00:04:16,040
ele, ele me incentivou muito a fazer esse evento. Ã, e

58
00:04:16,040 --> 00:04:18,799
o grande motivo foi porque ele apresenta a matemática de uma

59
00:04:18,799 --> 00:04:23,320
maneira muito elegante e é uma introdução, mas com muita anedota,

60
00:04:23,320 --> 00:04:26,840
com um contexto histórico e a gente vai vendo, caramba, quanta

61
00:04:26,840 --> 00:04:30,840
coisa, né? E e realmente e a habilidade faz diferença em

62
00:04:30,840 --> 00:04:35,560
tempos onde código tá virando cada vez mais commodity. Cara, saber

63
00:04:35,560 --> 00:04:38,919
a matemática por trás é importante. Se vocês estão trabalhando numa

64
00:04:38,919 --> 00:04:44,440
empresa, já vocês têm visto, né? Eh, muita gente fala que

65
00:04:44,440 --> 00:04:47,520
não tem aberto IDE. Não tô falando que que é certo

66
00:04:47,520 --> 00:04:49,560
ou errado, não é juízo de valor, mas os tempos são

67
00:04:49,560 --> 00:04:54,479
outros. você, eu por exemplo, não perco mais tempo

68
00:04:54,479 --> 00:04:57,840
criando um dashboard, assim, fazendo a estrutura do código básico com

69
00:04:57,840 --> 00:05:01,600
string llit ou às vezes executando uma query, uma query específica.

70
00:05:01,600 --> 00:05:05,233
Poxa, eu dou o comando para ela sair otimizada, né? Mas

71
00:05:05,233 --> 00:05:09,520
[roncando] para plotar gráfico ou para construir uma arquitetura com o

72
00:05:09,520 --> 00:05:13,440
py tort. Ã, ali eu vejo num paper aquela estrutura, por

73
00:05:13,440 --> 00:05:17,800
tem uma rede convolucional aqui, eu tenho essa ativação específica aqui,

74
00:05:17,800 --> 00:05:21,120
eu tenho dual head, eu tenho duas cabeças ou essa Iolo

75
00:05:21,120 --> 00:05:24,759
V8, eu vou ter que colocar além das três cabeças que

76
00:05:24,759 --> 00:05:28,560
ela faz com os stride diferente, eu quero incluir um P4

77
00:05:28,560 --> 00:05:31,400
que tem um stride menor, porque eu tenho um erro muito

78
00:05:31,400 --> 00:05:35,280
pequeno, eu tenho uma falha numa peça, por exemplo, que a

79
00:05:35,280 --> 00:05:38,639
minha iolo não tá pegando. E você precisa da teoria para

80
00:05:38,639 --> 00:05:42,039
saber disso, você precisa da matemática, mas o código, se você

81
00:05:42,039 --> 00:05:44,560
sabe guiar cada vez menos, né? E não tem muito para

82
00:05:44,560 --> 00:05:48,960
onde correr, não adianta ser negacionista ali [roncando] da tecnologia. E

83
00:05:48,960 --> 00:05:51,880
eu também tenho uma série boa aqui de matemática, inclusive com

84
00:05:51,880 --> 00:05:56,840
a professora Dra. Juliana, que [roncando] eh foi uma conversa sobre

85
00:05:56,840 --> 00:06:00,039
a importância e você vê o arcabolso que a matemática ela

86
00:06:00,039 --> 00:06:02,720
te dá e a gente vai ver a motivação. Mas se

87
00:06:02,720 --> 00:06:05,199
tem tanta gente aqui, eu tenho certeza que vocês sabem da

88
00:06:05,199 --> 00:06:10,440
importância disso. Em tempos onde as pessoas estão produzindo conteúdo raso

89
00:06:10,440 --> 00:06:15,360
demais, né, somente tutorial, cara, o Fable ou o Astra, eles

90
00:06:15,360 --> 00:06:19,880
me geram coisas visualmente bonitas, arquitetura bonita. Onde tá o diferencial?

91
00:06:19,880 --> 00:06:21,280
diferencial

92
00:06:21,280 --> 00:06:22,560
tá

93
00:06:22,560 --> 00:06:27,479
na no meu conhecimento de casos de acompanhar o estado da

94
00:06:27,479 --> 00:06:31,199
arte das pesquisas acadêmicas e da base matemática. E a base

95
00:06:31,199 --> 00:06:34,199
matemática é uma coisa que eu vou construindo no dia a

96
00:06:34,199 --> 00:06:38,599
dia. E aqui tem uma novidade. Vocês provavelmente se inscreveram lá

97
00:06:38,599 --> 00:06:42,400
no começo e vocês tinham três aulas e eu fiquei muito

98
00:06:42,400 --> 00:06:46,479
triste, né? Porque ô, poxa, a principal aula no momento que

99
00:06:46,479 --> 00:06:49,080
a gente tá vivendo agora, cara, parece que tudo, todo mundo

100
00:06:49,080 --> 00:06:52,160
vai ser substituído pela IA, todo mundo vai ser todas as

101
00:06:52,160 --> 00:06:55,599
profissões. E eu resolvi incluir uma aula nova no domingo. Então,

102
00:06:55,599 --> 00:06:59,319
não são mais três aulas, pessoal. Tem certificado de conclusão. Vocês

103
00:06:59,319 --> 00:07:02,199
vão receber todo [roncando] mundo que tá inscrito no evento. Quem

104
00:07:02,199 --> 00:07:05,000
não se inscreveu, o link tá na descrição do vídeo aqui.

105
00:07:05,000 --> 00:07:08,280
Ã, todo mundo que tiver inscrito vai gerar certificado com a

106
00:07:08,280 --> 00:07:11,319
carga horária, né? Vou [roncando] colocar aqui em nome da Star

107
00:07:11,319 --> 00:07:15,639
Consigmel. H, aqui pelos Estados Unidos. Então, vale a pena pela

108
00:07:15,639 --> 00:07:18,960
dedicação de vocês. Eu agradeço, né, pela inscrição. Então, ten uma

109
00:07:18,960 --> 00:07:23,280
aula mais e essa aula quatro, especificamente, poxa, se eu tivesse

110
00:07:23,280 --> 00:07:26,479
uma aula que eu falo para vocês, não faltem de jeito

111
00:07:26,479 --> 00:07:29,919
nenhum. Eu sei que tem feriado na sequência, mas eu vou

112
00:07:29,919 --> 00:07:33,560
pegar a parte da matemática de uma maneira tão intuitiva. E

113
00:07:33,560 --> 00:07:37,520
tá cheio de coach, de a nada contra os coaches, né?

114
00:07:37,520 --> 00:07:39,840
Mas Deus me livre. Hoje em dia eu falo: "O que

115
00:07:39,840 --> 00:07:43,520
que você trabalha?" Aí a galera, caramba, então você faz prompt.

116
00:07:43,520 --> 00:07:46,240
Não, não. A gente já tava estudando e o mecanismo de

117
00:07:46,240 --> 00:07:50,000
atenção, attention iss all you need, paper. Depois uma imagem vale

118
00:07:50,000 --> 00:07:54,120
mais do que 1000 tokens de palavras ali dentro da

119
00:07:54,120 --> 00:07:56,800
Deep Mind. Todos os estudos que saíram, a gente tava acompanhando

120
00:07:56,800 --> 00:08:01,080
desde o começo. E eu vou trazer de uma maneira intuitiva,

121
00:08:01,080 --> 00:08:03,560
até para jogar um pouco de luz, né? pensando no mito

122
00:08:03,560 --> 00:08:07,240
da caverna de Platão ali, cara, a gente repete muitas coisas

123
00:08:07,240 --> 00:08:11,080
igual papagaio e a Ia vai substituir, a Ia faz tudo.

124
00:08:11,080 --> 00:08:14,440
Poxa, para que que eu tenho que fazer

125
00:08:14,440 --> 00:08:18,460
saturado o mercado, cara? Para que tá saturado?

126
00:08:18,460 --> 00:08:21,400
[roncando] O mercado tá saturado muito para júnior, cara. Eu vejo,

127
00:08:21,400 --> 00:08:22,800
na verdade, isso é uma coisa que a gente vai falar

128
00:08:22,800 --> 00:08:25,840
depois, só que aí tem uma coisa diferente. Ah, o profissional,

129
00:08:25,840 --> 00:08:29,639
o mercado tá sem gente que domina, porque um cara que

130
00:08:29,639 --> 00:08:32,080
tá eh, sabe,

131
00:08:32,080 --> 00:08:36,519
acompanhando o CVPR, o Neorips, acompanha o estado da arte, o

132
00:08:36,519 --> 00:08:40,200
cara que ah, desculpa, aí sim, Diogo, o mercado tá saturado

133
00:08:40,200 --> 00:08:43,919
de coach, pô. A galera fala nada contra, cara, mas o

134
00:08:43,919 --> 00:08:47,920
pessoal fala muita grosélia e são aqueles tambes. Eu publico pouco

135
00:08:47,920 --> 00:08:51,160
no canal, né? Mas eu prefiro publicar conteúdo de qualidade, como

136
00:08:51,160 --> 00:08:53,760
é coisa que que impacta na carreira do que ficar fazendo

137
00:08:53,760 --> 00:08:57,480
aquelas thumbs assim, ah, aquela cara, sempre tem aquela cara assustado,

138
00:08:57,480 --> 00:09:00,880
né? O fim agora, morreu, a profissão tal. Não, não, não

139
00:09:00,880 --> 00:09:04,920
faz sentido. E quando você entende o que tá por trás,

140
00:09:04,920 --> 00:09:09,279
cara, o, a minha esposa, ela, ela tem longas sessões terapêuticas

141
00:09:09,279 --> 00:09:13,240
praticamente e ela confia cegamente no no claw ou no cloud

142
00:09:13,240 --> 00:09:17,800
ou no chat EPT. E são modelos probabilísticos cuspidores de token

143
00:09:17,800 --> 00:09:20,920
cada vez melhor, com harness, com conceitos

144
00:09:20,920 --> 00:09:27,120
ã de loop, tudo que vai aparecendo, mas são modelos probabilísticos

145
00:09:27,120 --> 00:09:31,560
que eles vão gerar uma probabilidade para você, vão aplicar uma

146
00:09:31,560 --> 00:09:38,630
função soft max

147
00:09:38,630 --> 00:09:39,360
atenção. E o mecanismo de atenção aí te também faz você

148
00:09:39,360 --> 00:09:42,920
entender por que uma máquina nunca vai substituir o ser humano.

149
00:09:42,920 --> 00:09:45,519
Além de toda a questão da criatividade e inteligência, a máquina

150
00:09:45,519 --> 00:09:49,320
ela mimetiza os nossos comportament elas não, ela não tem inteligência

151
00:09:49,320 --> 00:09:54,680
real, filosoficamente falando, ela mimetiza, mas você vê que o mecanismo

152
00:09:54,680 --> 00:09:59,240
de atenção, a maneira como ele ele identifica

153
00:09:59,240 --> 00:10:02,920
o contexto e ele atribui os pesos, cara, a máquina ela

154
00:10:02,920 --> 00:10:06,640
tá gerando o próximo token. Um ser humano, ele tá pensando

155
00:10:06,640 --> 00:10:11,680
numa solução de engenharia, numa solução de um problema.

156
00:10:11,680 --> 00:10:16,320
Ele tá pensando no final enquanto ele nem começou ainda, cara.

157
00:10:16,320 --> 00:10:17,720
Eh,

158
00:10:17,720 --> 00:10:21,240
isso muda muito. Quando você conhece a arquitetura, você vê que,

159
00:10:21,240 --> 00:10:24,720
cara, tem um limite. Eu uso para caramba. Eu eu tenho

160
00:10:24,720 --> 00:10:28,160
contas aqui, tem projeto, a a empresa, tudo. Eu tô rodando

161
00:10:28,160 --> 00:10:30,880
com com todas as via. Eu tô sempre testando harness, criando

162
00:10:30,880 --> 00:10:34,600
framework, mas eu sei a limitação dela e principalmente quando são

163
00:10:34,600 --> 00:10:39,399
problemas reais ali, principalmente nas habilidades. Então, assim, teremos esses dias.

164
00:10:39,399 --> 00:10:42,880
Não percam, todos são ótimos. A aula dois de amanhã, a

165
00:10:42,880 --> 00:10:45,800
gente vai entrar numa coisa que poucos cientistas de dados conhece,

166
00:10:45,800 --> 00:10:50,839
tipo esta primeira aula é um nivelamento, a gente tá tranquilo,

167
00:10:50,839 --> 00:10:53,000
todo mundo aqui chegou do zero, muita gente às vezes não

168
00:10:53,000 --> 00:10:56,040
lembra a matemática do ensino médio e e é legal essa

169
00:10:56,040 --> 00:10:58,560
aula aqui. A gente vai quebrar um gelo. Para quem tá

170
00:10:58,560 --> 00:11:02,920
lá no grupo de WhatsApp, eu vou passar referência de livro,

171
00:11:02,920 --> 00:11:06,720
vou passar playlist com com um conteúdo mais avançado de conta,

172
00:11:06,720 --> 00:11:11,079
vai fazer derivada e parcial, vai fazer integral, alguma, poxa, vai

173
00:11:11,079 --> 00:11:14,440
ver transformada de furrier, tem tem para todos os gostos, né?

174
00:11:14,440 --> 00:11:18,120
Mas essa aula aqui, fiquem tranquilo, é um nivelamento para trazer

175
00:11:18,120 --> 00:11:22,680
e perguntar o livro Why machines learn, porque as máquinas aprendem.

176
00:11:22,680 --> 00:11:25,760
E da anil an

177
00:11:25,760 --> 00:11:27,000
tau

178
00:11:27,000 --> 00:11:30,639
a matemática elegante por trás da IA. Mesmo para quem já

179
00:11:30,639 --> 00:11:34,519
tem experiência sior, eu recomendo demais este livro aqui e ele

180
00:11:34,519 --> 00:11:38,440
me inspirou a fazer este evento, certo? Ã, como eu tava

181
00:11:38,440 --> 00:11:41,040
falando, hoje a introdução,

182
00:11:41,040 --> 00:11:45,000
a matemática da incerteza, a gente entra na parte beisiana. probabilística

183
00:11:45,000 --> 00:11:47,360
e que pouca gente aprende, as pessoas tendem a parar às

184
00:11:47,360 --> 00:11:49,800
vezes aqui no começo. A gente fala um pouco de visão

185
00:11:49,800 --> 00:11:52,839
computacional e a cereja do bolo, como o chat, GPT e

186
00:11:52,839 --> 00:11:56,160
o cloud funcionam para você parar de seguir os coachs, eh,

187
00:11:56,160 --> 00:12:01,279
que são os cavaleiros do apocalipse, né? Por favor, não siga.

188
00:12:01,279 --> 00:12:05,160
Então, o que que acontece? Grupo de WhatsApp, eu vou colocar

189
00:12:05,160 --> 00:12:09,079
para quem fez a inscrição. O nossos dois, três primeiros grupos

190
00:12:09,079 --> 00:12:13,360
lotaram, eu não tive tempo de escrever eh de mudar na

191
00:12:13,360 --> 00:12:17,880
hora o último grupo, né? Então, se você por algum acaso

192
00:12:17,880 --> 00:12:22,360
se inscreveu no evento e não tava recebendo

193
00:12:22,360 --> 00:12:25,320
não recebeu, não conseguiu entrar no grupo de WhatsApp, cara, aqui

194
00:12:25,320 --> 00:12:28,920
tá o link no chat para você entrar nesse grupo. Todo

195
00:12:28,920 --> 00:12:33,839
material, slide, laboratório, animação, recomendação de livro. Cara, quem participou dos

196
00:12:33,839 --> 00:12:36,399
outros eventos gratuitos sabe que o material é é bom para

197
00:12:36,399 --> 00:12:39,639
caramba, né, que a gente tem. E aqui nesse dia a

198
00:12:39,639 --> 00:12:42,160
gente vai ver como o texto se divide em token. A

199
00:12:42,160 --> 00:12:45,480
imagem ela também ela tem essa questão de tokenização.

200
00:12:45,480 --> 00:12:49,800
Como que ela recebe uma representação numérica? O conceito de álgebra,

201
00:12:49,800 --> 00:12:53,399
que coisa sensacional. O como que uma imagem e um texto,

202
00:12:53,399 --> 00:12:56,800
eu jogo eles para um mesmo espaço latente e por comparação

203
00:12:56,800 --> 00:13:00,120
simples. Pessoal, matemática para boa parte, como a gente vai ver

204
00:13:00,120 --> 00:13:03,720
até uma anedota do Ilia da Open AI aqui, quando ele

205
00:13:03,720 --> 00:13:07,880
foi e para fazer o PhD dele, ele falou: "Cara, a

206
00:13:07,880 --> 00:13:10,160
matemática que eu preciso pra maior parte das coisas é uma

207
00:13:10,160 --> 00:13:14,839
matemática simples". Simples demais. a gente compara similaridade de texto e

208
00:13:14,839 --> 00:13:19,959
imagem assim com magnitude, com tamanho, com ângulo, com seno, tudo

209
00:13:19,959 --> 00:13:23,399
que a gente aprendeu no ensino médio. Então assim, se você

210
00:13:23,399 --> 00:13:27,600
tá envieszado achando que, caramba, a matemática é extremamente complexa,

211
00:13:27,600 --> 00:13:30,440
pro começo e pra maior parte das coisas, não, mas é

212
00:13:30,440 --> 00:13:33,959
uma evolução. a gente constrói uma base e vocês não vão

213
00:13:33,959 --> 00:13:37,880
se arrepender demais, não vão se arrepender de jeito nenhum deste

214
00:13:37,880 --> 00:13:44,040
conhecimento, principalmente porque essa primeira aula é uma aula muito gostosa,

215
00:13:44,040 --> 00:13:48,160
porque essa primeira aula aqui é ela entra muito na história.

216
00:13:48,160 --> 00:13:52,880
Então, se vocês às vezes estão acompanhando por aí, tipo, já

217
00:13:52,880 --> 00:13:55,639
fizeram algum determinado curso,

218
00:13:55,639 --> 00:13:57,839
cara,

219
00:13:57,839 --> 00:14:01,320
você já viu a parte da matemática, mas

220
00:14:01,320 --> 00:14:05,079
eu sou muito favorável. Falo pros meus alunos que você tem

221
00:14:05,079 --> 00:14:09,279
duas maneiras de estudar uma coisa nova ou de aprofundar num

222
00:14:09,279 --> 00:14:11,560
conceito. Você estuda

223
00:14:11,560 --> 00:14:14,880
data science, não é ciência propriamente dito, né? Se a gente

224
00:14:14,880 --> 00:14:17,600
pegar metodologia científica para

225
00:14:17,600 --> 00:14:19,519
enfim, a a

226
00:14:19,519 --> 00:14:22,480
eu não posso considerar ela ciência porque eu tô usando dados

227
00:14:22,480 --> 00:14:24,399
em diferente, mas enfim,

228
00:14:24,399 --> 00:14:28,959
eu posso estudar o objeto ou eu posso estudar a linha

229
00:14:28,959 --> 00:14:33,959
histórica e recomendavelmente eu falo, estude as duas coisas. Se você

230
00:14:33,959 --> 00:14:37,759
tentou já, por exemplo, aprender visão computacional e você começou em

231
00:14:37,759 --> 00:14:40,880
2026, você tá perdido porque você não sabe o que que

232
00:14:40,880 --> 00:14:44,639
você tem que fazer. Cara, todo mundo fala de agente de

233
00:14:44,639 --> 00:14:50,240
A e a, mas eu tenho Transformers, eu tenho arquiteturas convolucionais,

234
00:14:50,240 --> 00:14:53,000
eu tenho ã autoencoders

235
00:14:53,000 --> 00:14:57,120
e você não entende como que aquilo se encaixa. Quando você

236
00:14:57,120 --> 00:15:00,920
vai pegando lá na história e você entende, por exemplo, fazer

237
00:15:00,920 --> 00:15:03,639
um flashback rápido ali, pô, eu vou começar a estudar visão

238
00:15:03,639 --> 00:15:06,240
computacional e tudo é estranho, mas quando eu vou ver a

239
00:15:06,240 --> 00:15:09,040
história, não que eu tenho que implementar todos os modelos, mas

240
00:15:09,040 --> 00:15:12,079
eu vejo os desafios da Imaginete, a dificuldade que tinham com

241
00:15:12,079 --> 00:15:16,759
redes densas para elas identificarem um objeto, classificar um objeto numa

242
00:15:16,759 --> 00:15:20,759
determinada imagem. E aí você vem a arquitetura. Eh, primeiro você

243
00:15:20,759 --> 00:15:25,040
tem o Yan Lecum com conceito de convolução

244
00:15:25,040 --> 00:15:30,279
de rede neural convolucional. Depois você tem a AlexNet ganhando a

245
00:15:30,279 --> 00:15:33,600
o concurso da Imagnet. Você tem a VGGNET, aí você vê

246
00:15:33,600 --> 00:15:37,720
que poxa, não adiantava eu adicionar mais camadas, eu perdia a

247
00:15:37,720 --> 00:15:40,920
informação no meio do caminho e porque ou ficava muito pequeno

248
00:15:40,920 --> 00:15:43,720
ou muito grande, eu não tinha precisão de float para isso.

249
00:15:43,720 --> 00:15:48,000
Aí eu entro o conceito de resnet, residual networks. Você vai

250
00:15:48,000 --> 00:15:53,120
vendo a evolução. E backbon de classificação, a gente tem os

251
00:15:53,120 --> 00:15:57,160
modelos daí de detecção e de segmentação.

252
00:15:57,160 --> 00:15:59,519
Cara, [limpando a garganta] que legal.

253
00:15:59,519 --> 00:16:01,639
Aí a gente vai vendo

254
00:16:01,639 --> 00:16:04,880
tudo isso. Então, pois bem,

255
00:16:04,880 --> 00:16:09,720
estudar história muito importante e eu recomendo. E a nossa história

256
00:16:09,720 --> 00:16:14,040
do do machine learning, vamos falar IA. Quando eu falo IA

257
00:16:14,040 --> 00:16:18,240
hoje em dia, inteligência artificial, normalmente as pessoas estão falando de

258
00:16:18,240 --> 00:16:22,440
large lang e large language models, os grandes modelos de linguagem

259
00:16:22,440 --> 00:16:26,839
chat, GPT, que que hoje são modelos fundacionais, multimodais.

260
00:16:26,839 --> 00:16:31,199
Então a IA dentro do campo, né, a gente tende a

261
00:16:31,199 --> 00:16:34,839
se referenciar dele dessa maneira. E o machine learning eu tenho

262
00:16:34,839 --> 00:16:38,120
uma questão específica. Eu boto no final salmo, só para eu

263
00:16:38,120 --> 00:16:42,160
não tirar o slide agora. Perfeito. Só para eu não perder

264
00:16:42,160 --> 00:16:45,199
aqui rapidinho. Mas eu coloco ã o Qcode. Eu não preparei

265
00:16:45,199 --> 00:16:48,480
ele. Eu já boto ali no final da aula, eu deixo

266
00:16:48,480 --> 00:16:51,399
aqui no chat, eu altero a descrição também, mas senão é

267
00:16:51,399 --> 00:16:55,160
só pegar na descrição aqui, se inscrever. A página de confirmação

268
00:16:55,160 --> 00:16:57,920
da inscrição, ela já tem o grupo de WhatsApp, tá? E

269
00:16:57,920 --> 00:17:00,920
o e o link do grupo da página de inscrição tá

270
00:17:00,920 --> 00:17:04,240
aqui. Então, se inscreveu, a página de confirmação já tem o

271
00:17:04,240 --> 00:17:08,280
link do grupo de WhatsApp. Então, [roncando] assim, machine learning é

272
00:17:08,280 --> 00:17:11,640
o tema principal de hoje. Tranquilo?

273
00:17:11,640 --> 00:17:14,199
8 de julho de 1958,

274
00:17:14,199 --> 00:17:17,319
a gente começa essa nossa jornada e para uma notícia que

275
00:17:17,319 --> 00:17:21,559
saiu lá no The New York Times, que ele trazia, apresentava

276
00:17:21,559 --> 00:17:23,160
um dispositivo

277
00:17:23,160 --> 00:17:27,160
que ele tava ligado a um projeto

278
00:17:27,160 --> 00:17:31,160
da Marinha dos Estados Unidos, certo, pessoal? Eu vi que tem

279
00:17:31,160 --> 00:17:33,880
muita gente então que não tá conseguindo.

280
00:17:33,880 --> 00:17:36,840
O que que eu vou fazer? Este link que eu passei

281
00:17:36,840 --> 00:17:40,120
para vocês não tá abrindo.

282
00:17:40,120 --> 00:17:42,360
Deixa eu ver aqui

283
00:17:42,360 --> 00:17:51,310
no chat. Ele não tá abrindo. Deixa eu ver.

284
00:17:51,310 --> 00:17:52,160
Tá. O que que eu vou fazer? Chega por e-mail também.

285
00:17:52,160 --> 00:17:55,760
Chega por e-mail. Eu vou pedir pro meu chat GPT eu

286
00:17:55,760 --> 00:18:01,360
trocar aqui, ó. colocar na descrição, coloque na descrição do vídeo

287
00:18:01,360 --> 00:18:06,200
da aula um o grupo de zap.

288
00:18:06,200 --> 00:18:10,400
Cara, eu pedi pro chat EPT, então daqui a pouco ele

289
00:18:10,400 --> 00:18:14,320
vai atualizar também na descrição do vídeo, tá? Eu informo vocês

290
00:18:14,320 --> 00:18:20,240
aí, mas vamos me ir mantendo atualizado. Abriu. Maravilha, maravilha. Tranquilo.

291
00:18:20,240 --> 00:18:22,200
Legal. Então, 1958,

292
00:18:22,200 --> 00:18:26,120
um projeto ligado à Marinha dos Estados Unidos trazia essa novidade.

293
00:18:26,120 --> 00:18:29,720
U, new name device learns by doing. Então, eu tenho um

294
00:18:29,720 --> 00:18:34,559
uma um device, eu tenho um aptrecho que ele consegue aprender

295
00:18:34,559 --> 00:18:36,760
com a experiência e a promessa, cara, a gente tá falando

296
00:18:36,760 --> 00:18:38,280
de 1958,

297
00:18:38,280 --> 00:18:42,600
já chamava muita atenção, só que quando você pegava aquela reportagem,

298
00:18:42,600 --> 00:18:47,080
ela ia descrevendo a expectativa de que aquela tecnologia que tinha

299
00:18:47,080 --> 00:18:52,280
sido desenvolvido naquele ano, naquele momento, ela ia permitir

300
00:18:52,280 --> 00:18:58,240
robôs andarem, falarem, enxergarem, escreverem, reproduzirem

301
00:18:58,240 --> 00:19:02,440
eles mesmos, como se fossem seres humanos, e terem consciência

302
00:19:02,440 --> 00:19:06,280
da própria existência. E essa questão de consciência é interessante. A

303
00:19:06,280 --> 00:19:09,760
gente pensa que essa discussão acabou em 1958. Vejam a discussão

304
00:19:09,760 --> 00:19:13,360
do Amode, da Antropic, do Cloud, com o Papa, né? O

305
00:19:13,360 --> 00:19:17,080
Papa criou o grupo lá para se discutir a consciência e

306
00:19:17,080 --> 00:19:19,760
máquinas pela filosofia

307
00:19:19,760 --> 00:19:22,200
eh

308
00:19:22,200 --> 00:19:27,159
tomista. Você pega ali são Tomás e que você traz também

309
00:19:27,159 --> 00:19:30,200
tipo essa noção de que a máquina não pode ter consciência.

310
00:19:30,200 --> 00:19:32,960
E o pessoal da Antropic quer que o Papa reconheça que

311
00:19:32,960 --> 00:19:35,360
máquinas podem ter. Cara, a discussão vai longe e não é

312
00:19:35,360 --> 00:19:38,720
o tema nosso, mas você vê consciência da própria existência. O

313
00:19:38,720 --> 00:19:41,960
pessoal tava falando sobre isso lá em 1958.

314
00:19:41,960 --> 00:19:45,480
Ã, para um leitor que pegava aquele jornal, naquele momento, a

315
00:19:45,480 --> 00:19:48,280
gente teve a Segunda Guerra Mundial acabando em 45, 39 a

316
00:19:48,280 --> 00:19:54,360
45. a gente entra já num período que que poxa, ã,

317
00:19:54,360 --> 00:19:56,559
Guerra Fria

318
00:19:56,559 --> 00:20:01,159
e um computador já era uma realização extraordinária.

319
00:20:01,159 --> 00:20:03,640
Só que a notícia que você

320
00:20:03,640 --> 00:20:08,320
tinha que a distância entre calcular e tornare um ser autônomo

321
00:20:08,320 --> 00:20:11,440
estava quase que desaparecendo. E quem que era o nome que

322
00:20:11,440 --> 00:20:16,039
tava por trás disso? Frank Rosenblat. Então, Rosen Blat, infelizmente, já

323
00:20:16,039 --> 00:20:19,120
falecido, acho que ele faleceu eh nadando [roncando] ou no Rio,

324
00:20:19,120 --> 00:20:22,440
alguma coisa assim, não num numa situação trágica, e ele desenvolve

325
00:20:22,440 --> 00:20:26,520
uma proposta chamada Percepton. E o Percepton, ele foi financiado pelo

326
00:20:26,520 --> 00:20:30,799
escritório de pesquisa naval. Na apresentação que ele fez pra pra

327
00:20:30,799 --> 00:20:35,400
imprensa, foi realizada no dia anterior à publicação, cara, eles tinham

328
00:20:35,400 --> 00:20:39,240
uma simulação em um IBM 704.

329
00:20:39,240 --> 00:20:41,960
Segundo um relato histórico que eu tirei aqui das fontes do

330
00:20:41,960 --> 00:20:46,720
livro da lá em Cornell, Cornell University, a tarefa consistia no

331
00:20:46,720 --> 00:20:49,799
seguinte, cara, eu vou mostrar cartões

332
00:20:49,799 --> 00:20:53,679
e a máquina consegue distinguir cartões que t uma marquinha à

333
00:20:53,679 --> 00:20:58,520
direita ou uma marquinha à esquerda. Certo, cara? Até pra gente

334
00:20:58,520 --> 00:21:01,159
aqui, né, quando eu olho hoje em dia parece uma coisa

335
00:21:01,159 --> 00:21:05,320
simples, mas ele prometeu muita coisa, ele falou de tudo que

336
00:21:05,320 --> 00:21:09,360
poderia ser. Então, os exemplos eram simples e o sistema ele

337
00:21:09,360 --> 00:21:11,720
passava cada vez mais, conforme ele ia errando, a melhorar a

338
00:21:11,720 --> 00:21:14,840
classificação, cara. Então, eu tinha extinguir a posição de uma marca

339
00:21:14,840 --> 00:21:18,159
e a máquina que para quem tava ali na imprensa, cara,

340
00:21:18,159 --> 00:21:22,600
uma máquina consciente, está vendo alguma coisa e fazendo uma classificação.

341
00:21:22,600 --> 00:21:23,919
Ã,

342
00:21:23,919 --> 00:21:26,679
e eu tinha alguma coisa preciosa ainda. Isso é legal pra

343
00:21:26,679 --> 00:21:29,000
gente entender o contexto histórico.

344
00:21:29,000 --> 00:21:32,559
Esse experimento, ele permitiu estudar um procedimento em que os meus

345
00:21:32,559 --> 00:21:35,559
exemplos eles iam alterando o comportamento de um sistema. Então, se

346
00:21:35,559 --> 00:21:38,159
eu perguntava, eu podia perguntar o que que mudava e eu

347
00:21:38,159 --> 00:21:43,480
ia acompanhando a consequência da mudança. OK, a gente entende então

348
00:21:43,480 --> 00:21:46,400
o que que é hoje, mas qual que foi o problema?

349
00:21:46,400 --> 00:21:48,679
O problema é que essas coisas não se mostraram. Mas antes

350
00:21:48,679 --> 00:21:50,559
de falar o que que deu errado e o que que

351
00:21:50,559 --> 00:21:54,080
deu certo, pegar o contexto do Frank Rosenblat, que todo mundo

352
00:21:54,080 --> 00:21:56,600
cita, todo mundo fala, e ele era psicólogo. E esse detalhe

353
00:21:56,600 --> 00:21:58,880
é legal pra gente entender o que que ele tá procurando,

354
00:21:58,880 --> 00:22:02,840
porque o problema básico ele tinha de percepção. Então, o que

355
00:22:02,840 --> 00:22:06,320
que ele tava procurando? percepção, como um organismo ele passa a

356
00:22:06,320 --> 00:22:10,039
distinguir alguma coisa do mundo real e como a experiência ela

357
00:22:10,039 --> 00:22:13,080
vai participar disso. E ele tinha estudado com James Gibson, que

358
00:22:13,080 --> 00:22:17,880
era uma referência importantíssima ali na pesquisa de percepção visual, certo?

359
00:22:17,880 --> 00:22:23,559
Lá no laboratório aeronáutico de Cornell, eh, em búfalo.

360
00:22:23,559 --> 00:22:25,080
Em búfalo.

361
00:22:25,080 --> 00:22:27,320
E ele aproximou essa formação de uma pergunta que podia ser

362
00:22:27,320 --> 00:22:30,039
investigada com número. Cara, será que é possível construir um sistema

363
00:22:30,039 --> 00:22:32,760
que ajusta a resposta conforme ele vai receber no exemplo? e

364
00:22:32,760 --> 00:22:37,559
o financiamento tava usando, eh, permitindo aquilo ficar viável. Certo? Legal.

365
00:22:37,559 --> 00:22:42,159
58. Rosenbla. Então, ele associa a proposta com uma capacidade de

366
00:22:42,159 --> 00:22:46,760
pensar como cérebro humano. E a frase que saiu e vocês

367
00:22:46,760 --> 00:22:49,880
vão entender um hype. Eu vou chegar nesse link com o

368
00:22:49,880 --> 00:22:52,440
momento que a gente tá agora. O pessoal tem um hype

369
00:22:52,440 --> 00:22:55,480
e tudo vai acabar, todas as profissões vão acabar. Aí o

370
00:22:55,480 --> 00:22:58,200
capitalismo acabou, eu não sei como que se gera riqueza, eu

371
00:22:58,200 --> 00:23:00,919
não sei como que a gente paga as coisas, porque psicólogo

372
00:23:00,919 --> 00:23:04,200
vai acabar. Eh, coach vai acabar. Coach não, coach vai est

373
00:23:04,200 --> 00:23:09,120
vendendo curso de coach, mas o o contador vai acabar, o

374
00:23:09,120 --> 00:23:13,880
desenvolvedor vai acabar, cientista de dados vai acabar. cara, assim, eh,

375
00:23:13,880 --> 00:23:15,840
o hype que a galera tá em cima de hoje é

376
00:23:15,840 --> 00:23:18,960
por desconhecer a Não que não seja poderoso, claro, mas as

377
00:23:18,960 --> 00:23:22,520
pessoas que também estão exagerando ou elas têm uma maldade, normalmente

378
00:23:22,520 --> 00:23:26,120
a ignorância da limitação.

379
00:23:26,120 --> 00:23:29,720
E quando Rosen Blar lá em 58 ele falou pro jornal

380
00:23:29,720 --> 00:23:33,840
que é o primeiro dispositivo a pensar como um cérebro humano

381
00:23:33,840 --> 00:23:36,760
humano, exatamente nessas palavras,

382
00:23:36,760 --> 00:23:38,120
eh,

383
00:23:38,120 --> 00:23:41,440
as pessoas elas começaram a levar aquilo sério que ia fazer

384
00:23:41,440 --> 00:23:46,320
uma exploração espacial legal. Então assim, ele tinha uma aspiração enorme,

385
00:23:46,320 --> 00:23:48,919
realmente, só que a tarefa que a gente vai acompanhar, ela

386
00:23:48,919 --> 00:23:52,120
vai ser um pouco menor ali.

387
00:23:52,120 --> 00:23:54,320
Este é o cenário que eu gosto de comparar e que

388
00:23:54,320 --> 00:23:58,360
o autor Waniel ele coloca no livro também, Why Machines Learning?

389
00:23:58,360 --> 00:24:02,320
Porque eu tenho sim uma ferramenta que ela demonstra capacidades que

390
00:24:02,320 --> 00:24:04,880
não existiam antes, só que eu tenho as pessoas ali às

391
00:24:04,880 --> 00:24:08,240
vezes desesperadas, sem saber o que vai ser do futuro, como

392
00:24:08,240 --> 00:24:12,440
que vai acontecer para elas. E o spoiler é que a

393
00:24:12,440 --> 00:24:15,640
matemática se torna cada vez mais relevante. A gente vai chegar

394
00:24:15,640 --> 00:24:18,400
na importância da matemática em que momento, Carlos? Vocês vão acompanhando

395
00:24:18,400 --> 00:24:21,760
essa história, mas eu digo para vocês, se você não conhece

396
00:24:21,760 --> 00:24:25,320
a ferramenta que você tá usando, você tá muito fadado a

397
00:24:25,320 --> 00:24:29,679
cair nessas teorias conspiratórias e você não fazer uso. Cara, o

398
00:24:29,679 --> 00:24:32,720
mercado ele tá muito fraco. A verdade é que o problema

399
00:24:32,720 --> 00:24:36,200
que a gente tem hoje é que para quem é júnior,

400
00:24:36,200 --> 00:24:39,720
normalmente, se o júnior ele fica nas atividades de júnior, isso

401
00:24:39,720 --> 00:24:42,559
a IA faz bem, eu construo dashboard, só que a IA

402
00:24:42,559 --> 00:24:45,480
ela tem um batente e é nesse batente que a matemática

403
00:24:45,480 --> 00:24:48,720
ajuda. Tranquilo? A gente vai chegar nisso conforme a gente vai

404
00:24:48,720 --> 00:24:52,399
desenvolvendo durante essas quatro aulas. Mas na neste agora, o que

405
00:24:52,399 --> 00:24:56,399
que a gente tem? Voltando ao experimento de Rosenblar, por o

406
00:24:56,399 --> 00:25:00,039
tema dessa aula é como que as máquinas aprendem, qual é

407
00:25:00,039 --> 00:25:02,919
o conhecimento de vocês. Eu queria que vocês colocassem no chat

408
00:25:02,919 --> 00:25:07,559
para eu entender o que vocês sabem de aprendizado de máquina,

409
00:25:07,559 --> 00:25:11,640
como que as máquinas aprendem. Você sabe responder isso ou não

410
00:25:11,640 --> 00:25:14,840
tem problema? Para muita gente é mágico você falar com o

411
00:25:14,840 --> 00:25:19,320
chat GPT e ele te responder ali, mas você sabe como

412
00:25:19,320 --> 00:25:21,640
que a máquina ela consegue

413
00:25:21,640 --> 00:25:25,799
falar uma resposta, como que ela chega a uma conclusão? Coloquem

414
00:25:25,799 --> 00:25:28,080
o nível de vocês, se vocês já trabalham com machine e

415
00:25:28,080 --> 00:25:30,120
learning e

416
00:25:30,120 --> 00:25:32,399
podem colocar também, inclusive

417
00:25:32,399 --> 00:25:35,399
a importância, tá? O que que eu quero dessa aula? Cara,

418
00:25:35,399 --> 00:25:38,640
essa é uma aula introdutória com contexto histórico porque é gostoso,

419
00:25:38,640 --> 00:25:42,760
né? E tipo para fazer o nivel,

420
00:25:42,760 --> 00:25:48,480
mas pensa assim, seja o chat GPT te dando resposta,

421
00:25:48,480 --> 00:25:49,799
seja

422
00:25:49,799 --> 00:25:53,880
você batendo uma foto no seu iPhone e você segurando o

423
00:25:53,880 --> 00:25:57,080
dedo em cima da pessoa e ele conseguir recortar, ou ele

424
00:25:57,080 --> 00:26:03,480
identificar a cara de uma pessoa, ã, ou eu vagem

425
00:26:03,480 --> 00:26:06,679
aérea e cada hora que eu abro num equipamento, eu abro

426
00:26:06,679 --> 00:26:10,520
num Android velho, abro no iPhone 17 Pro Max, o preço

427
00:26:10,520 --> 00:26:13,919
da passagem ou do booking é diferente. Ou quando eu peço

428
00:26:13,919 --> 00:26:17,200
um Uber e eu tô acabando a bateria,

429
00:26:17,200 --> 00:26:19,360
pode ter uma heurística, por tá aqui que é uma heurística,

430
00:26:19,360 --> 00:26:23,880
uma coisa mais certinha, baseada em regras, mas o ponto é,

431
00:26:23,880 --> 00:26:28,679
vamos olhar na ótica de machine learning. Machine Learning, a gente

432
00:26:28,679 --> 00:26:34,000
permitiu a máquina aprender. Então, este é o ponto. Considera nesse

433
00:26:34,000 --> 00:26:36,600
quadro aqui. E a gente tá voltando lá na época do

434
00:26:36,600 --> 00:26:39,679
Rosenblar, eu tenho ponto azul e eu tenho ponto amar. E

435
00:26:39,679 --> 00:26:45,440
eu quero classificar coisas como olha, este meu e-mail é spam

436
00:26:45,440 --> 00:26:49,080
ou este meu e-mail não é spam. É o problema da

437
00:26:49,080 --> 00:26:52,679
Google, é o problema da do Hotmail. Alguém ainda usa Hotmail,

438
00:26:52,679 --> 00:26:55,240
mas é o problema que eu tenho. Este é um problema

439
00:26:55,240 --> 00:26:58,320
onde eu quero definir

440
00:26:58,320 --> 00:27:01,159
uma reta que separa

441
00:27:01,159 --> 00:27:03,919
e-mails que são spam de e-mails que não são spam. E

442
00:27:03,919 --> 00:27:07,000
de uma maneira simplificada, eu poderia pensar, eu quero que a

443
00:27:07,000 --> 00:27:12,720
minha máquina aprenda a separar tumores benignos de malignos.

444
00:27:12,720 --> 00:27:14,559
Perfeito.

445
00:27:14,559 --> 00:27:18,279
OK. O computador imagina que ele vai receber uma coleção de

446
00:27:18,279 --> 00:27:22,600
exemplos. Então assim, se eu quero construir um modelo para prever

447
00:27:22,600 --> 00:27:24,480
doenças cardiovasculares,

448
00:27:24,480 --> 00:27:28,520
eu pego um paciente e esse paciente ele tá passando a

449
00:27:28,520 --> 00:27:31,760
idade dele e eu tô vendo a frequência cardíaca dele em

450
00:27:31,760 --> 00:27:35,880
repouso, eu tô tirando várias métricas e às vezes cruzando com

451
00:27:35,880 --> 00:27:39,240
exame de sangue e eu olho, eu, poxa, eu sou um

452
00:27:39,240 --> 00:27:42,919
médico e o meu hospital ele tem o histórico de 20.000

453
00:27:42,919 --> 00:27:44,519
1 pacientes

454
00:27:44,519 --> 00:27:48,240
no passado, que eu sei se eles tiveram

455
00:27:48,240 --> 00:27:52,880
doença cardiovascular, problema no coração ou não. Então eu quero fazer

456
00:27:52,880 --> 00:27:57,720
isso, eu quero jogar esses dados que eles têm esses rótulos

457
00:27:57,720 --> 00:28:01,120
e perdi pra máquina. Então assim, se eu peço para alguém

458
00:28:01,120 --> 00:28:04,799
vocês desenharem uma linha, a gente consegue dar uma solução humana,

459
00:28:04,799 --> 00:28:07,120
só que eu preciso de um procedimento que a máquina ela

460
00:28:07,120 --> 00:28:10,559
não tá enxergando. E quando eu tô vendo as coisas, eu

461
00:28:10,559 --> 00:28:13,200
tô pensando em uma, duas variáveis, cara. mundo real, ele é

462
00:28:13,200 --> 00:28:16,640
muito mais complexo do que isso, né? Então, este desenho tem

463
00:28:16,640 --> 00:28:19,559
uma dificuldade que a gente tem que retomar e a gente

464
00:28:19,559 --> 00:28:25,669
vai ver daqui a pouquinho, mas

465
00:28:25,669 --> 00:28:27,840
que ter um procedimento porque visualmente eu entendo. Deixa eu só

466
00:28:27,840 --> 00:28:31,240
pegar minha folha que ela voou aqui.

467
00:28:31,240 --> 00:28:35,080
Eu trago. Pessoal, eu sou analógico para estudo. Quando vocês pensam,

468
00:28:35,080 --> 00:28:38,679
cara, todas as anotações que eu preparo, é tudo no papel,

469
00:28:38,679 --> 00:28:42,279
porque senão o nosso cérebro fica naquele brain root e você

470
00:28:42,279 --> 00:28:45,440
fica copiando e colando, você não aprende, de fato. Então eu

471
00:28:45,440 --> 00:28:47,799
falo pro pessoal em tempos de como que eu volto a

472
00:28:47,799 --> 00:28:51,360
ter capacidade de memória? Como que o meu cérebro fica desacelerado,

473
00:28:51,360 --> 00:28:56,200
cara? Papel e caneta, livro físico para mim tem ajudado tremendamente

474
00:28:56,200 --> 00:28:58,519
ali, certo?

475
00:28:58,519 --> 00:29:04,360
Então legal. Então, o que que acontece quando eu pego?

476
00:29:04,360 --> 00:29:06,559
Eu tenho que descobrir um procedimento

477
00:29:06,559 --> 00:29:11,039
que me permite representar exemplos por números e descrever os efeitos

478
00:29:11,039 --> 00:29:12,720
de mudança.

479
00:29:12,720 --> 00:29:15,919
E pode parecer que tudo foi descoberto agora. Quando eu falo

480
00:29:15,919 --> 00:29:20,240
que temos hoje uma, cara, se eu uso chat GPT, se

481
00:29:20,240 --> 00:29:23,480
eu tenho um modelo da Netflix que me recomenda filme, se

482
00:29:23,480 --> 00:29:26,279
eu tenho um carro que dirige sozinho aqui na Tesla, é

483
00:29:26,279 --> 00:29:29,679
porque eu tenho uma matemática. Cara, é matemática. Ponto. É matemática

484
00:29:29,679 --> 00:29:34,240
estatística. Vamos colocar matemática o nome ã probabilidade estatística. Sim, tudo

485
00:29:34,240 --> 00:29:37,559
isso, tudo isso. Mas eu eu vou vou generalizar aqui. Perdoem

486
00:29:37,559 --> 00:29:40,080
os puristas, né? Mas eu vou trazer o nome a matemática

487
00:29:40,080 --> 00:29:43,799
que tá por trás. E você tá pensando quando que surgiu

488
00:29:43,799 --> 00:29:49,159
ou quando surgiram essas matemáticas, essas técnicas que agora sim a

489
00:29:49,159 --> 00:29:52,960
máquina pode aprender. Pô, pode, cara, faz 10 anos, 20 anos.

490
00:29:52,960 --> 00:29:57,240
Na verdade, a ferramenta que permitir a máquina aprender aqui é

491
00:29:57,240 --> 00:30:01,159
uma reta. Agora, tem coisa que eu não conseguiria visualizar, problemas

492
00:30:01,159 --> 00:30:05,640
extremamente complexos. A ferramenta para eu conseguir ensinar a máquina a

493
00:30:05,640 --> 00:30:08,320
fazer esse tipo de classificação, a trabalhar todos esses tipos de

494
00:30:08,320 --> 00:30:12,720
problema, elas surgem muito antes da ideia de alguém cogitar em

495
00:30:12,720 --> 00:30:15,799
saber o que é um computador. Então assim, pensa num problema

496
00:30:15,799 --> 00:30:18,080
de quantidade. Você conhece o total de uma compra e você

497
00:30:18,080 --> 00:30:20,799
quer descobrir quanto que cabe em cada item. com uma relação

498
00:30:20,799 --> 00:30:24,519
apenas talvez sobrem possibilidades. Eu tenho outras relações que vão ajudando

499
00:30:24,519 --> 00:30:28,640
a determinados valores. Eu tenho um livro chinês conhecido com os

500
00:30:28,640 --> 00:30:33,399
nove capítulos sobre a arte matemática e no livro eh ele

501
00:30:33,399 --> 00:30:38,200
já descrevia procedimento para sistema de equação com números representados por

502
00:30:38,200 --> 00:30:41,480
vara de contagem. Eu tenho uma ligação histórica da forma de

503
00:30:41,480 --> 00:30:45,360
organizar então os cálculos que muito século depois eu precisar eu

504
00:30:45,360 --> 00:30:50,279
eh participariam da álgebra linear moderna. Só que a matemática que

505
00:30:50,279 --> 00:30:53,120
ela vem, e eu fiz uma confluência aqui, ó, no livro

506
00:30:53,120 --> 00:30:57,919
ele até coloca, cara, o os eventos de aprendizado de máquina,

507
00:30:57,919 --> 00:31:04,240
eles são explicados pela elegante matemática e algoritmos que eles foram

508
00:31:04,240 --> 00:31:08,279
energizados por meio de pesquisa. Então assim,

509
00:31:08,279 --> 00:31:11,760
eh, matemática e ciência da computação e pegando um pouco da

510
00:31:11,760 --> 00:31:15,639
física, pegando um pouco da química e pegando um pouco da

511
00:31:15,639 --> 00:31:18,960
neurociência, um pouco de tudo.

512
00:31:18,960 --> 00:31:21,960
E eu vejo, por exemplo, Newton e Libnits,

513
00:31:21,960 --> 00:31:26,639
século X7, eles envolveram o cálculo, o cálculo independentemente. Aqui na

514
00:31:26,639 --> 00:31:30,559
imagem eles estão juntos, mas eles de maneira independente desenvolveram o

515
00:31:30,559 --> 00:31:35,360
cálculo. Olha, todas essas ferramentas são ferramentas que não apenas, não

516
00:31:35,360 --> 00:31:39,639
somente C, mas que elas permitem máquinas aprenderem. Cara, a máquina

517
00:31:39,639 --> 00:31:42,760
prende então porque elas estão no ombro de gigante. Então, Newton

518
00:31:42,760 --> 00:31:47,799
Lipnets e século X7, cálculo. E a pergunta central do cálculo

519
00:31:47,799 --> 00:31:51,880
era como eu descrevo mudança, né? Se eu tenho uma variação,

520
00:31:51,880 --> 00:31:55,440
uma velocidade de um corpo tá variando ou se uma inclinação

521
00:31:55,440 --> 00:31:58,600
ela tá mudando. Eu preciso de uma linguagem que torne essa

522
00:31:58,600 --> 00:32:02,320
variação precisa. tudo para resolver problema. Eu pego base. B base

523
00:32:02,320 --> 00:32:05,399
eu tinha dificuldade de inferir alguma coisa a partir de informação

524
00:32:05,399 --> 00:32:09,919
incompleta. Agora eu observo algumas coisas eh

525
00:32:09,919 --> 00:32:12,919
e eu tento avaliar o que essa observação sugere sobre uma

526
00:32:12,919 --> 00:32:16,960
determinada hipótese. E a gente usa a função que a gente

527
00:32:16,960 --> 00:32:19,880
tem daí no machine learning, no aprendizado de máquina. Quando a

528
00:32:19,880 --> 00:32:23,440
gente ensina a máquina a aprender, ela vai ter uma função

529
00:32:23,440 --> 00:32:27,519
hipótese. Hipótese com um parâmetrozinho teta ali, né? E essa maneira

530
00:32:27,519 --> 00:32:30,320
de raciocinar. Então, eh,

531
00:32:30,320 --> 00:32:33,320
vai ter um papel enorme nos modelos probabilísticos. Eu também tenho,

532
00:32:33,320 --> 00:32:35,919
poxa, eu vou pegando, cara, com Gaus, a cena que se

533
00:32:35,919 --> 00:32:39,720
aproxima, aproxima do problema dos erros e eu vou usar como

534
00:32:39,720 --> 00:32:42,880
eu organizo essa informação, como que eu estimo alguma coisa, e

535
00:32:42,880 --> 00:32:46,200
o estudo da variação e dos erros que ajudou a formar

536
00:32:46,200 --> 00:32:50,159
ferramentas que elas atravessam a estatística. E nenhuma dessas pessoas estavam

537
00:32:50,159 --> 00:32:54,919
tentando construir o aprendizado de máquina. Cara, eu acho muito triste

538
00:32:54,919 --> 00:32:58,159
quando as pessoas falam: "Pô, para que eu vou estudar matemática,

539
00:32:58,159 --> 00:33:03,279
Carlos, se eu não vou usar na minha carreira?" cara, tipo,

540
00:33:03,279 --> 00:33:07,279
você tem dois tipos de estudo. Você tem

541
00:33:07,279 --> 00:33:08,679
estudos

542
00:33:08,679 --> 00:33:10,279
diários,

543
00:33:10,279 --> 00:33:15,240
tipo, vamos lá, o que que o pessoal estuda? Eu tô

544
00:33:15,240 --> 00:33:19,480
estudando um livro prático com tutorial de

545
00:33:19,480 --> 00:33:23,919
porte. Ou eu tô construindo um small language model do zero,

546
00:33:23,919 --> 00:33:27,960
porque eu quero aprender compai, etc., tocanização. Ou eu quero aprender

547
00:33:27,960 --> 00:33:31,440
rust agora. Pô, cara, que legal.

548
00:33:31,440 --> 00:33:33,840
Para o topo. Levanta sua imagem para o topo. Eu estou

549
00:33:33,840 --> 00:33:37,440
atrapalhando, cara. Eu vou posso diminuir a minha cara aqui. Eu

550
00:33:37,440 --> 00:33:40,559
acho que o conteúdo ele é mais importante. Eu vou diminuir,

551
00:33:40,559 --> 00:33:41,840
pessoal,

552
00:33:41,840 --> 00:33:45,639
porque eh eu não posso não aparecer, né? Eu acho. Mas

553
00:33:45,639 --> 00:33:48,760
se vocês não ligam, então assim,

554
00:33:48,760 --> 00:33:52,919
eu Você tem o estudo que te prepara para uma vaga.

555
00:33:52,919 --> 00:33:55,639
A empresa tá pedindo a WS, tá pedindo a Zure, tá

556
00:33:55,639 --> 00:33:57,320
pedindo

557
00:33:57,320 --> 00:33:59,840
Machine Learning System Design, que você vai ter um estudo de

558
00:33:59,840 --> 00:34:04,120
caso ou que você tem que ter trabalhado com, não sei,

559
00:34:04,120 --> 00:34:09,040
com AI eng, cara, ferramenta, você se prepara profissionalmente para aquilo,

560
00:34:09,040 --> 00:34:11,119
só que você tem um outro tipo de estudo que ele

561
00:34:11,119 --> 00:34:13,760
vai à vida inteira. Cara, a gente estuda, as pessoas elas

562
00:34:13,760 --> 00:34:16,280
estudam para entrar num emprego, para passar numa vaga ou quando

563
00:34:16,280 --> 00:34:19,480
a empresa matricula ela num curso. Cara, o conhecimento da mat

564
00:34:19,480 --> 00:34:23,760
Ah, Carlo, mas não vai no currículo, não pede derivada, não

565
00:34:23,760 --> 00:34:29,320
pede integral, não pede otimizadores, conceito de aproximação,

566
00:34:29,320 --> 00:34:33,760
séries de Taylor, ã, não pede números complexos,

567
00:34:33,760 --> 00:34:37,079
claro, mas se você não tem esse conhecimento, cara, não tem

568
00:34:37,079 --> 00:34:41,119
como você ser um ótimo profissional. A parte boa é que

569
00:34:41,119 --> 00:34:44,200
hoje em dia a informação tá em tanto canto, né, que

570
00:34:44,200 --> 00:34:46,679
que você tem como aprender matem. Ah, foi um péssimo aluno,

571
00:34:46,679 --> 00:34:49,520
não tem problema. A escola a gente aprendeu, foi treinado a

572
00:34:49,520 --> 00:34:51,720
passar em prova. Ninguém aprende. O pessoal sai às vezes sem

573
00:34:51,720 --> 00:34:55,839
regra de três, mas você tem fonte. Agora, o estudo da

574
00:34:55,839 --> 00:35:00,000
matemática, o estudo da base, poxa, é a analogia da, vamos

575
00:35:00,000 --> 00:35:02,839
pegar construir aonde? Em cima de da areia ou de rocha,

576
00:35:02,839 --> 00:35:07,000
né? E analogia é ótima, independente do conceito religioso, porque se

577
00:35:07,000 --> 00:35:10,000
eu só estudo a parte de cima, eu tô fadado a

578
00:35:10,000 --> 00:35:13,160
não ser um bom profissional. É o fracasso. Por quê? Quando

579
00:35:13,160 --> 00:35:16,920
você vai resolver um problema, meu amigo,

580
00:35:16,920 --> 00:35:20,200
você tá lá, o chat GPT ele é probabilístico, ele tem

581
00:35:20,200 --> 00:35:22,920
um contexto limitado, ele vai te dar a solução óbvia que

582
00:35:22,920 --> 00:35:28,280
ele foi treinado. Agora, aquela matéria que você aprendeu de metística,

583
00:35:28,280 --> 00:35:33,440
de algoritmo evolutivo ou aquele conceito de pesquisa operacional, onde você

584
00:35:33,440 --> 00:35:36,880
fez uma aproximação dos do

585
00:35:36,880 --> 00:35:41,160
eh do número contínuo pro número discreto,

586
00:35:41,160 --> 00:35:44,960
pô, te dá um insight, aquela estrutura de dados que você

587
00:35:44,960 --> 00:35:47,800
tem que ordenar seu sistema tá lento. Você não sabe por

588
00:35:47,800 --> 00:35:51,160
quê, porque você tá dando um sort ou um sorted ou

589
00:35:51,160 --> 00:35:56,560
você tá e com uma complexidade computacional. N quadrado. Eh, e

590
00:35:56,560 --> 00:35:59,760
você teria uma estrutura de ponteiros ou você tem uma estrutura

591
00:35:59,760 --> 00:36:02,280
que você não aloca a memória. Cara, esse é o conhecimento

592
00:36:02,280 --> 00:36:05,079
que você constrói ao longo da vida. Um bom profissional é

593
00:36:05,079 --> 00:36:08,119
o cara que tá estudando para caramba. Matemática você estuda pra

594
00:36:08,119 --> 00:36:12,000
vida. No grupo eu vou recomendar os dois principais livros e

595
00:36:12,000 --> 00:36:16,200
também a recomendação da Dra. Juliana, PhD, aqui pela NC State,

596
00:36:16,200 --> 00:36:19,599
que ela deu uma sugestão sensacional para quem tá aprendendo do

597
00:36:19,599 --> 00:36:23,079
zero, inclusive, né? Mas o fato é, você não estuda para

598
00:36:23,079 --> 00:36:26,240
entrar numa vaga, mas não tem como, cara. Se você acha

599
00:36:26,240 --> 00:36:29,160
que tem como, me desculpe. Ah, mas tá fulano, cara, tudo

600
00:36:29,160 --> 00:36:33,079
bem, você pode pegar exemplos isolados, mas uma construção de uma

601
00:36:33,079 --> 00:36:36,960
carreira sólida, você não chega e sem a parte boa é

602
00:36:36,960 --> 00:36:40,079
que no começo a matemática é tranquila. Então, sem fundamento não

603
00:36:40,079 --> 00:36:42,839
vai longe. Você, ah, Carlos, eu tenho síndrome do impostor. Não,

604
00:36:42,839 --> 00:36:44,680
às vezes você pode ser um impostor. Provavelmente você é um

605
00:36:44,680 --> 00:36:47,880
impostor. Não no sentido pejorativo, mas que você não parou para

606
00:36:47,880 --> 00:36:51,400
estudar o que você deveria. Porque as pessoas são imediatistas. Eu

607
00:36:51,400 --> 00:36:53,520
tenho uma live falando sobre isso. Eu quero estudar o que

608
00:36:53,520 --> 00:36:56,880
a vaga tá exigindo, a tecnologia daquele momento. Para que que

609
00:36:56,880 --> 00:36:58,920
eu vou parar, pô? Não lembro nada de funções. Vou pegar

610
00:36:58,920 --> 00:37:03,079
Gelson y os 10 volumes, 11, 12. Tem estatística agora, né?

611
00:37:03,079 --> 00:37:05,359
É. Para que que eu vou estudar se isso não é

612
00:37:05,359 --> 00:37:10,960
imediato? Percebam, é mudança de mentalidade. matemática é obrigatório, cara. Então,

613
00:37:10,960 --> 00:37:15,079
assim, toda essa matemática desenvolvida ao longo de séculos é o

614
00:37:15,079 --> 00:37:19,200
que a gente usa, não apenas elas, né? Mas eu até

615
00:37:19,200 --> 00:37:23,880
reuni aqui para vocês, não é exclusivamente, por quando eu peguei

616
00:37:23,880 --> 00:37:29,680
aqui, ã, por exemplo, machine learning, algoritmos que dependem de matemática

617
00:37:29,680 --> 00:37:30,960
simples,

618
00:37:30,960 --> 00:37:32,640
OK?

619
00:37:32,640 --> 00:37:34,800
álgebra elementar,

620
00:37:34,800 --> 00:37:38,480
cálculo em algum momento, eh, teorema de base, o teorema de

621
00:37:38,480 --> 00:37:43,119
base, né? Probabilidade estatística, Gaus para saber aquela distribuição, álgebra linear.

622
00:37:43,119 --> 00:37:47,079
Cara, eu tenho muita contribuições de muitas áreas diferentes,

623
00:37:47,079 --> 00:37:49,240
só que ã

624
00:37:49,240 --> 00:37:52,800
eu resumiria,

625
00:37:52,800 --> 00:37:56,960
talvez alguém tenha opinião diferente, mas álgebra linear tem que saber.

626
00:37:56,960 --> 00:37:59,359
A matemática não é matemática tudo que não. A gente divide

627
00:37:59,359 --> 00:38:02,920
matemática, tem algumas áreas, né? Mas álgebra linear é uma área,

628
00:38:02,920 --> 00:38:06,400
cálculo é outra área. Aí eu tenho a probabilidade estatística e

629
00:38:06,400 --> 00:38:08,599
eu tenho a otimização.

630
00:38:08,599 --> 00:38:11,400
Isso é o que a gente precisa saber. Se você tem

631
00:38:11,400 --> 00:38:13,920
um plano de estudos, poxa, se programa para em um ano

632
00:38:13,920 --> 00:38:17,400
você aprender a matemática. Você pega um livro, que é o

633
00:38:17,400 --> 00:38:19,640
que eu vou passar

634
00:38:19,640 --> 00:38:24,599
no grupo, e eu não vou conseguir mostrar ele na tela,

635
00:38:24,599 --> 00:38:28,800
acredito, porque tá com blur. Mas Mathematics

636
00:38:28,800 --> 00:38:32,480
of Machine Learning do eh Tivadar

637
00:38:32,480 --> 00:38:35,680
Danca, que tem um perfil muito bom ali no X. Quem

638
00:38:35,680 --> 00:38:38,160
anotou, coloca o nome pros colegas aqui ou pega o link

639
00:38:38,160 --> 00:38:41,359
do grupo. E esse daqui, Mathematics

640
00:38:41,359 --> 00:38:44,800
for Machine Learning. E aí, o que tá? Esses dois livros

641
00:38:44,800 --> 00:38:48,319
eles são o começo, porque como que você estuda e você

642
00:38:48,319 --> 00:38:50,800
tem uma carreira? Cara, nem era um tema, né, que eu

643
00:38:50,800 --> 00:38:53,760
ia pegar aqui agora, mas aproveitando o ensejo,

644
00:38:53,760 --> 00:38:56,920
você pega um livro desses, o do Tivadar, ele é mais

645
00:38:56,920 --> 00:38:59,560
basicão e ele tem código em Python para você acompanhar os

646
00:38:59,560 --> 00:39:05,240
conceitos. Eu prefiro esse daqui do Mark Peter Zyrot, é Aldo

647
00:39:05,240 --> 00:39:09,720
Faisal e Cheng Song OG. ele é mais denso, o problema

648
00:39:09,720 --> 00:39:13,119
é esse. E aí você vai seguindo capítulo a capítulo ao

649
00:39:13,119 --> 00:39:16,079
longo de 2 anos. Aí quando você do nada tá lá

650
00:39:16,079 --> 00:39:19,800
no capítulo de álgebra linear, cara, você vai travar em algum

651
00:39:19,800 --> 00:39:22,560
momento, cara. E aí você tem que fazer o quê? Você

652
00:39:22,560 --> 00:39:26,240
vai correr atrás desse conceito e se virar. A, o estudo

653
00:39:26,240 --> 00:39:29,599
é assim e não tem como você assumir que você vai

654
00:39:29,599 --> 00:39:32,040
ser bom se você não assumir que às vezes é chato

655
00:39:32,040 --> 00:39:36,079
estudar. Pô, é chato e é cansativo. E a estudo da

656
00:39:36,079 --> 00:39:39,720
matemática, eu até peguei uma dica, né, que o autor coloca

657
00:39:39,720 --> 00:39:44,400
no livro, ã, pegar aqui, olha, nós

658
00:39:44,400 --> 00:39:48,359
onde tá aqui, ó, matemática aqui, ó, o processo gradual de

659
00:39:48,359 --> 00:39:51,359
aprendizado. Tem um livro muito bom para quem gosta de livros.

660
00:39:51,359 --> 00:39:55,480
Is math real. A a matemática é real e o autor

661
00:39:55,480 --> 00:39:59,119
ele coloca o processo de aprendizado da matemática. A matemática não,

662
00:39:59,119 --> 00:40:01,000
você não vê o resultado no dia a dia. Por isso

663
00:40:01,000 --> 00:40:03,160
que as pessoas elas se frustam, por isso que tá cheio

664
00:40:03,160 --> 00:40:05,119
de gente mediano, por isso tá cheio de gente que não

665
00:40:05,119 --> 00:40:10,480
tem conceito. Porque eh é igual o eu tenho uma confluência

666
00:40:10,480 --> 00:40:12,440
de coisas que eu vou aprendendo ao longo da vida e

667
00:40:12,440 --> 00:40:16,760
cara, eu não sinto, mas quando eu preciso

668
00:40:16,760 --> 00:40:19,920
esse conhecimento tá lá. Por aí a diferença da máquina. A

669
00:40:19,920 --> 00:40:23,040
máquina tem um contexto, tu carrega sua psique inteira, cara. Todas

670
00:40:23,040 --> 00:40:26,760
as suas experiências de vida, tudo que você já aprendeu desde

671
00:40:26,760 --> 00:40:28,240
a escola,

672
00:40:28,240 --> 00:40:32,359
aquele detalhe às vezes ele vai vir na solução. A criatividade

673
00:40:32,359 --> 00:40:35,440
é isso. E a criatividade depende da minha experiência. Isso não

674
00:40:35,440 --> 00:40:39,920
é treinável na máquina. Mas então, assumam isso, coloquem num papel,

675
00:40:39,920 --> 00:40:43,839
cara, tragam papel e caneta todas as aulas, podem pegar aí.

676
00:40:43,839 --> 00:40:46,440
Mas o insite é esse, pô. A matemática ela é um

677
00:40:46,440 --> 00:40:50,920
aprendizado, você não vê e você só sabe que aquilo ajudou

678
00:40:50,920 --> 00:40:55,640
quando você precisou, em determinado momento vem do nada. Então aceite.

679
00:40:55,640 --> 00:41:00,319
Até nesse SMTH Real ele coloca: "Aceite o pequeno desconforto intelectual,

680
00:41:00,319 --> 00:41:05,040
porque é desconfortável estudar matemática, porque as coisas elas não são

681
00:41:05,040 --> 00:41:10,560
recompensadas naquele momento." Perfeito? Então essas são as primeiras áreas. Ã,

682
00:41:10,560 --> 00:41:14,640
talvez só otimização, né? otimização é um campo específico. No livro

683
00:41:14,640 --> 00:41:16,079
do dois

684
00:41:16,079 --> 00:41:18,359
livros de matemática que eu mencionei,

685
00:41:18,359 --> 00:41:22,480
ele fala bastante sobre isso. Então assim,

686
00:41:22,480 --> 00:41:27,560
ã, o que que acontece? Olha que uma coisa legal.

687
00:41:27,560 --> 00:41:31,640
Quando a gente pensa que matemática é difícil e pode ser

688
00:41:31,640 --> 00:41:34,560
difícil e vai ser difícil e é muito difícil, mas no

689
00:41:34,560 --> 00:41:40,680
nosso contexto vai pro cientista de dados mediano, mediano que tá

690
00:41:40,680 --> 00:41:44,880
ali no meio, não mediano, pejorativamente falando de jeito algum, mas

691
00:41:44,880 --> 00:41:47,640
pra maior parte das pessoas o que você vai executar no

692
00:41:47,640 --> 00:41:50,359
dia a dia é uma matemática simples.

693
00:41:50,359 --> 00:41:56,880
E por exemplo, a história do Elias Suver, né?

694
00:41:56,880 --> 00:42:01,440
cofundou a Open AI do chat GPT e ele ajuda, essa

695
00:42:01,440 --> 00:42:04,359
anedota ajuda a gente a entender um pouco a surpresa dele

696
00:42:04,359 --> 00:42:06,359
quando ele foi

697
00:42:06,359 --> 00:42:09,440
ver os papers, porque ele foi atrás de nada menos, nada

698
00:42:09,440 --> 00:42:14,440
mais do que o Grodfred Hinton, né? O o Jofrey Hinton.

699
00:42:14,440 --> 00:42:16,480
Joffrey Hinton, inclusive

700
00:42:16,480 --> 00:42:18,319
é um dos maiores nomes que a gente tem e ele

701
00:42:18,319 --> 00:42:22,720
já era famoso, mas você imagina o próprio Ilia, ele ele

702
00:42:22,720 --> 00:42:25,480
contou, né, pro autor desse livro Why Machines Learning, que quando

703
00:42:25,480 --> 00:42:28,680
ele foi atrás lá na Universidade de Toronto, atrás do Jofer

704
00:42:28,680 --> 00:42:31,920
Hinton, ele queria trabalhar e o Hinton deu alguns artigos para

705
00:42:31,920 --> 00:42:34,079
ele ler

706
00:42:34,079 --> 00:42:39,040
e entregou e ele levou para casa e ele ficou abismado

707
00:42:39,040 --> 00:42:42,800
e ele chegou, cara, eu tava lendo aqueles trabalhos de aprend

708
00:42:42,800 --> 00:42:47,040
de de deep learning e ele encontrou conceitos que pareciam relativamente

709
00:42:47,040 --> 00:42:50,559
simples diante de outras coisas que ele tinha visto na formação

710
00:42:50,559 --> 00:42:54,520
dele. Ele vem de uma formação da física, da matemática, que

711
00:42:54,520 --> 00:42:56,559
é um curso que a gente sabe que a taxa de

712
00:42:56,559 --> 00:43:00,680
desistência é altíssima e esses conceitos tinham um alcance que impressionava.

713
00:43:00,680 --> 00:43:02,839
Então é uma experiência que acontece quando a gente começa a

714
00:43:02,839 --> 00:43:06,079
estudar um mecanismo. Você vê a capacidade, cara, boa parte da

715
00:43:06,079 --> 00:43:10,000
matemática é equação da reta. No começo, equação da reta. Aí

716
00:43:10,000 --> 00:43:14,040
você aprende uma derivada de um jeito aplicado e você entende,

717
00:43:14,040 --> 00:43:17,640
cara, aquilo é simplesinho. O que que significa fazer a derivada

718
00:43:17,640 --> 00:43:22,319
para encontrar o o máximo ou o mínimo da minha função?

719
00:43:22,319 --> 00:43:25,920
Ã, então ele coloca isso e é a sensação que vocês

720
00:43:25,920 --> 00:43:28,920
têm que ter. É uma história. Claro, o Ilia ele tem

721
00:43:28,920 --> 00:43:34,040
uma tremenda, o cara cofundou a Open AI, eu concordo. Mas

722
00:43:34,040 --> 00:43:37,280
dadas as nossas devidas limitações e proporções, quando a gente se

723
00:43:37,280 --> 00:43:39,960
compara a ele, boa parte do que a gente vai ver

724
00:43:39,960 --> 00:43:43,319
no começo é matemática simples. Se você aprendeu, não aprendeu nada

725
00:43:43,319 --> 00:43:46,079
no ensino médio, não tem problema. A maior parte das pessoas

726
00:43:46,079 --> 00:43:49,440
não aprendeu nada. A gente fazia prova. Só que não é

727
00:43:49,440 --> 00:43:52,280
desculpa agora que a gente tem curso para caramba. Só que

728
00:43:52,280 --> 00:43:54,920
matemática também não é jogar no chat GPT e pedir um

729
00:43:54,920 --> 00:43:58,319
resumo, né? você tem que fazer alguns exercícios na mão e

730
00:43:58,319 --> 00:44:03,040
eu volto, cara, vamos voltar para analógico neste momento. Então, ã,

731
00:44:03,040 --> 00:44:06,960
e a gente pode fazer algumas contas bem simples, só pra

732
00:44:06,960 --> 00:44:11,079
gente entender. Claro, eu não quero ser extremamente simplório, mas a

733
00:44:11,079 --> 00:44:14,960
gente vai fazer alguns exemplos aqui básicos para essa aula de

734
00:44:14,960 --> 00:44:17,760
inauguração,

735
00:44:17,760 --> 00:44:23,520
OK? A matemática que eu preciso, ela é simples, então, neste

736
00:44:23,520 --> 00:44:27,640
começo. E mesmo assim, quando eu vejo aquelas equações ou quando

737
00:44:27,640 --> 00:44:31,760
eu vejo aquele símbolo sigma ou eu vejo aquela integral, cara,

738
00:44:31,760 --> 00:44:34,200
boa parte você não tem que saber resolver, mas você tem

739
00:44:34,200 --> 00:44:37,559
que saber interpretar o que significa. E quando você começa a

740
00:44:37,559 --> 00:44:40,960
botar uma rotina de estudo diário, ou pelo menos quatro, cinco

741
00:44:40,960 --> 00:44:44,520
vezes por semana, uma horinha, 45 minutos, no final de um

742
00:44:44,520 --> 00:44:47,240
ano você vai estar num nível que você vai se surpreender,

743
00:44:47,240 --> 00:44:49,960
certo? Mas antes de a gente dar o exemplo, já que

744
00:44:49,960 --> 00:44:53,319
vocês estão vendo esse contexto histórico, cara, eu quero, eu tô

745
00:44:53,319 --> 00:44:56,800
falando da matemática em si, como se a matemática fosse a

746
00:44:56,800 --> 00:45:02,200
única coisa que permitisse as máquinas aprenderem. Aí a gente entra

747
00:45:02,200 --> 00:45:07,200
hoje onde nós estamos, num buraco de cientistas. Cientistas, o problema

748
00:45:07,200 --> 00:45:09,040
não é do materialismo,

749
00:45:09,040 --> 00:45:11,400
cara. Não é de materialismo,

750
00:45:11,400 --> 00:45:18,480
mas eu vejo cientistas que eles esqueceram conceitos filosóficos. definições,

751
00:45:18,480 --> 00:45:20,000
tipo

752
00:45:20,000 --> 00:45:23,800
um uma das responsáveis, a neurociência

753
00:45:23,800 --> 00:45:26,680
que permitiu as máquinas aprenderem. Eu quero trazer um outro caso

754
00:45:26,680 --> 00:45:30,920
aqui para vocês. O nome desse caso é o Conrad Lawrence.

755
00:45:30,920 --> 00:45:34,119
E C Lawrence, ele desde criança,

756
00:45:34,119 --> 00:45:37,040
ele se encantava com uma historinha de uma autora do livro,

757
00:45:37,040 --> 00:45:40,359
Selma Lag Lagenlof,

758
00:45:40,359 --> 00:45:43,079
o G tem som de K, né, no alemão. Ã, acho

759
00:45:43,079 --> 00:45:46,319
que é alemão. Sobre as aventuras de um menininho que ele

760
00:45:46,319 --> 00:45:50,359
vivia entre ganços selvagens. E um vizinho daí deu para ele

761
00:45:50,359 --> 00:45:54,960
um pato recém-nascido e ele ficou encantado. Cara, o efeito borboleta

762
00:45:54,960 --> 00:45:57,359
aqui neste momento, olha que sensacional.

763
00:45:57,359 --> 00:46:01,000
Ã, o menino que se encantou no livro dos gansos recebeu

764
00:46:01,000 --> 00:46:06,040
um pato recém-nascido e quando ovo ele rate, ele

765
00:46:06,040 --> 00:46:11,119
e eclode, ele ficou, cara, o o patinho tá me seguindo.

766
00:46:11,119 --> 00:46:13,839
E é uma experiência que ligaria a vida dele dedicada ao

767
00:46:13,839 --> 00:46:17,359
resto da vida, ao estudo do comportamento animal. Pô, o que

768
00:46:17,359 --> 00:46:20,559
que o comportamento animal tem a ver com machine learning? a

769
00:46:20,559 --> 00:46:24,280
gente vai entender. O Lawrence, ele ficou conhecido pelas aves que

770
00:46:24,280 --> 00:46:27,760
nasceram e que acompanhavam ele. E ele tinha vários pintinhos que

771
00:46:27,760 --> 00:46:31,800
nasci, patos que nasciam, viam ele como a primeira pessoa e

772
00:46:31,800 --> 00:46:34,599
começavam a seguir. O que que na cabeça dele começou a

773
00:46:34,599 --> 00:46:38,480
cara, o por que que eles me seguem? Como eles sabem

774
00:46:38,480 --> 00:46:43,079
que eu sou eu? Então, o fenômeno do imprinting, que o

775
00:46:43,079 --> 00:46:46,280
Lawrence, ele podia caminhar, entrar na água, entrar numa canoa, os

776
00:46:46,280 --> 00:46:50,040
filhotes seguiam e ele ficou como que eles desde o primeiro

777
00:46:50,040 --> 00:46:53,319
momento que o ovo acabou de rachar, o pato botou a

778
00:46:53,319 --> 00:46:57,119
cabeça para fora e tá seguindo ele. Ã, esse é o

779
00:46:57,119 --> 00:47:00,559
objeto de estudo dele. E se eu pegar, da época que

780
00:47:00,559 --> 00:47:03,839
ele era criança até 1973,

781
00:47:03,839 --> 00:47:07,000
essa curiosidade da percepção

782
00:47:07,000 --> 00:47:10,960
fez ele ganhar com mais outros dois pesquisadores. Nobel, o prêmio

783
00:47:10,960 --> 00:47:17,880
Nobel, então compartilhado por Carl von Fish e Nicholas Timbergin. Descoberta

784
00:47:17,880 --> 00:47:21,760
sobre padrão de comportamento. Gravem essa palavra. Se vocês têm um

785
00:47:21,760 --> 00:47:26,240
papel e uma caneta e vocês têm que ter padrões.

786
00:47:26,240 --> 00:47:28,520
Ara, legal. Então não é só percepções,

787
00:47:28,520 --> 00:47:33,040
são padrões. Os patos eram capazes de detectar padrão. Não vou

788
00:47:33,040 --> 00:47:37,200
entrar aqui, mas nos experimentos dele, ele fazia eh experimentos com

789
00:47:37,200 --> 00:47:41,559
formas, com cores diferentes e os patos eles conseguiam seguir e

790
00:47:41,559 --> 00:47:46,319
perceber diferentes objetos, formas diferentes e eles seguiam formas diferentes depois

791
00:47:46,319 --> 00:47:48,040
ali também.

792
00:47:48,040 --> 00:47:52,599
Então, patinhos a pares de objeto em movimento, andando. Cara, que

793
00:47:52,599 --> 00:47:57,920
coisa legal. padrão. Ele queria saber como os patos detectavam esses

794
00:47:57,920 --> 00:48:00,000
padrões.

795
00:48:00,000 --> 00:48:01,960
Olha só,

796
00:48:01,960 --> 00:48:04,640
a gente hoje não sabe explicar

797
00:48:04,640 --> 00:48:09,920
o aprendizado do animal, nem os humano, né, inteiro, mas o

798
00:48:09,920 --> 00:48:14,079
Nobel dele ajudou a a dar uma a uma ter uma

799
00:48:14,079 --> 00:48:18,800
pergunta concreta bem definida para conseguir levar a mesma pergunta pro

800
00:48:18,800 --> 00:48:22,119
nosso universo das máquinas, de machine learning, de data science, de

801
00:48:22,119 --> 00:48:25,280
aprendizado, de a poxa,

802
00:48:25,280 --> 00:48:27,200
como eu extraio

803
00:48:27,200 --> 00:48:29,240
de muitos exemplos

804
00:48:29,240 --> 00:48:33,280
amostras samples algo que continue útil

805
00:48:33,280 --> 00:48:36,480
mesmo quando os exemplos mudarem. Para quem é mais avançado aqui,

806
00:48:36,480 --> 00:48:39,760
a gente entra no conceito de generalização.

807
00:48:39,760 --> 00:48:41,079
Generalização.

808
00:48:41,079 --> 00:48:44,920
Opa, eu assumo que o meu conjunto de dados de treinamento,

809
00:48:44,920 --> 00:48:49,440
ele representa a distribuição daqueles dados numa função que o gerou

810
00:48:49,440 --> 00:48:53,480
no universo completo. Como eu não tenho acesso aos dados do

811
00:48:53,480 --> 00:48:56,920
mundo inteiro, a gente não tem como. Eu quero minimizar o

812
00:48:56,920 --> 00:49:00,160
erro de treinamento, mas porque eu assumo que o erro de

813
00:49:00,160 --> 00:49:05,079
treinamento ele vai também minimizar o erro total, certo, das coisas.

814
00:49:05,079 --> 00:49:07,760
Só que a palavra generalização

815
00:49:07,760 --> 00:49:13,680
significa: "Eu quero detectar as características que são comuns gerais. Eu

816
00:49:13,680 --> 00:49:16,880
não quero [limpando a garganta] modelar o erro, o ruído." E

817
00:49:16,880 --> 00:49:19,079
a gente vai falar sobre isso. O conteúdo que eu vou

818
00:49:19,079 --> 00:49:22,400
passar no chat para quem quiser aprofundar na matemática em si,

819
00:49:22,400 --> 00:49:26,880
eu vou passar lá no grupo de WhatsApp. Hã, mas percebam,

820
00:49:26,880 --> 00:49:28,240
padrão,

821
00:49:28,240 --> 00:49:29,760
generalização.

822
00:49:29,760 --> 00:49:33,119
E vamos experimentar essa pergunta com quatro linhas de número. Então,

823
00:49:33,119 --> 00:49:36,599
a tarefa vai ser procurar uma relação e depois aprender. Não

824
00:49:36,599 --> 00:49:39,839
esqueçam a pergunta, a motivação que eu tenho com vocês aqui

825
00:49:39,839 --> 00:49:42,480
agora. Muita gente falou: "Cara, eu não sei como a máquina

826
00:49:42,480 --> 00:49:45,200
aprende". Para ela me responder, ela tem que aprender. Para ela

827
00:49:45,200 --> 00:49:47,880
me dar um preço, ela tem que aprender. Para ela me

828
00:49:47,880 --> 00:49:50,839
recomendar um livro que é a minha cara na Amazon, ela

829
00:49:50,839 --> 00:49:54,400
tem que aprender também. E eu tenho uma tabela aqui para

830
00:49:54,400 --> 00:49:56,200
vocês que eu tenho

831
00:49:56,200 --> 00:50:01,480
duas entradas, tipo, eu tenho uma variável X1 e uma variável

832
00:50:01,480 --> 00:50:04,559
X2. Que que é uma variável, Carlos? Quando eu vou ver

833
00:50:04,559 --> 00:50:07,880
um preço de um imóvel, por exemplo, uma variável que eu

834
00:50:07,880 --> 00:50:12,280
levo em consideração é a metragem, quantos quartos tem, se tem

835
00:50:12,280 --> 00:50:19,240
garagem. Então isso são features, são em são as minhas variáveis.

836
00:50:19,240 --> 00:50:24,160
E com base nas variáveis, eu tenho aquilo que eu quero.

837
00:50:24,160 --> 00:50:27,040
Eu quero a minha variável alvo.

838
00:50:27,040 --> 00:50:30,480
Qual é o padrão? Já colocaram aqui no chat pra gente.

839
00:50:30,480 --> 00:50:31,920
Legal.

840
00:50:31,920 --> 00:50:38,670
Qual que seria? É a única. [roncando]

841
00:50:38,670 --> 00:50:41,000
Não necessariamente, mas essa função linear ela atende perfeitamente a gente.

842
00:50:41,000 --> 00:50:45,680
Então essa operação que o Hanval Júnior colocou no chat, ela

843
00:50:45,680 --> 00:50:51,680
consegue sim, eu aplico sobre as duas primeiras colunas para produzir

844
00:50:51,680 --> 00:50:54,920
a terceira. Por exemplo, se eu pegar a primeira e somar

845
00:50:54,920 --> 00:50:57,440
com dobro da segunda,

846
00:50:57,440 --> 00:51:01,880
primeiro dobro da segunda, primeiro dobro da segunda, cara, funciona muito

847
00:51:01,880 --> 00:51:06,839
bem. Isso sugere então que, poxa, hã,

848
00:51:06,839 --> 00:51:12,400
a primeira entrada contribui diretamente para resposta, a segunda também. E

849
00:51:12,400 --> 00:51:17,480
eu chego nessa nessa equação, vou chamar de equação que,

850
00:51:17,480 --> 00:51:19,119
deixa eu colocar, eu acho que eu tenho ela aqui no

851
00:51:19,119 --> 00:51:24,960
slide, que teoricamente me atende. O valor que eu tenho x1

852
00:51:24,960 --> 00:51:27,799
+ duas vezes o x2,

853
00:51:27,799 --> 00:51:30,240
ele é

854
00:51:30,240 --> 00:51:32,079
consegue modelar.

855
00:51:32,079 --> 00:51:35,160
Quando você quer saber o preço de um imóvel, quando você

856
00:51:35,160 --> 00:51:37,680
quer saber

857
00:51:37,680 --> 00:51:41,559
se uma pessoa tem câncer ou não a partir de de

858
00:51:41,559 --> 00:51:45,440
algum insumo, de um input, no final das contas, não é

859
00:51:45,440 --> 00:51:48,160
somente isso. Na aula de probabilidade, vocês vão ver que essa

860
00:51:48,160 --> 00:51:50,119
é a abordagem que eu tô falando agora com uma função

861
00:51:50,119 --> 00:51:54,200
objetiva, uma modelando uma hipótese, mas aceitem. Quem é mais avançado,

862
00:51:54,200 --> 00:51:56,839
aceitem essa premissa. Agora que eu tô falando que eu tenho

863
00:51:56,839 --> 00:51:59,720
uma função e essa função

864
00:51:59,720 --> 00:52:04,040
é o aprendizado da máquina. Eu tenho que descobrir os valores

865
00:52:04,040 --> 00:52:08,599
que vão multiplicar cada uma dessas variáveis para me dar um

866
00:52:08,599 --> 00:52:13,400
output lá no final. Então este valor, tipo, eu tenho 1x1

867
00:52:13,400 --> 00:52:15,079
+ 2x2

868
00:52:15,079 --> 00:52:17,880
para obter o meu y.

869
00:52:17,880 --> 00:52:22,520
E esses valores 1 e 2 eu vou chamar de peso.

870
00:52:22,520 --> 00:52:27,400
O peso ele determina como um atributo participa daquela soma. Se

871
00:52:27,400 --> 00:52:30,240
eu mantiver a segunda entrada fixa e aumentar a primeira em

872
00:52:30,240 --> 00:52:33,240
uma unidade, a saída vai aumentar em uma unidade. Se eu

873
00:52:33,240 --> 00:52:38,079
mantiver essa primeira fixa e aumentar a segunda unidade, ela vai

874
00:52:38,079 --> 00:52:42,520
aumentar em duas. Então essa é a nossa combinação e este

875
00:52:42,520 --> 00:52:46,760
é o uso posterior. Quando eu treino um modelo de inteligência

876
00:52:46,760 --> 00:52:50,920
artificial, quando eu tô treinando um modelo de machine learning, eu

877
00:52:50,920 --> 00:52:53,079
tô dando dados suficientes,

878
00:52:53,079 --> 00:52:56,000
tipo isso para ele e eu quero que ele me retorne

879
00:52:56,000 --> 00:53:01,079
uma função. Claro que aqui é um exemplo extremamente simples.

880
00:53:01,079 --> 00:53:04,119
Eu vou pegar um problema que vai ter 50, vai ter

881
00:53:04,119 --> 00:53:08,880
100, 200, milhares às vezes de variáveis, né? Eh, mas sempre

882
00:53:08,880 --> 00:53:10,920
dentro daquela ideia que eu quero modelar. O modelo, ele é

883
00:53:10,920 --> 00:53:12,839
abstrato por natureza.

884
00:53:12,839 --> 00:53:16,599
O modelo é abstrato por natureza, mas é o quê? O

885
00:53:16,599 --> 00:53:21,640
o menino do patinho, ele pensava: "Cara, qual é a característica?"

886
00:53:21,640 --> 00:53:26,119
As features principais, aquelas principais características.

887
00:53:26,119 --> 00:53:30,240
Só que olha, o cuidado é somente esse. Uma tabela finita

888
00:53:30,240 --> 00:53:33,559
admite outras fórmulas que a gente pode encontrar que também vão

889
00:53:33,559 --> 00:53:37,640
produzir esses valores. E aí a gente tá procurando escolhendo uma

890
00:53:37,640 --> 00:53:39,960
dentro de uma família linear.

891
00:53:39,960 --> 00:53:43,160
E isso é importante para quem aqui às vezes já tá

892
00:53:43,160 --> 00:53:47,559
um tempo como cientista de dados trabalhando com machine learning.

893
00:53:47,559 --> 00:53:50,480
É uma dúvida muito comum que as pessoas às vezes elas

894
00:53:50,480 --> 00:53:52,119
não sabem

895
00:53:52,119 --> 00:53:55,040
quando elas usam um modelo ou outro. Eu uso o modelo

896
00:53:55,040 --> 00:53:58,319
linear quando eu assumo que tem uma relação linear

897
00:53:58,319 --> 00:54:02,400
x + men. Agora quando eu tenho que elevar uma quadrado,

898
00:54:02,400 --> 00:54:06,920
então um modelo linear eu assumo uma relação linear e e

899
00:54:06,920 --> 00:54:10,799
só de curiosidade, certo? Então assim,

900
00:54:10,799 --> 00:54:14,280
eu e vocês, na verdade, o nosso colega aqui do chat,

901
00:54:14,280 --> 00:54:17,920
ele encontrou usando o raciocínio e a inspeção, né? Ele tá

902
00:54:17,920 --> 00:54:21,000
olhando aqui, hum, como que eu chego nisso daí, que que

903
00:54:21,000 --> 00:54:23,480
tem relação à aqueles exercícios, né, que que a gente tem

904
00:54:23,480 --> 00:54:25,079
do psicotécnico.

905
00:54:25,079 --> 00:54:30,440
Hum. A máquina ela não vai ter esse comportamento humano de

906
00:54:30,440 --> 00:54:35,480
ficar olhando e analisando. E isso é óbvio, né, cara? Ã,

907
00:54:35,480 --> 00:54:38,920
deixa eu ver aqui. Deixa eu ver. Ver. Programação funciona por

908
00:54:38,920 --> 00:54:44,000
lógica binária. Não. Você tem lógica fuz, na verdade. Tipo, lógica

909
00:54:44,000 --> 00:54:47,760
binária. O 01. Não, não, não, não, não, de jeito algum.

910
00:54:47,760 --> 00:54:52,839
Ó, filosofia. Temos aqui o Adolfo aqui dentro de machine learning,

911
00:54:52,839 --> 00:54:55,760
né, pra inteligência artificial pra vida. Em geral, eu gosto, eu

912
00:54:55,760 --> 00:54:59,559
adoto, né, muito a base aristotélica tomista,

913
00:54:59,559 --> 00:55:03,319
ã, basicamente metafísica, né, só de curiosidade, mas não, de jeito

914
00:55:03,319 --> 00:55:07,640
algum é zerou um. A gente vai ver inclusive casos probabilísticos

915
00:55:07,640 --> 00:55:13,480
depois, não lineariedade, etc. e tal. Mas voltando aqui,

916
00:55:13,480 --> 00:55:15,440
antes de transformar

917
00:55:15,440 --> 00:55:18,280
este número em um problema real, eu quero mudar a pergunta.

918
00:55:18,280 --> 00:55:23,960
Eu vou chamar uma operação desconhecida nesse momento de operação estrela,

919
00:55:23,960 --> 00:55:25,200
certo?

920
00:55:25,200 --> 00:55:29,400
E anote quatro exemplos. Duas estrelas.

921
00:55:29,400 --> 00:55:39,430
Ah, aqui tá com a resposta. Anota aí. Duas estrelas.

922
00:55:39,430 --> 00:55:41,559
Dois estrela 3 dá 36, certo? S estrela 1 dá 49.

923
00:55:41,559 --> 00:55:45,960
5 estrela 2 dá 100. 2 estrela 2 = 16. E

924
00:55:45,960 --> 00:55:49,200
aqui eu tenho uma operação.

925
00:55:49,200 --> 00:55:54,240
Qual regra eu consigo então explicar os quatros? Usando sua regra,

926
00:55:54,240 --> 00:55:56,520
quanto daria três estrela

927
00:55:56,520 --> 00:56:01,119
5? Pensa primeiro na operação, depois você faz a previsão, certo?

928
00:56:01,119 --> 00:56:04,920
225 é o resultado obtido com a regra que aparece à

929
00:56:04,920 --> 00:56:07,440
direita.

930
00:56:07,440 --> 00:56:09,680
Certo?

931
00:56:09,680 --> 00:56:11,599
Então assim,

932
00:56:11,599 --> 00:56:14,599
se eu multiplicar as duas entradas e elevar o produto ao

933
00:56:14,599 --> 00:56:20,359
quadrado, 3 x 5 dá 15. 15² dá 225.

934
00:56:20,359 --> 00:56:25,640
Eu vou conferir o exemplo e OK, a candidata, ela consegue

935
00:56:25,640 --> 00:56:28,520
explicar tudo isso. O que que eu tô falando? Isso daqui

936
00:56:28,520 --> 00:56:33,640
talvez depois vocês vão fazer no papel somente para entender, mas

937
00:56:33,640 --> 00:56:37,839
eu tenho uma candidata que explica a diferença tá na relação,

938
00:56:37,839 --> 00:56:41,160
tá em relação à primeira tabela, tá no tipo de relação.

939
00:56:41,160 --> 00:56:42,400
Desculpem.

940
00:56:42,400 --> 00:56:46,880
Antes eu procurava uma soma de entradas multiplicado por peso. Agora

941
00:56:46,880 --> 00:56:51,280
a regra proposta, ela tá multiplicando as próprias entradas em si

942
00:56:51,280 --> 00:56:55,160
e eu tô elevando o quadrado ao quadrado o o o

943
00:56:55,160 --> 00:57:01,160
resultado final ali. Olha, essa é uma relação não linear.

944
00:57:01,160 --> 00:57:04,920
Não linear, certo?

945
00:57:04,920 --> 00:57:09,160
Falaremos bastante cadeias de Marcov a aula de amanhã.

946
00:57:09,160 --> 00:57:11,680
Então, escolher o tipo de fórmula vai restringir o que eu

947
00:57:11,680 --> 00:57:16,039
espero encontrar. Quando eu não sei a relação entre as minhas

948
00:57:16,039 --> 00:57:19,799
variáveis ou quando eu tenho estruturado, quando é muito complexo, vou

949
00:57:19,799 --> 00:57:24,240
ter polinômio. Eu vou ter uma rede neural profunda que ela

950
00:57:24,240 --> 00:57:28,599
consegue modelar outros comportamentos, né? é um procedimento autorizado, apenas a

951
00:57:28,599 --> 00:57:31,200
ajustar o coeficiente de uma soma linear, não vai passar a

952
00:57:31,200 --> 00:57:34,920
produzir qualquer outra operação simplesmente porque recebeu. Então assim, se o

953
00:57:34,920 --> 00:57:37,960
meu modelo, se os meus dados eles se comportam de maneira

954
00:57:37,960 --> 00:57:41,599
não linear, cara, não adianta eu jogar um modelo linear. E

955
00:57:41,599 --> 00:57:44,799
isso para quem tá começando, às vezes não faz muito sentido,

956
00:57:44,799 --> 00:57:47,960
mas eu tô querendo falar assim, existem

957
00:57:47,960 --> 00:57:51,119
premissas que a gente tem que fazer em relação aos dados,

958
00:57:51,119 --> 00:57:55,720
certo? Então assim, o ponto é

959
00:57:55,720 --> 00:57:59,880
decidir a família de modelos também participem. Opa, Carlos. Então, legal.

960
00:57:59,880 --> 00:58:04,440
Estávamos aqui nessa aula tentando descobrir como as máquinas aprendem. Daí

961
00:58:04,440 --> 00:58:08,839
você trouxe pra gente que a matemática que viabiliza as máquinas

962
00:58:08,839 --> 00:58:12,480
aprenderem, ela não é nova como muita gente. Poxa, a gente

963
00:58:12,480 --> 00:58:16,480
tem o chat GPT agora porque a matemática apareceu agora. Essa

964
00:58:16,480 --> 00:58:21,200
técnica não, na verdade vem lá de trás. A gente viu,

965
00:58:21,200 --> 00:58:24,799
a gente viu que eu tenho que identificar padrões e a

966
00:58:24,799 --> 00:58:27,119
gente copia muito da neurociência

967
00:58:27,119 --> 00:58:30,880
também em cima disso daí. E eu vi que se eu

968
00:58:30,880 --> 00:58:35,359
der muitos dados de entrada pro modelo, amostras,

969
00:58:35,359 --> 00:58:40,920
e eu escolher uma família de modelos para ele, teoricamente eu

970
00:58:40,920 --> 00:58:44,039
posso desenvolver algum algoritmo que

971
00:58:44,039 --> 00:58:45,960
ã

972
00:58:45,960 --> 00:58:49,760
vai conseguir encontrar os parâmetros. Mas isso envolve a relação, vamos

973
00:58:49,760 --> 00:58:52,960
para uma situação mais concreta e agora a gente sai desses

974
00:58:52,960 --> 00:58:55,760
números aleatórios e a gente tá vendo uma casa com parede

975
00:58:55,760 --> 00:58:58,480
como um lugar onde a gente pode morar. O nosso modelo

976
00:58:58,480 --> 00:59:01,640
ele vai receber apenas dois números. Cara, muito simples, sim. Para

977
00:59:01,640 --> 00:59:05,280
começar é bem simples. Quantidades de quarto, quantidade de quartos e

978
00:59:05,280 --> 00:59:08,079
área. E aí eu tenho a diferença da riqueza do objeto

979
00:59:08,079 --> 00:59:12,319
e a pobreza da representação. Já é uma decisão importante. Como

980
00:59:12,319 --> 00:59:15,680
que eu treinaria um modelo? Primeiro eu vou vasculhar por aí,

981
00:59:15,680 --> 00:59:19,240
pegar site de mobiliário, um monte de coisa e ver olha

982
00:59:19,240 --> 00:59:22,480
qual, quantos quartos tem essa casa, qual é a área dela

983
00:59:22,480 --> 00:59:24,760
e qual que é o preço que tá anunciado lá no

984
00:59:24,760 --> 00:59:29,280
site. Então assim, o preço que existe para eu poder treinar

985
00:59:29,280 --> 00:59:33,240
os meus modelos se chama rótulo, label,

986
00:59:33,240 --> 00:59:38,640
OK? E o ajuste, os exemplos acompanhados da resposta. Este é

987
00:59:38,640 --> 00:59:42,359
o primeiro tipo de aprendizado que as pessoas normalmente começam. Aprendizado

988
00:59:42,359 --> 00:59:44,000
supervisionado.

989
00:59:44,000 --> 00:59:48,440
Aprendizado supervisionado significa eu estou dando para ele, pro meu modelo,

990
00:59:48,440 --> 00:59:52,280
pro meu algoritmo, um monte de dados que já tem a

991
00:59:52,280 --> 00:59:56,240
resposta ali no final. Então, pode ser um número, como é

992
00:59:56,240 --> 01:00:00,520
o caso do preço, ou pode ser 0 ou 1, ou

993
01:00:00,520 --> 01:00:03,400
0 1 2 3 4 5 6 7 8 9, se

994
01:00:03,400 --> 01:00:07,920
eu quiser detectar dígitos. Então, pode ser qualquer coisa. No caso

995
01:00:07,920 --> 01:00:13,240
de ser um número aqui, eu eu tô fazendo uma regressão,

996
01:00:13,240 --> 01:00:16,559
um um trabalho de regressão. E depois a gente vai ver

997
01:00:16,559 --> 01:00:20,240
que eu também posso prever uma categoria e aí eu entro

998
01:00:20,240 --> 01:00:22,559
na na tarefa de classificação

999
01:00:22,559 --> 01:00:26,400
e um modelo, cara, o insite, o que vocês copiam no

1000
01:00:26,400 --> 01:00:30,880
papel de vocês, a máquina ela não é mágica, ela tem

1001
01:00:30,880 --> 01:00:36,680
uma equação, um modelo matemático por trás. Eu tenho esse Y,

1002
01:00:36,680 --> 01:00:40,440
o Yat, o Y com chapéu quando eu quero fazer uma

1003
01:00:40,440 --> 01:00:43,400
previsão. Então, opa, o Y

1004
01:00:43,400 --> 01:00:48,960
era o preço da minha casa, certo? Ã, o Y com

1005
01:00:48,960 --> 01:00:55,319
chapéu é o meu modelo que teoricamente foi capaz de generalizar

1006
01:00:55,319 --> 01:00:59,559
e ele construiu a capacidade de prever o preço da casa

1007
01:00:59,559 --> 01:01:03,039
somente recebendo a área e o quarto. O número de quartos

1008
01:01:03,039 --> 01:01:05,240
é X1. Então, o que que o meu modelo tem que

1009
01:01:05,240 --> 01:01:07,720
aprender? Qual o número que eu boto aqui na frente e

1010
01:01:07,720 --> 01:01:10,680
aqui na frente? O W1 e o W2. Às vezes tá

1011
01:01:10,680 --> 01:01:13,359
W, às vezes tá teta, né? A bolinha com corte ali

1012
01:01:13,359 --> 01:01:16,000
no meio. A grega.

1013
01:01:16,000 --> 01:01:20,440
Esses números é o que eu quero aprender. Então, perfeito.

1014
01:01:20,440 --> 01:01:26,000
Peso controla o quanto cada atributo contribui. Cara, numa casa playground

1015
01:01:26,000 --> 01:01:30,720
para criança influencia mais ou menos do que metragem.

1016
01:01:30,720 --> 01:01:34,160
Poxa, casa. Eu acho que ou o preço do metro quadrado

1017
01:01:34,160 --> 01:01:38,079
ou a distância da praia. Olha, percebam, eu posso incluir quantas

1018
01:01:38,079 --> 01:01:42,039
variáveis eu quiser e colocar pro meu modelo treinar. Então, o

1019
01:01:42,039 --> 01:01:46,039
chapéu sobre o Y significa uma estimativa.

1020
01:01:46,039 --> 01:01:49,559
E aí a previsão ela, claro que pode errar, a gente

1021
01:01:49,559 --> 01:01:54,319
não vai fazer. E eu tô assumindo uma relação linear. Tranquilo?

1022
01:01:54,319 --> 01:01:58,599
Então assim, representei uma situação concreta que existia por meio de

1023
01:01:58,599 --> 01:02:02,400
atributos e a gente produziu uma estimativa com parâmetros. Só que

1024
01:02:02,400 --> 01:02:04,200
ainda falta

1025
01:02:04,200 --> 01:02:08,319
falta dar uma forma, uma forma o que significa avaliar a

1026
01:02:08,319 --> 01:02:10,880
estimativa, né? Olha,

1027
01:02:10,880 --> 01:02:13,839
eu treinei o meu modelo e treinar o modelo eu vou

1028
01:02:13,839 --> 01:02:17,359
passar o material para vocês. Tem aqui na playlist matemática

1029
01:02:17,359 --> 01:02:20,160
que eu falo bastante de otimizador, mas na casa que a

1030
01:02:20,160 --> 01:02:25,240
gente acabou de estudar, os meus atributos eles entram nessa caixinha.

1031
01:02:25,240 --> 01:02:28,640
O que que é uma função, Carlos? Gelson Yes, volume 1,

1032
01:02:28,640 --> 01:02:31,880
fundamentos da matemática. Comprem, quem não lembra a matemática do ensino

1033
01:02:31,880 --> 01:02:35,799
médio, Carlo, não sei se eu faço, cara. Faça você aprender

1034
01:02:35,799 --> 01:02:40,599
funções, ó, volume de funções do Gelson Ies, geometria analítica para

1035
01:02:40,599 --> 01:02:45,680
você relembrar a equação da reta. Ã,

1036
01:02:45,680 --> 01:02:48,799
matrizes e determinantes. Para lembrar um pouquinho, cara, três livros dos

1037
01:02:48,799 --> 01:02:52,240
10 planeja nos próximos 6 meses, um ano, vai ajudar para

1038
01:02:52,240 --> 01:02:55,760
caramba, né? Mas uma função, ela transforma as coisas. Se você

1039
01:02:55,760 --> 01:02:59,319
lembrar na escola, f(x) era y, f(x) e y a mesma

1040
01:02:59,319 --> 01:03:03,079
coisa. O f dex eu recebo um x lá dentro que

1041
01:03:03,079 --> 01:03:06,720
é a minha variável e eu retorno alguma coisa. Uma função

1042
01:03:06,720 --> 01:03:09,160
é isso. É uma máquina de transformar

1043
01:03:09,160 --> 01:03:10,559
coisas.

1044
01:03:10,559 --> 01:03:12,640
Legal. Perfeito.

1045
01:03:12,640 --> 01:03:15,920
Olha, eu tenho a capacidade de prever em cima dessa minha

1046
01:03:15,920 --> 01:03:18,760
função aqui. Eu usei o teta, né? Essa é a minha

1047
01:03:18,760 --> 01:03:21,520
função que o meu modelo aprendeu e ele é capaz de

1048
01:03:21,520 --> 01:03:24,640
fazer a previsão. Só que

1049
01:03:24,640 --> 01:03:28,200
eu tenho que

1050
01:03:28,200 --> 01:03:30,640
o meu rótulo original

1051
01:03:30,640 --> 01:03:33,799
pensa assim, o meu modelo ele não vai ser perfeito. Nenhum

1052
01:03:33,799 --> 01:03:36,880
modelo é perfeito. Se ele fosse perfeito, ele tá com overfeit.

1053
01:03:36,880 --> 01:03:40,680
Não, não existe tentar construir a realidade. O modelo é abstrato,

1054
01:03:40,680 --> 01:03:43,880
ele você pega o que mais faz sentido ali. Mas eu

1055
01:03:43,880 --> 01:03:46,880
tô treinando. E quando eu tô treinando, cara, o meu rótulo

1056
01:03:46,880 --> 01:03:51,799
o preço era nove, mas ele preveu sete.

1057
01:03:51,799 --> 01:03:55,839
Como que eu avalio? Tem diversas formas. E aqui eu tenho

1058
01:03:55,839 --> 01:03:59,799
uma aula gravada, uma live gravada aqui no canal. Se inscrevam.

1059
01:03:59,799 --> 01:04:04,680
uma aula gravada que eu mostro o porquê, a veremelhança,

1060
01:04:04,680 --> 01:04:08,920
classificação, o o log, por que a gente usa algumas funções,

1061
01:04:08,920 --> 01:04:13,640
a questão de derivada, cara, tá tudo explicadinho matematicamente aprofundado aqui.

1062
01:04:13,640 --> 01:04:18,400
Por enquanto, aceitem que uma medida boa para eu avaliar o

1063
01:04:18,400 --> 01:04:22,559
erro é tirar a diferença e elevar o quadrado. Minan squared

1064
01:04:22,559 --> 01:04:24,839
error. Ã,

1065
01:04:24,839 --> 01:04:28,960
vários motivos. Eu poderia somente fazer a diferença absoluta, mas o

1066
01:04:28,960 --> 01:04:32,599
meu modelo ele vai prever, mas eu tenho que ter a

1067
01:04:32,599 --> 01:04:36,440
capacidade de avaliar se ele aprendeu ou não. Eu tenho a

1068
01:04:36,440 --> 01:04:39,880
previsão, eu tenho o preço real. O que saiu disso é

1069
01:04:39,880 --> 01:04:43,480
a perda, é a loss function que a gente fala. E

1070
01:04:43,480 --> 01:04:45,160
eu tenho a costidera

1071
01:04:45,160 --> 01:04:49,839
todas essas loss function ali. Então o erro quadrático, né? Ah,

1072
01:04:49,839 --> 01:04:54,240
que eu tenho ali. Então, perfeito.

1073
01:04:54,240 --> 01:04:56,839
O que que eu tenho agora?

1074
01:04:56,839 --> 01:05:02,039
Vai, eu continuo no exemplo de previsão numérica, só que vamos

1075
01:05:02,039 --> 01:05:05,559
pular um pouquinho mais pelo tempo aqui da aula. Lembrando que

1076
01:05:05,559 --> 01:05:08,960
a aula, de novo, eu sou chato com isso, aula é

1077
01:05:08,960 --> 01:05:11,599
impossível passar tanto conceito de uma vez. Por isso lá no

1078
01:05:11,599 --> 01:05:14,880
grupo vocês têm material suficiente para aprofundar.

1079
01:05:14,880 --> 01:05:18,480
Mas vamos pensar assim, quando eu comparava a precisão e o

1080
01:05:18,480 --> 01:05:21,119
alvo,

1081
01:05:21,119 --> 01:05:23,200
tinha uma informação indispensável.

1082
01:05:23,200 --> 01:05:26,119
Eu sabia qual que era a minha resposta esperada e eu

1083
01:05:26,119 --> 01:05:30,520
tenho como ir melhorando. A gente vê um algoritmo, um algoritmo

1084
01:05:30,520 --> 01:05:34,119
que é diverso, mas um algoritmo baseado em gradiente. Cara, eu

1085
01:05:34,119 --> 01:05:37,559
consigo ir melhorando, mas eu tinha um sinal previsto e eu

1086
01:05:37,559 --> 01:05:41,680
conhecia então a resposta esperada. No exemplo da casa, cada conjunto

1087
01:05:41,680 --> 01:05:45,960
daqueles meus atributos vinha acompanhado do preço, que é o Y,

1088
01:05:45,960 --> 01:05:50,440
aprendizado supervisionado, correto? Legal. Só que o meu alvo, ele pode

1089
01:05:50,440 --> 01:05:53,960
ser um número, um preço, categoria.

1090
01:05:53,960 --> 01:05:59,400
Agora, cara, imagina só eu receber as características de muitos imóveis,

1091
01:05:59,400 --> 01:06:03,640
eu não tenho preço. Ainda assim, eu poderia tentar encontrar, procurar

1092
01:06:03,640 --> 01:06:08,760
uma organização útil. Por exemplo, existem grupos que tísticas semelhantes. Quando

1093
01:06:08,760 --> 01:06:11,839
você faz a sua conta na Netflix,

1094
01:06:11,839 --> 01:06:15,400
pela primeira vez, a Netflix ela não treinou modelo porque ela

1095
01:06:15,400 --> 01:06:19,200
treina em lotes, né? Mas ela, mais ou menos pela sua

1096
01:06:19,200 --> 01:06:22,720
idade, o lugar que você mora, a sua nacionalidade, seu aparelho,

1097
01:06:22,720 --> 01:06:25,920
ela meio que te coloca numa vala comum e você começa

1098
01:06:25,920 --> 01:06:28,599
a receber umas recomendações que são mais ou menos de pessoas

1099
01:06:28,599 --> 01:06:32,799
que tm mais ou menos essas características gerais. Depois o modelo

1100
01:06:32,799 --> 01:06:36,319
ele ele é melhorado, né? quando ele entra ali, porque, tipo,

1101
01:06:36,319 --> 01:06:38,680
eles não vão parar o tempo inteiro e você começa a

1102
01:06:38,680 --> 01:06:42,200
receber. Cara, neste caso, é um exemplo clássico aonde eu não

1103
01:06:42,200 --> 01:06:46,960
tenho uma variável alvo, eu tenho um monte de informação e

1104
01:06:46,960 --> 01:06:50,520
eu tenho que, poxa, tentar procurar alguma organização útil, entender o

1105
01:06:50,520 --> 01:06:53,400
que que acontece. Então eu tenho aprendizado

1106
01:06:53,400 --> 01:06:55,359
não supervisionado,

1107
01:06:55,359 --> 01:07:00,119
ã, que eu procuro estrutura ou representação seguindo um objetivo definido,

1108
01:07:00,119 --> 01:07:03,799
sem fornecer uma uma uma

1109
01:07:03,799 --> 01:07:06,960
target, uma uma resposta alvo para cada uma das entradas. E

1110
01:07:06,960 --> 01:07:10,760
aqui a gente tem esse exemplo, né? Tipo,

1111
01:07:10,760 --> 01:07:14,920
ponto próximo, eu sugiro uma estrutura que eu consigo investigar.

1112
01:07:14,920 --> 01:07:19,359
Se eu quero medir proximidade, quais características eu posso considerar? E

1113
01:07:19,359 --> 01:07:22,880
ainda eu posso também considerar um agente que ele tá percorrendo

1114
01:07:22,880 --> 01:07:26,160
um ambiente e ele tá observando e tentando ver tudo que

1115
01:07:26,160 --> 01:07:29,880
tá acontecendo. Ele atualiza o status interno dele, o aprendizado por

1116
01:07:29,880 --> 01:07:33,640
reforço. Quando vocês vem aquele exemplo do dinossauro que joga sozinho

1117
01:07:33,640 --> 01:07:37,640
ou Mário que joga sozinho videogame e treinaram um modelo, esse

1118
01:07:37,640 --> 01:07:42,160
é o aprendizado por reforço. Muita coisa de robótica, ela é

1119
01:07:42,160 --> 01:07:45,880
ensinada pelo reforço, né? Aí eu tenho recompensa que pode aparecer

1120
01:07:45,880 --> 01:07:48,400
depois de vários passos e eu tenho que pensar um efeito

1121
01:07:48,400 --> 01:07:53,839
para uma sequência. Então, três situações diferentes, com texto diferente, aprendizado

1122
01:07:53,839 --> 01:07:57,559
supervisionado, não supervisionado e por reforço.

1123
01:07:57,559 --> 01:07:59,240
Eh,

1124
01:07:59,240 --> 01:08:02,640
eles, o que que varia? O que varia como a informação

1125
01:08:02,640 --> 01:08:06,760
ela participa do aprendizado. Então, resposta associada.

1126
01:08:06,760 --> 01:08:15,097
Caneca de Halloween da Target. Pera aí, essa daqui é nova.

1127
01:08:15,097 --> 01:08:15,920
cafezinho à noite, só para não esfriar. [roncando] Então, o que

1128
01:08:15,920 --> 01:08:20,040
varia como essa informação ela vai tá associada à entrada, a

1129
01:08:20,040 --> 01:08:23,560
a estrutura de dados. Cara, é legal,

1130
01:08:23,560 --> 01:08:27,000
cara. A gente tá indo e voltando em muita coisa e

1131
01:08:27,000 --> 01:08:29,920
a gente não pode esquecer

1132
01:08:29,920 --> 01:08:33,520
que a gente fez um salto temporal, mas a nossa história

1133
01:08:33,520 --> 01:08:35,359
começou lá atrás.

1134
01:08:35,359 --> 01:08:42,269
E poxa,

1135
01:08:42,269 --> 01:08:44,400
vamos voltar pro Rosenblar. Vocês lembram daquele hype que teve lá

1136
01:08:44,400 --> 01:08:48,480
em 58, capa do The New York Times falando: "Poxa, criamos

1137
01:08:48,480 --> 01:08:53,040
o cérebro, laboratório da Marinha, todo mundo esperando

1138
01:08:53,040 --> 01:08:56,560
por que um uma das coisas que causou muito fusu, que

1139
01:08:56,560 --> 01:09:00,359
causou muito barulho, foi porque ele usou a palavra percepton, que

1140
01:09:00,359 --> 01:09:04,120
depois ele se arrepende", dizem algumas fontes, né?

1141
01:09:04,120 --> 01:09:07,480
E também teve essa ideia de neurônio. Muitas das coisas que

1142
01:09:07,480 --> 01:09:10,600
a gente faz no mundo são biopirad.

1143
01:09:10,600 --> 01:09:13,359
Por exemplo, o sonar do submarino, que a gente imita o

1144
01:09:13,359 --> 01:09:16,440
comportamento de um golfinho ou de um morcego. Eu tenho um

1145
01:09:16,440 --> 01:09:17,719
algoritmo

1146
01:09:17,719 --> 01:09:25,080
genético que eh mimetiza o comportamento de cromossomos, trocas de cromossomos,

1147
01:09:25,080 --> 01:09:29,400
eu tenho a anomalia sendo gerados, eu tenho extermínio da população

1148
01:09:29,400 --> 01:09:32,560
ou algoritmo de colônia de formiga para eu fazer uma otimização

1149
01:09:32,560 --> 01:09:36,120
de rota que eu imito o comportamento das formigas liberando e

1150
01:09:36,120 --> 01:09:39,440
feromônio na trilha e por isso as formigas chegam rápido naquele

1151
01:09:39,440 --> 01:09:44,679
doce. elas saem espalhadas. Eh, a gente copia muito da natureza.

1152
01:09:44,679 --> 01:09:48,880
Muitas dessas coisas, normalmente elas saem inspiradas,

1153
01:09:48,880 --> 01:09:51,359
só que elas

1154
01:09:51,359 --> 01:09:55,040
começam depois a se desenvolverem sozinhas, porque é uma aproximação, é

1155
01:09:55,040 --> 01:09:59,600
óbvio que é uma simplificação extrema. Rosen Blar. Olha só, a

1156
01:09:59,600 --> 01:10:05,199
inteligência artificial é coisa agora, Carlos, de 2025/2026,

1157
01:10:05,199 --> 01:10:10,400
meu amigo, essa história tá lá desde 43, depois 58 com

1158
01:10:10,400 --> 01:10:15,000
Rosen Bla. A história tá sendo feita. Muitos fatores eles vão

1159
01:10:15,000 --> 01:10:18,320
melhorando as condições que a gente tem, mas você vê, tá

1160
01:10:18,320 --> 01:10:20,960
tudo aí. E quando você vê coach, de novo, não tenho

1161
01:10:20,960 --> 01:10:23,440
raiva de coach, não temos raiva, não temos raiva no coração,

1162
01:10:23,440 --> 01:10:27,520
né? deixa raiva pro grupo de família da das eleições, mas

1163
01:10:27,520 --> 01:10:30,480
você vê que o pessoal trata tudo como se fosse novidade

1164
01:10:30,480 --> 01:10:34,800
e claro, o modelo de Transformer, claro, mecanismo de atenção,

1165
01:10:34,800 --> 01:10:37,440
mas máquina é máquina e essa é uma área que ela

1166
01:10:37,440 --> 01:10:41,560
vem cada vez mais se desenvolvendo. E Rosenbl ele traz a

1167
01:10:41,560 --> 01:10:46,960
ideia, a inspiração lá atrás de neurônios biológicos. Então, eu tenho

1168
01:10:46,960 --> 01:10:50,520
contatos entre células, eu tenho usar sinapses. Quem tem déficit de

1169
01:10:50,520 --> 01:10:54,960
atenção, tem problema na sinapse. A ritalina, vai ajudar essa essa

1170
01:10:54,960 --> 01:11:00,159
sinapses, mas eu tenho disparos pulsos dentro daquele meio. Ã, e

1171
01:11:00,159 --> 01:11:04,320
quando eu olho um neurônio biológico e o que ele apresentou

1172
01:11:04,320 --> 01:11:09,560
é um neurônio artificial, certo? O salto real entre essas imagens,

1173
01:11:09,560 --> 01:11:14,960
cara, levou década de perguntas, simplificações, provas matemáticas que dada situação

1174
01:11:14,960 --> 01:11:19,600
tatal sempre converge, sem entrar nessa matemática pesada. No caso do

1175
01:11:19,600 --> 01:11:23,640
neurônio, então assim, dentro do machine learning, a gente tá olhando

1176
01:11:23,640 --> 01:11:26,440
agora para essa parte de neurônio, que é uma maneira que

1177
01:11:26,440 --> 01:11:30,199
a gente tem das máquinas também aprenderem.

1178
01:11:30,199 --> 01:11:35,040
O neurônio real biológico, ele recebe sinais de outras células. Então

1179
01:11:35,040 --> 01:11:39,040
o estado e esses sinais eles participam de processos que podem

1180
01:11:39,040 --> 01:11:42,280
ou não levar emissão de pulso. Impulso. Olha que legal a

1181
01:11:42,280 --> 01:11:47,000
inspiração. Então o meu impulso

1182
01:11:47,000 --> 01:11:49,159
ã

1183
01:11:49,159 --> 01:11:54,280
deixa eu ver coleção toda. Carlos Murm falando de alquimia, congelamento

1184
01:11:54,280 --> 01:11:58,280
de cérebro. Pô, vocês estão vi uns papos aí diferente. Shalom.

1185
01:11:58,280 --> 01:12:03,920
Shalom. Ani Carlos. Ã, o impulso ele percorre o axônio e

1186
01:12:03,920 --> 01:12:06,960
ele influencia as outras células por meio de conexões. Cara, você

1187
01:12:06,960 --> 01:12:10,520
pega uma imagem tirada ali, o como que aqueles bilhões de

1188
01:12:10,520 --> 01:12:14,480
neurônios estão disparando, né? E tem algumas representações sensacionais. Agora imagina

1189
01:12:14,480 --> 01:12:17,239
que eu quero construir um modelo que vai investigar uma pequena

1190
01:12:17,239 --> 01:12:20,960
parte desse processo. Uma pequena parte que é o quê? Imagina

1191
01:12:20,960 --> 01:12:24,639
que um neurônio ele decide se ativa ou não, dependendo das

1192
01:12:24,639 --> 01:12:26,760
condições que eu tenho aqui,

1193
01:12:26,760 --> 01:12:28,840
certo?

1194
01:12:28,840 --> 01:12:31,560
E essa é a parte do processo. Cada entrada vai ser

1195
01:12:31,560 --> 01:12:36,360
definida por, representada por um número. Eu vou conseguir combinar essas

1196
01:12:36,360 --> 01:12:41,320
contribuições e eu vou definir uma condição pra unidade responder. A

1197
01:12:41,320 --> 01:12:46,440
contribuição de uma conexão, ela pode ser controlada por um peso.

1198
01:12:46,440 --> 01:12:47,719
Legal.

1199
01:12:47,719 --> 01:12:52,280
Essa primeira representação já aproxima um pouco do daquela primeira tabela

1200
01:12:52,280 --> 01:12:55,440
que a gente resolveu ali. 1 do controlava as atribuições de

1201
01:12:55,440 --> 01:12:59,639
duas entradas. Legal. Aquele exemplo seriam dois neurônios na teoria que

1202
01:12:59,639 --> 01:13:03,360
que eles conseguem representar. Só que aí onde que tá a

1203
01:13:03,360 --> 01:13:05,480
possibilidade de aprendizado?

1204
01:13:05,480 --> 01:13:09,360
Porque até agora, se eu falo este valor,

1205
01:13:09,360 --> 01:13:12,560
eu não tô aprendendo, né? O aprendizado significa, opa, eu tenho

1206
01:13:12,560 --> 01:13:18,960
que ter a capacidade de modificar aqueles pesos, as mesmas entradas,

1207
01:13:18,960 --> 01:13:23,600
aquele mesmo x1, aquele mesmo x2, eles podem provocar uma resposta

1208
01:13:23,600 --> 01:13:27,760
diferente no futuro. O sistema vai conservar a alteração produzida pela

1209
01:13:27,760 --> 01:13:31,360
experiência. Então, faltam etapas. Claro, para chegar no ponto, tem que

1210
01:13:31,360 --> 01:13:34,360
definir o que que a unidade e ela calcula, como que

1211
01:13:34,360 --> 01:13:38,239
os exemplos eles modificam parâmetro. E a minha cara, se ela

1212
01:13:38,239 --> 01:13:41,440
aparecer na frente do slide, vocês me avisam aí. Então, para

1213
01:13:41,440 --> 01:13:45,120
entender, deixa eu ver aqui, tá um pouquinho.

1214
01:13:45,120 --> 01:13:51,360
Vamos subir. E para entender, então assim, voltem neste

1215
01:13:51,360 --> 01:13:52,840
slide

1216
01:13:52,840 --> 01:13:54,280
aqui,

1217
01:13:54,280 --> 01:13:55,880
onde

1218
01:13:55,880 --> 01:14:01,440
eu tô recebendo várias informações naquela nossa tabela aqui que a

1219
01:14:01,440 --> 01:14:02,920
gente resolveu.

1220
01:14:02,920 --> 01:14:04,440
X1

1221
01:14:04,440 --> 01:14:09,239
e X2 são dois neurônios. No final daquele

1222
01:14:09,239 --> 01:14:14,560
neurônio artificial, eu tenho que cuspir, dar esses valores aqui. Legal?

1223
01:14:14,560 --> 01:14:19,560
Então, naquela tabela, eu teria dois neurônios de entrada. Só que

1224
01:14:19,560 --> 01:14:23,800
esses neurônios, eles são combinados. Depois de combinados a gente passa

1225
01:14:23,800 --> 01:14:27,800
para algum processo de ativação e ele me retorna. Para entender

1226
01:14:27,800 --> 01:14:31,360
o que que essa unidade tá conseguindo calcular, olha, o pessoal

1227
01:14:31,360 --> 01:14:33,880
às vezes começa por rosenbla. Na verdade, a gente tem que

1228
01:14:33,880 --> 01:14:38,320
recuar e ir lá pro trabalho de Warren Mclorch.

1229
01:14:38,320 --> 01:14:41,719
Sobrenome chique demais, né?

1230
01:14:41,719 --> 01:14:43,800
Olha,

1231
01:14:43,800 --> 01:14:47,040
vamos regredir um pouco mais. Cara, a história é sensacional. Quando

1232
01:14:47,040 --> 01:14:50,920
você estudando que a gente vê que que linda que é

1233
01:14:50,920 --> 01:14:53,480
o campo, cara. Que linda que o campo. Ó, eu vou

1234
01:14:53,480 --> 01:15:02,430
olhar as respondo

1235
01:15:02,430 --> 01:15:03,239
todas no final, só para não perder aqui o Então, vão

1236
01:15:03,239 --> 01:15:06,000
deixando as perguntas, pelo menos aquelas que forem mais de conhecimento

1237
01:15:06,000 --> 01:15:10,400
de de forem gerais. Vamos ir lá pro século século não,

1238
01:15:10,400 --> 01:15:12,120
pros anos 30,

1239
01:15:12,120 --> 01:15:16,280
século passado. Então, Warren Mclock, ele trabalhava com uma tarefa concreta.

1240
01:15:16,280 --> 01:15:20,320
Qual que era o objetivo dele? Ele queria mapear conexão entre

1241
01:15:20,320 --> 01:15:24,000
região do cérebro de macaco. Cara, ele ele era um neurofisiologista.

1242
01:15:24,000 --> 01:15:26,800
Você vê contribuição de todos os lados. Ele tinha uma formação

1243
01:15:26,800 --> 01:15:28,280
em filosofia

1244
01:15:28,280 --> 01:15:33,719
e psicologia e medicina inclusive, certo? E essa combinação ajudava ele

1245
01:15:33,719 --> 01:15:36,000
a entender

1246
01:15:36,000 --> 01:15:39,239
perguntas que normalmente a gente estuda em disciplina separada. É uma

1247
01:15:39,239 --> 01:15:43,360
contribuição de várias áreas. Um mapa de conexões mostrava caminhos possíveis

1248
01:15:43,360 --> 01:15:47,120
no cérebro. Uma região se comunicava com outro. Um sinal do

1249
01:15:47,120 --> 01:15:50,760
cérebro, ele encontra diferentes destinos. Só que olhando o caminho, ele

1250
01:15:50,760 --> 01:15:54,199
precisava entender ainda como que a organização ela participava de um

1251
01:15:54,199 --> 01:15:58,600
comportamento. O que acontece se uma célula ela, por exemplo, receber

1252
01:15:58,600 --> 01:16:01,960
sinais de duas outras e ele responde a qualquer um, eu

1253
01:16:01,960 --> 01:16:06,000
preciso, lembra que a gente modelou o neurônio artificial?

1254
01:16:06,000 --> 01:16:08,280
Só que agora eu tenho que saber como que esses diferentes

1255
01:16:08,280 --> 01:16:12,560
sinais de entrada que são multiplicados pelos meus pesos, como que

1256
01:16:12,560 --> 01:16:15,800
eles se comportam? Porque no meu cérebro, já que eu tô

1257
01:16:15,800 --> 01:16:19,520
tentando mimetizar, eu tô tentando imitar o comportamento do meu cérebro,

1258
01:16:19,520 --> 01:16:22,199
eh, eu tenho

1259
01:16:22,199 --> 01:16:24,360
que ver o meu cérebro tem hora que ele dispara, tem

1260
01:16:24,360 --> 01:16:26,400
hora que ele não dispara, tem hora que ele dispara quando

1261
01:16:26,400 --> 01:16:30,000
ele recebe a sinapse de outros dois neurônios. Algum sinal vai

1262
01:16:30,000 --> 01:16:33,480
bloquear a resposta? Eu tenho um bloqueador. Então, assim, eu tenho

1263
01:16:33,480 --> 01:16:36,639
uma pergunta que vai permitir uma aproximação com a lógica. Eu

1264
01:16:36,639 --> 01:16:41,639
posso descrever uma condição, uma combinação de de condições e o

1265
01:16:41,639 --> 01:16:46,199
resultado ele vai aparecendo conforme elas vão sendo feitas. O desafio

1266
01:16:46,199 --> 01:16:50,560
é como que eu vou pegar e construir uma descrição

1267
01:16:50,560 --> 01:16:51,840
precisa

1268
01:16:51,840 --> 01:16:55,960
ou pelo menos uma tentativa de aproximação precisa dessa transformação aí.

1269
01:16:55,960 --> 01:16:58,360
E o interessante é que ele se interessava pela lógica do

1270
01:16:58,360 --> 01:17:02,679
cérebro. Ele ã volta aqui. Ele em 41, na verdade, ele

1271
01:17:02,679 --> 01:17:06,679
sai deixou Iale e ele foi pra Universidade de Illinois.

1272
01:17:06,679 --> 01:17:10,560
Certo? E a busca por esse tipo de descrição acabou levando

1273
01:17:10,560 --> 01:17:13,800
ele a encontrar um outro jovem com grande domínio da lógica.

1274
01:17:13,800 --> 01:17:16,719
Temos o nosso filósofo aqui, por exemplo, quando eu estudava o

1275
01:17:16,719 --> 01:17:20,920
tron, era a lógica, retórica, gramática, né? Você domina, tem que

1276
01:17:20,920 --> 01:17:23,400
dominar a língua, tem que dominar todas essas ferramentas para você

1277
01:17:23,400 --> 01:17:25,880
ser preciso no uso da própria língua, né? Daí vem o

1278
01:17:25,880 --> 01:17:31,520
quadrívium, que você tem astronomia, a geometria, a aritmética,

1279
01:17:31,520 --> 01:17:37,880
ã, astronomia, a música e a geometria, né? É isso.

1280
01:17:37,880 --> 01:17:40,920
Eu acho que eu errei uma, mas tipo, como que a

1281
01:17:40,920 --> 01:17:45,320
gente vai complementar então a lógica, a lógica formal, acredito aqui,

1282
01:17:45,320 --> 01:17:47,880
mas tem a lógica informal também. A lógica ela é extremamente

1283
01:17:47,880 --> 01:17:50,840
importante. E, cara,

1284
01:17:50,840 --> 01:17:56,320
ele com esse conhecimento da fisiologia, da medicina, do cérebro, ele

1285
01:17:56,320 --> 01:17:59,520
encontra um jovem com grande domínio de lógica. Aí depois se

1286
01:17:59,520 --> 01:18:03,080
encontra, vamos entender o que que a lógica oferecia, uma linguagem

1287
01:18:03,080 --> 01:18:05,760
útil para o problema. E aí a gente vai começando a

1288
01:18:05,760 --> 01:18:07,400
se entender.

1289
01:18:07,400 --> 01:18:09,239
Imagina

1290
01:18:09,239 --> 01:18:10,719
uma inscrição

1291
01:18:10,719 --> 01:18:14,159
que só fica concluída se o formulário for enviado a partir

1292
01:18:14,159 --> 01:18:19,159
de uma determinada página. Certo, pessoal? Se eu tiver pulando alguma

1293
01:18:19,159 --> 01:18:22,440
etapa e alguém for diária, meu objetivo de jeito algum é

1294
01:18:22,440 --> 01:18:26,800
trazer um conhecimento aprofundado dessas áreas da neurociência, biologia. O conhecimento

1295
01:18:26,800 --> 01:18:29,080
que eu trago aqui é o conhecimento de topo de funil

1296
01:18:29,080 --> 01:18:32,560
de entrada. O meu campo é machine learning, mas eu acho

1297
01:18:32,560 --> 01:18:36,480
extremamente relevante. Eu, quem aqui concorda? Vocês estão gostando de ver

1298
01:18:36,480 --> 01:18:39,040
esse outro lado da matemática? Porque se a gente não sabe

1299
01:18:39,040 --> 01:18:43,480
a ferramenta da onde veio, tudo que complementa e essas questões,

1300
01:18:43,480 --> 01:18:46,840
cara, a gente vai só paraa conta, não faz sentido, né?

1301
01:18:46,840 --> 01:18:51,560
Então podem trazer qualquer contribuição se vocês forem dessas áreas, porque

1302
01:18:51,560 --> 01:18:55,080
a minha meu objetivo é somente pincelar. Tranquilo? Então, eu fiz

1303
01:18:55,080 --> 01:18:57,960
uma página, um formulário enviado, um pagamento que foi confirmado. Se

1304
01:18:57,960 --> 01:19:01,440
uma condição faltar, a inscrição continua pendente, assim como um site

1305
01:19:01,440 --> 01:19:04,639
que tava com erro. Legal. Se eu tenho condições que são

1306
01:19:04,639 --> 01:19:09,639
satisfeitas, tá concluído. E para programadores aqui, tem alguém aqui que

1307
01:19:09,639 --> 01:19:12,440
quer aprender Python?

1308
01:19:12,440 --> 01:19:16,080
Quem quem não programa em nenhuma linguagem? Quem não programa em

1309
01:19:16,080 --> 01:19:19,960
nenhuma linguagem, coloca aqui no chat. Quem programa pode compartilhar também.

1310
01:19:19,960 --> 01:19:25,000
Mas eu tenho uma palavra, duas palavras e ou o ou.

1311
01:19:25,000 --> 01:19:29,520
Mãe, compra um chocolate ou

1312
01:19:29,520 --> 01:19:34,000
um doce. Se o mercado tiver aberto e for barato e

1313
01:19:34,000 --> 01:19:39,520
ou e ou e a gente usa de maneira completamente errado.

1314
01:19:39,520 --> 01:19:41,080
Lógica

1315
01:19:41,080 --> 01:19:45,719
e gramática faz muita falta pras pessoas, eu acho, no Brasil,

1316
01:19:45,719 --> 01:19:50,120
porque você publica, né? Olha, não sei o qu. Ã, fazendo,

1317
01:19:50,120 --> 01:19:53,800
comprando, estudando durante 6 meses, você pode ganhar um com um

1318
01:19:53,800 --> 01:19:56,120
salário de 7.000.

1319
01:19:56,120 --> 01:19:59,639
Cara, pode, é lógica, né? Ou o e ou. Cara, às

1320
01:19:59,639 --> 01:20:02,120
vezes assim, é importante a gente entender, mas a gente leva

1321
01:20:02,120 --> 01:20:07,760
o e ou porque eles têm condições de combinações diferentes e

1322
01:20:07,760 --> 01:20:11,560
eu posso enumerar soluções. E quem que a gente tem?

1323
01:20:11,560 --> 01:20:17,280
H, eu posso enumerar possibilidades sem depender da interpretação, se nenhuma

1324
01:20:17,280 --> 01:20:19,920
foi satisfeita, se só a primeira, só a segunda. Cara, eu

1325
01:20:19,920 --> 01:20:23,840
eu tenho como fazer regras do e ou do ou. E

1326
01:20:23,840 --> 01:20:27,679
eu tenho White Head Russell. Eles entraram também na história da

1327
01:20:27,679 --> 01:20:30,840
matemática que o autor desse livro, Anil, o Anil, ele ele

1328
01:20:30,840 --> 01:20:34,719
traz de maneira brilhante o levantamento bibliográfico dele. Cara, que trabalho

1329
01:20:34,719 --> 01:20:40,159
sensacional. Ã, a contribuição deles na lógica formal. Turing. Por que

1330
01:20:40,159 --> 01:20:43,719
que ele entra? O Turing tá na contribuição pela descrição matemática

1331
01:20:43,719 --> 01:20:46,639
da computação. Então o trabalho dele faz parte de de um

1332
01:20:46,639 --> 01:20:51,120
contexto onde as minhas operações elas podem ser especificadas e estudadas

1333
01:20:51,120 --> 01:20:55,480
com rigor. Legal. Uma tarefa complexa, então pode ser investigada a

1334
01:20:55,480 --> 01:20:59,080
partir da combinações de tarefas mais simples e de como elas

1335
01:20:59,080 --> 01:21:03,719
eram combinadas. E aí, para eu acompanhar o McLosh, guarde essa

1336
01:21:03,719 --> 01:21:05,000
possibilidade.

1337
01:21:05,000 --> 01:21:09,280
Hã, uma condição, ela pode ser representada por um sinal. Poxa,

1338
01:21:09,280 --> 01:21:14,080
a gente tá falando sinal. A gente tá falando de sinal.

1339
01:21:14,080 --> 01:21:18,880
Sinal, sinal. Lembra que no aprendizado a gente falou sinal, condição.

1340
01:21:18,880 --> 01:21:23,080
Se eu consigo representar como um sinal, pensa assim, duas condições

1341
01:21:23,080 --> 01:21:25,560
podem chegar a uma unidade.

1342
01:21:25,560 --> 01:21:30,199
A unidade pode produzir uma resposta apenas quando ambas tiverem presentes.

1343
01:21:30,199 --> 01:21:33,080
Se eu conseguir especificar isso matematicamente, aí a gente tem uma

1344
01:21:33,080 --> 01:21:38,000
ligação entre a linguagem da lógica e o comportamento do mecanismo.

1345
01:21:38,000 --> 01:21:40,639
No final das contas, eu tô escolhendo a pergunta de quais

1346
01:21:40,639 --> 01:21:46,159
operações a rede realiza dadas essas regras. Certo?

1347
01:21:46,159 --> 01:21:47,719
Eh,

1348
01:21:47,719 --> 01:21:50,120
eu sei que tá, eu vou tomar cuidado de não prender

1349
01:21:50,120 --> 01:21:54,880
muito aqui, porque realmente eu trouxe bastante material aí. Mas uma

1350
01:21:54,880 --> 01:22:00,360
outra pessoa que surge nessa história da matemática, Walter Pitt também,

1351
01:22:00,360 --> 01:22:04,880
que que ele contribui, só que eu vou pular pessoal aqui

1352
01:22:04,880 --> 01:22:09,159
porque eu acho que essas contribuições eu tô com medo de

1353
01:22:09,159 --> 01:22:12,400
não dar tempo ou começar a ficar. Eu preparei para, eu

1354
01:22:12,400 --> 01:22:15,360
quero tirar dúvidas ali no final. Certo? Posso ficar à vontade?

1355
01:22:15,360 --> 01:22:19,600
Ah, então beleza. Então vamos ficar trazendo outros nomes. Cara, vão

1356
01:22:19,600 --> 01:22:22,920
pensando na história e vocês vão vendo. Quando a gente chegar,

1357
01:22:22,920 --> 01:22:26,360
principalmente na aula que vem, a gente vai começar a fazer

1358
01:22:26,360 --> 01:22:28,239
mais continha

1359
01:22:28,239 --> 01:22:31,120
e aí as coisas vão se encaixando. Mas pega o Walter

1360
01:22:31,120 --> 01:22:34,320
Pitz que entrou e era adolescente quando ele entrou na história

1361
01:22:34,320 --> 01:22:37,480
e tinha capacidade lógica também ali e ele não tinha uma

1362
01:22:37,480 --> 01:22:42,199
moradia estável. Lembra do McLos

1363
01:22:42,199 --> 01:22:46,679
do slide anterior? Ele conheceu, encontrou um interlocutor, ele levou para

1364
01:22:46,679 --> 01:22:49,840
morar com ele e a esposa. Eles acolheram porque ele era

1365
01:22:49,840 --> 01:22:53,239
uma um adolescente que não tinha onde morar, só que ele

1366
01:22:53,239 --> 01:22:57,760
era extremamente genial. E aí você juntou um cara que trazia

1367
01:22:57,760 --> 01:22:59,480
pergunta da neurofilologia,

1368
01:22:59,480 --> 01:23:03,159
de como os sinais recebidos por célula poderiam participar de um

1369
01:23:03,159 --> 01:23:07,480
cálculo. E o Pits, esse jovem, ele trazia recurso para trabalhar

1370
01:23:07,480 --> 01:23:11,480
com a relação lógica envolvida na pergunta que tava ali. Então,

1371
01:23:11,480 --> 01:23:17,320
em 43, poxa, antecedendo o próprio Rosenbla, o Mclos e o

1372
01:23:17,320 --> 01:23:21,800
Pitz, eles aparecem junto num trabalho sobre atividade nervosa e lógica.

1373
01:23:21,800 --> 01:23:25,600
E parte do trabalho levou a publicação que ocorreu neste ambiente

1374
01:23:25,600 --> 01:23:29,560
da família Mulos. Então, olha só que coisa bacana que a

1375
01:23:29,560 --> 01:23:33,520
gente tem. Ah, deixa eu pegar aqui.

1376
01:23:33,520 --> 01:23:37,320
Publicaram então no Bulletim of Mathematical Biophysics.

1377
01:23:37,320 --> 01:23:41,920
E este trabalho depois ele foi usado pelos pesquisadores que vieram

1378
01:23:41,920 --> 01:23:46,760
na sequência. Olha como a modelagem dos nossos neurônios. Então parem

1379
01:23:46,760 --> 01:23:49,920
de ter medo de a IA vai tirar o meu trabalho.

1380
01:23:49,920 --> 01:23:52,480
Aá é uma tecnologia que chegou nova. Cara, se a gente

1381
01:23:52,480 --> 01:23:55,800
tem o que tem hoje, é nessas contribuições que vem lá

1382
01:23:55,800 --> 01:23:59,120
de 43. Não caiam no papo de coach. Você não vai

1383
01:23:59,120 --> 01:24:01,480
ser substituído, cara, se você for bom. Agora, o que que

1384
01:24:01,480 --> 01:24:03,800
eu tenho que estudar? Vão por mim, deem um voto de

1385
01:24:03,800 --> 01:24:08,239
confiança. Estuda em matemática durante a construção da carreira. Tranquilo? Então,

1386
01:24:08,239 --> 01:24:11,600
pesquisa inspirada no cérebro. Hã,

1387
01:24:11,600 --> 01:24:17,199
e o que que acontece? Neste primeiro momento ainda de 43,

1388
01:24:17,199 --> 01:24:19,159
eu tinha que escolher o valor, mas eu não tinha o

1389
01:24:19,159 --> 01:24:23,040
aprendizado. Mas vamos conferir o cálculo. Olha só, com o trabalho

1390
01:24:23,040 --> 01:24:25,080
do pit McLosh,

1391
01:24:25,080 --> 01:24:29,560
eu trago pro contexto do neurônio artificial depois. E na célula

1392
01:24:29,560 --> 01:24:33,239
biológica, os meus dentritos, eles recebem os sinais aqui em cima.

1393
01:24:33,239 --> 01:24:36,480
Então eu tenho o corpo que participa e eu vou até

1394
01:24:36,480 --> 01:24:40,480
o disparo ou não do meu sinal, certo? O como que

1395
01:24:40,480 --> 01:24:46,719
eu recebo o disparar? Ó, as minhas entradas elas são combinadas

1396
01:24:46,719 --> 01:24:50,320
aqui. Então x1 e x2 pode valer 0 ou um são

1397
01:24:50,320 --> 01:24:53,560
estados possíveis. Para acompanhar a lógica, eu posso associar zero a

1398
01:24:53,560 --> 01:24:57,000
uma condição ausente, é uma condição presente. Então assim, um número

1399
01:24:57,000 --> 01:25:03,560
pequeno acima do thrashhold, ó, eu retorno zero e um. Ã,

1400
01:25:03,560 --> 01:25:08,360
deixa eu ver. Hoje sabe nutrição, gestão diminuição inteligência. Tá? Então

1401
01:25:08,360 --> 01:25:10,000
assim,

1402
01:25:10,000 --> 01:25:13,360
cara, legal, eu tenho daí que vem todos esses conceitos que

1403
01:25:13,360 --> 01:25:17,040
eles vão surgindo. Vamos agora,

1404
01:25:17,040 --> 01:25:19,040
sem entrar nos detalhes,

1405
01:25:19,040 --> 01:25:24,920
olha a modelagem aqui. As entradas elas ainda naquele primeiro neurônio

1406
01:25:24,920 --> 01:25:30,960
artificial, elas só aceitavam zero ou um. Então, o primeiro modelo

1407
01:25:30,960 --> 01:25:33,600
que a gente tem de neurônio artificial, ele recebeu um zero

1408
01:25:33,600 --> 01:25:38,119
ou um e eles tinham essa capacidade lógica de retornar um

1409
01:25:38,119 --> 01:25:41,119
valor, certo? Então isso é o que a gente tinha, a

1410
01:25:41,119 --> 01:25:45,360
gente trabalhava dentro do nosso thrashhold.

1411
01:25:45,360 --> 01:25:49,400
Então assim, eu mudava o meu limar e isso ia acontecendo.

1412
01:25:49,400 --> 01:25:53,920
Então de 43 MLAD pit, regras elas eram definidas. Quando eu

1413
01:25:53,920 --> 01:25:58,960
tenho Rosen Blos 50, as minhas regras elas são atualizadas e

1414
01:25:58,960 --> 01:26:04,239
eu vou aprendendo conforme eu vou tendo mais exemplos. Tranquilo?

1415
01:26:04,239 --> 01:26:08,960
Vamos ver aqui. Quer programação, dificuldade cálculo.

1416
01:26:08,960 --> 01:26:13,560
Vou vou falar todas as perguntas para você.

1417
01:26:13,560 --> 01:26:17,080
Vou vou responder. Podem colocar as perguntas aí, eu respondo no

1418
01:26:17,080 --> 01:26:19,440
final. Tranquilo?

1419
01:26:19,440 --> 01:26:21,480
Deixa eu já dar uma olhada aqui só se tem alguma

1420
01:26:21,480 --> 01:26:30,550
coisa.

1421
01:26:30,550 --> 01:26:31,719
Ah, deixa eu ver porque senão fica muito aprender Python. Deixa

1422
01:26:31,719 --> 01:26:35,440
eu ver as últimas. Lógica, gramática, retórico, música média geometria. Acho

1423
01:26:35,440 --> 01:26:39,199
que é isso. Programo nada no ser Excel. Chegando agora. Salve

1424
01:26:39,199 --> 01:26:41,159
sinal. Sign.

1425
01:26:41,159 --> 01:26:45,560
Sabemos que a nutrição, vamos ver programação seja bem interessante. Dificuldade

1426
01:26:45,560 --> 01:26:49,800
com esses cálculos pode ficar para trás. Verdadeiro darwinismo social. Cara,

1427
01:26:49,800 --> 01:26:52,320
eu vou limitar a minha premissa, né? o meu ambiente aqui,

1428
01:26:52,320 --> 01:26:55,360
porque eu também não tenho controle sobre as todas as variáveis.

1429
01:26:55,360 --> 01:26:57,960
Mas a verdade é que, poxa,

1430
01:26:57,960 --> 01:27:00,560
as pessoas têm a mania de ser pessimista, cara, o mundo

1431
01:27:00,560 --> 01:27:04,280
tá acabando, tá tudo ruim, pô, a gente passou, compara realmente,

1432
01:27:04,280 --> 01:27:07,239
né, com com o passado, cara, a gente tem a possibilidade

1433
01:27:07,239 --> 01:27:10,480
hoje de eu pegar livros, ó, por exemplo, o livro do

1434
01:27:10,480 --> 01:27:14,520
Toralba, que eu uso e fundamento da visão computacional, é do

1435
01:27:14,520 --> 01:27:15,800
Mitá

1436
01:27:15,800 --> 01:27:19,480
disponível gratuitamente. E eu tenho aulas do MIT, Open Courware, eu

1437
01:27:19,480 --> 01:27:22,119
tenho aulas de Stanford, o momento eu entendo que é propí,

1438
01:27:22,119 --> 01:27:25,480
mas nunca a gente teve tanta informação disponível. Eu posso não

1439
01:27:25,480 --> 01:27:28,760
ter aprendido na escola, né? Mas com esforço pessoal eu posso

1440
01:27:28,760 --> 01:27:32,360
pegar e imprimir os livros. Ã,

1441
01:27:32,360 --> 01:27:35,119
tem gente que vai poder baixar e não estamos julgando ninguém,

1442
01:27:35,119 --> 01:27:38,080
baixando livros por aí que que são pagos e a pessoa

1443
01:27:38,080 --> 01:27:41,040
imprime. Então assim, a gente tá num tempo que eu tenho

1444
01:27:41,040 --> 01:27:45,719
como aprender. Quando você pega, só de curiosidade, lá pros anos

1445
01:27:45,719 --> 01:27:50,040
2015, vai 2015 eu tava estudando

1446
01:27:50,040 --> 01:27:53,719
V5 ou V3, mas Fester RCN, tudo daquela época, né? Vai

1447
01:27:53,719 --> 01:27:55,639
saindo festn,

1448
01:27:55,639 --> 01:27:59,480
fest rcn fest rcnn sdd.

1449
01:27:59,480 --> 01:28:03,400
Ã, você tinha aunet surgindo, cara.

1450
01:28:03,400 --> 01:28:06,400
Eh, você não tinha referência por aí. O tensor flow ele

1451
01:28:06,400 --> 01:28:10,159
tava na versão 1.0. O backbone dele ainda era não era

1452
01:28:10,159 --> 01:28:12,960
o Caras, né? E era super complexo. Você tinha que fazer

1453
01:28:12,960 --> 01:28:15,639
tanta coisa na mão, você não tinha tutorial. Hoje em dia

1454
01:28:15,639 --> 01:28:18,719
os tempos estão maravilhosos, eu acho, para você aprender, né? Então,

1455
01:28:18,719 --> 01:28:22,560
a gente tá nesse sentido aí. Hã, deixa eu ver aqui.

1456
01:28:22,560 --> 01:28:28,280
Referencial teórico. Desenvolver projeto de reconhecimento não conformidade em telhado industrial.

1457
01:28:28,280 --> 01:28:32,920
Cara, ã, cara, difícil responder essa pergunta num tempo tão curto

1458
01:28:32,920 --> 01:28:37,239
assim. Ajuste de peso. Maravilha. Vou passar para vocês. Ser humano

1459
01:28:37,239 --> 01:28:40,480
tem o poder do autoapendizado. Cara, é aquela questão, né? Poxa,

1460
01:28:40,480 --> 01:28:43,040
eu não posso ã poxa, tem coisa que é justa, tem

1461
01:28:43,040 --> 01:28:46,440
coisa que é injusta no mundo. Eu concordo, mas tipo, tem

1462
01:28:46,440 --> 01:28:48,600
coisa que não vai mudar. Se a situação é essa, a

1463
01:28:48,600 --> 01:28:50,280
regra do jogo é essa, ou eu mudo ou eu tento

1464
01:28:50,280 --> 01:28:52,639
fazer alguma coisa e eu entendo que nem todo mundo, que

1465
01:28:52,639 --> 01:28:55,360
nem o Col colocou, vai ter as mesmas condições, né? Mas

1466
01:28:55,360 --> 01:28:59,480
cara, eh, pô, a gente pode fazer alguma coisa, pelo menos.

1467
01:28:59,480 --> 01:29:02,040
Ah, vamos ver. A, ó, sei que nunca houve um espaço

1468
01:29:02,040 --> 01:29:06,960
tão democrático qualquer pessoa aprender matemática e programação. Tá legal? Tem

1469
01:29:06,960 --> 01:29:10,400
muita história. Eu vou disponibilizar os slides para vocês e eu

1470
01:29:10,400 --> 01:29:14,880
amo histórias. A anedota, esse livro ele tá bem representado.

1471
01:29:14,880 --> 01:29:17,960
Mas o que que acontece matematicamente

1472
01:29:17,960 --> 01:29:20,480
tudo [roncando] isso? Hoje em dia, quando a gente olha um

1473
01:29:20,480 --> 01:29:22,960
modelo, por exemplo, de

1474
01:29:22,960 --> 01:29:24,280
neurônio,

1475
01:29:24,280 --> 01:29:26,840
cara, eu tenho as entradas que elas são passadas e são

1476
01:29:26,840 --> 01:29:31,679
multiplicadas por pesos ali. E eu somo esses valores e ele

1477
01:29:31,679 --> 01:29:35,239
me dá um resultado no final aí, ainda de maneira completamente

1478
01:29:35,239 --> 01:29:36,679
simplificada.

1479
01:29:36,679 --> 01:29:39,400
H, mas o ponto é pra gente não perder a distração.

1480
01:29:39,400 --> 01:29:43,560
O que que eu tô ensinando neste primeiro momento é eu

1481
01:29:43,560 --> 01:29:48,080
tenho como aprender e modelar as coisas, as informações que chegam,

1482
01:29:48,080 --> 01:29:52,159
né? E eu levo isso para um problema, por exemplo, de

1483
01:29:52,159 --> 01:29:53,360
classificação,

1484
01:29:53,360 --> 01:29:57,280
não apenas um problema de regressão.

1485
01:29:57,280 --> 01:30:01,040
Ã, eu vou só mostrar aqui uma coisa para vocês.

1486
01:30:01,040 --> 01:30:05,119
Deixa eu só abrir e trocar a tela.

1487
01:30:05,119 --> 01:30:21,390
Só um segundo.

1488
01:30:21,390 --> 01:30:22,159
Então, Adolfo, pode ser ou pode não ser, cara. Mas é

1489
01:30:22,159 --> 01:30:24,960
isso que tem. Então, assim, tipo,

1490
01:30:24,960 --> 01:30:27,280
ã, eu entendo a preocupação, mas não tem muito o que

1491
01:30:27,280 --> 01:30:29,760
fazer, né? Então, dado cenário, o que que eu posso fazer

1492
01:30:29,760 --> 01:30:32,520
para mim ou para pessoas que estão próximas, as pessoas que

1493
01:30:32,520 --> 01:30:35,800
dependem de mim e contribuir com a sociedade? Cara, eu o

1494
01:30:35,800 --> 01:30:38,480
que eu fiz para contribuir de alguma maneira o conhecimento que

1495
01:30:38,480 --> 01:30:41,000
eu tive lá em 2018, quando eu ainda tava na Força

1496
01:30:41,000 --> 01:30:43,639
Aérea, eu criei um blog, o Sigmo cara, mais de 200

1497
01:30:43,639 --> 01:30:47,840
artigos escritos, artigos assim, você vê Orbs Lan, você tinha artigos

1498
01:30:47,840 --> 01:30:53,000
extremamente aprofundados por matemática, tutorial, coisinha do passo a passo, dica

1499
01:30:53,000 --> 01:30:57,400
de carreira, faço eventos gratuitos, 200. Então assim, eh, a gente

1500
01:30:57,400 --> 01:30:59,320
não tem muito o que fazer, né? Então a gente faz

1501
01:30:59,320 --> 01:31:03,320
pra gente e tenta contribuir de alguma maneira. Então aqui, se

1502
01:31:03,320 --> 01:31:06,719
vocês forem ali,

1503
01:31:06,719 --> 01:31:09,400
certo? Pera aí,

1504
01:31:09,400 --> 01:31:19,350
aqui, ó, e pegarem vídeos, playlist,

1505
01:31:19,350 --> 01:31:21,159
vocês t aqui, ó, matem matemática para machine learning. Essa é

1506
01:31:21,159 --> 01:31:25,679
uma playlist que eu quero fazer, porque esta primeira aula aqui

1507
01:31:25,679 --> 01:31:31,000
é uma aula introdutória de aprendizado de máquinas. Mas se vocês

1508
01:31:31,000 --> 01:31:34,679
pegarem essa playlist,

1509
01:31:34,679 --> 01:31:39,440
que que vocês vão ter? Vocês vão ter aproximação de função,

1510
01:31:39,440 --> 01:31:42,719
cara. Vocês vão ter muita coisa.

1511
01:31:42,719 --> 01:31:48,159
Aproximação de função, gradiente, cara. Tudo aqui dentro. Tudo aqui dentro.

1512
01:31:48,159 --> 01:31:54,629
Então, ver playlist completa, ó.

1513
01:31:54,629 --> 01:31:57,199
Ó, toda uma série, gradiente, descendente, loss function, regressão linear, aprendizado,

1514
01:31:57,199 --> 01:32:01,440
matemática, permite as máquinas aprenderem, modelo de classificação, otimizadores,

1515
01:32:01,440 --> 01:32:07,800
eh, redes neurais, regularização, aproximação de função. Então, tipo, aqui você

1516
01:32:07,800 --> 01:32:12,520
tem todo este conteúdo para você conseguir aprender. E eu recomendo

1517
01:32:12,520 --> 01:32:15,920
que vocês passem um tempinho ali,

1518
01:32:15,920 --> 01:32:17,360
ã,

1519
01:32:17,360 --> 01:32:21,880
porque tem todas essas técnicas aqui. Eu por mim faria mais

1520
01:32:21,880 --> 01:32:27,159
aulas ainda, né? Acho que que esse evento exige. Mas tudo

1521
01:32:27,159 --> 01:32:31,960
eu posso resumir neste primeiro encontro como eu tenho que identificar

1522
01:32:31,960 --> 01:32:33,600
uma função

1523
01:32:33,600 --> 01:32:38,520
matemática que me retorna valores. Eu retornei no exemplo da casa,

1524
01:32:38,520 --> 01:32:42,719
onde eu dou a métrica, a metragem, o espaço e ele

1525
01:32:42,719 --> 01:32:46,480
me retorna o preço da casa. Mas eu posso dar informações

1526
01:32:46,480 --> 01:32:48,560
onde eu classifico

1527
01:32:48,560 --> 01:32:51,320
e é um modelo de classificação.

1528
01:32:51,320 --> 01:32:55,000
Eh, no final das contas,

1529
01:32:55,000 --> 01:32:58,320
o meu modelo ele treina e ele tem a capacidade de

1530
01:32:58,320 --> 01:33:01,480
aprender. E aí a gente, antes de começar

1531
01:33:01,480 --> 01:33:04,639
a aula do tema probabilístico, amanhã eu vou dar um tempo

1532
01:33:04,639 --> 01:33:08,480
para vocês digerirem tudo isso e eu vou apresentar o gradiente,

1533
01:33:08,480 --> 01:33:12,000
porque eu consigo ir melhorando e a gente vai ter um

1534
01:33:12,000 --> 01:33:15,400
laboratório. Vou compartilhar com vocês. Vocês podem mexer ali também. Eu

1535
01:33:15,400 --> 01:33:20,000
consigo ir melhorando aqueles parâmetros, aqueles meus pesos e ajustar eles

1536
01:33:20,000 --> 01:33:24,080
até dar o menor erro possível. Agora, eh, eu tenho que

1537
01:33:24,080 --> 01:33:26,480
ter um algoritmo ali por trás, eu tenho que ter algum

1538
01:33:26,480 --> 01:33:29,119
método que me permite melhorar. E aí vocês vão ver que

1539
01:33:29,119 --> 01:33:31,639
no final das contas é uma derivada que é uma coisa

1540
01:33:31,639 --> 01:33:35,280
mesmo para quem não teve contato com a matemática

1541
01:33:35,280 --> 01:33:41,600
da faculdade, é um conceito que a intuição você consegue absorver

1542
01:33:41,600 --> 01:33:45,600
de maneira fácil, né? Tudo se trata no final das contas

1543
01:33:45,600 --> 01:33:49,960
de, por exemplo, eu quero definir uma reta que separa esses

1544
01:33:49,960 --> 01:33:54,040
dois grupos de e-mail, por exemplo, com spam ou sem spam.

1545
01:33:54,040 --> 01:33:56,440
E a minha tentativa e erro vai dar dependendo de como

1546
01:33:56,440 --> 01:34:00,440
eu encontro a inclinação e como eu encontro o percepto. Mas

1547
01:34:00,440 --> 01:34:03,040
tudo isso acaba sendo no final.

1548
01:34:03,040 --> 01:34:07,159
Resumindo, tenho dados e o meu algoritmo de aprendizado, ele precisa

1549
01:34:07,159 --> 01:34:10,800
ter um objetivo. O que que eu quero melhorar? Eu tenho

1550
01:34:10,800 --> 01:34:13,840
que ter um espaço de hipótese que eu tô limitando quais

1551
01:34:13,840 --> 01:34:18,280
os modelos que eu posso escolher e a otimização,

1552
01:34:18,280 --> 01:34:22,880
como que eu consigo procurar uma solução. E no final, quando

1553
01:34:22,880 --> 01:34:26,280
esse modelo meu ele é treinado, ele vai me retornar um

1554
01:34:26,280 --> 01:34:31,080
modelo aprendido e esse modelo aprendido ele vai ser uma função

1555
01:34:31,080 --> 01:34:34,920
e mesmas funções com outras parametrizações.

1556
01:34:34,920 --> 01:34:39,360
Então isso é uma equação paramétrica que a gente vai falar

1557
01:34:39,360 --> 01:34:42,360
ali. E eu vou deixar a parte prática. Eu tenho notebook

1558
01:34:42,360 --> 01:34:45,719
de de código pra gente rodar o modelinho no Python, mas

1559
01:34:45,719 --> 01:34:50,639
eu queria ter deixado essa primeira aula ainda para uma introdução

1560
01:34:50,639 --> 01:34:53,960
muito mais simples, um pouco da história. Então assim, quando a

1561
01:34:53,960 --> 01:34:58,040
gente pega lá no começo, então vamos recapitular a sequência de

1562
01:34:58,040 --> 01:35:03,719
aulas. Esta é a única aula que ela é mais histórica.

1563
01:35:03,719 --> 01:35:05,920
A próxima aula a gente vai pra prática. A gente vai

1564
01:35:05,920 --> 01:35:09,800
pegar a parte matemática, vai escrever o código em Python.

1565
01:35:09,800 --> 01:35:12,560
Então amanhã a gente já começa nisso para depois introduzir a

1566
01:35:12,560 --> 01:35:17,199
matemática da incerteza. A terceira aula depois na quinta-feira é a

1567
01:35:17,199 --> 01:35:21,199
parte de de visão computacional. E a melhor aula de todas,

1568
01:35:21,199 --> 01:35:25,360
não que vocês não devam assistir essa todas, mas aula quatro,

1569
01:35:25,360 --> 01:35:28,159
aí sim a gente vai conseguir entender

1570
01:35:28,159 --> 01:35:29,639
matematicamente

1571
01:35:29,639 --> 01:35:34,560
o mecanismo que permite o chat GPT e o cloud funcionarem,

1572
01:35:34,560 --> 01:35:38,400
porque eh se você não domina, e aí vem na questão

1573
01:35:38,400 --> 01:35:42,520
da importância, poxa, legal,

1574
01:35:42,520 --> 01:35:46,159
quando a gente falou do mercado, o que mudou do mercado

1575
01:35:46,159 --> 01:35:50,000
de trabalho quando você tem a IA hoje? Cara, a IA,

1576
01:35:50,000 --> 01:35:52,560
tudo bem, ela até num hype muito grande, principalmente que tá

1577
01:35:52,560 --> 01:35:56,920
muito saturado das pessoas falando. A IA ela potencializa o que

1578
01:35:56,920 --> 01:36:01,000
você tem. Quando eu pego um modelo, por exemplo, de visão

1579
01:36:01,000 --> 01:36:03,560
computacional, principalmente, cara, a máquina é ruim. Por mais que os

1580
01:36:03,560 --> 01:36:08,119
modelos fundacionais eles consigam enxergar alguma coisa, cara, ele é péssimo.

1581
01:36:08,119 --> 01:36:10,920
Ele não tem a capacidade, como o Yan Lecum e como

1582
01:36:10,920 --> 01:36:16,040
o Andrew Wing falam, a AGI, AGI, ela não vai chegar

1583
01:36:16,040 --> 01:36:19,400
por meio de modelo de linguagem. Por quê? A máquina ela

1584
01:36:19,400 --> 01:36:23,679
precisa ver o mundo, interpretar o mundo. Um modelo de linguagem

1585
01:36:23,679 --> 01:36:27,880
ele, o modelo fundacional hoje ele não tem memória. Não tem,

1586
01:36:27,880 --> 01:36:30,920
ele tem, não é memória, ele não tem a capacidade make

1587
01:36:30,920 --> 01:36:35,800
sense, ele não faz raciocínio. E tem o o raciocínio em

1588
01:36:35,800 --> 01:36:40,040
si e ele não consegue planejar, ele planeja o próximo token,

1589
01:36:40,040 --> 01:36:43,800
a limitação da arquitetura. Quando você entende isso, o mundo abre.

1590
01:36:43,800 --> 01:36:46,000
Aí o que que eu vou focar, cara? As empresas estão

1591
01:36:46,000 --> 01:36:49,800
contratando para caramba. O Júnior, o problema do Júnior não é

1592
01:36:49,800 --> 01:36:52,320
o título em si, mas [roncando] o júnior ele para no

1593
01:36:52,320 --> 01:36:55,080
básico. E eu digo assim da leva, quando eu tinha alunos

1594
01:36:55,080 --> 01:36:57,719
do data science na prática, o pessoal conseguia emprego muito fácil,

1595
01:36:57,719 --> 01:36:59,480
período da pandemia,

1596
01:36:59,480 --> 01:37:03,400
o período um ano após a pandemia, ã, o pessoal conseguia

1597
01:37:03,400 --> 01:37:06,239
emprego e parava de evoluir. Aí você fica no feijão com

1598
01:37:06,239 --> 01:37:08,280
arroz. Cara, o problema hoje é quem tá no feijão com

1599
01:37:08,280 --> 01:37:11,159
arroz, porque a quantidade, eu publiquei nos stories, eu tenho um

1600
01:37:11,159 --> 01:37:14,719
destaque ali no Instagram, a quantidade de empregos que vão chegando.

1601
01:37:14,719 --> 01:37:18,719
E não é pela experiência somente Júnior, mas é que o

1602
01:37:18,719 --> 01:37:21,239
Júnior ali é o cara que faz o feijão com arroz.

1603
01:37:21,239 --> 01:37:23,880
Quando você começa a levar para outro patamar e eu digo

1604
01:37:23,880 --> 01:37:27,520
pros meus alunos, por exemplo, na faculdade, cara, eu passo paper

1605
01:37:27,520 --> 01:37:30,719
para eles. A gente vê o paper, por Jepta do do

1606
01:37:30,719 --> 01:37:34,000
Yan Lecum, cara, um dia depois eu trouxe paper da Duke

1607
01:37:34,000 --> 01:37:36,920
aqui do lado, a Duke University. Assim que saiu, eu trouxe

1608
01:37:36,920 --> 01:37:40,080
uma semana depois para mostrar o estado da arte. Além disso,

1609
01:37:40,080 --> 01:37:44,560
estudar case da indústria. Além disso, como que eu adoto um

1610
01:37:44,560 --> 01:37:47,360
uso de uma ferramenta de A no meu fluxo de trabalho,

1611
01:37:47,360 --> 01:37:49,360
o que que as empresas aqui nos Estados Unidos, no Brasil,

1612
01:37:49,360 --> 01:37:52,960
enfim, tão cobrando. E aí você vai ver que a real

1613
01:37:52,960 --> 01:37:54,199
capacidade

1614
01:37:54,199 --> 01:37:57,159
hoje que faz diferença é você manter sim o seu estudo

1615
01:37:57,159 --> 01:38:01,719
como você faz, mas incluir paper, leitura, pelo menos os principais,

1616
01:38:01,719 --> 01:38:06,880
os destacados, pega os principais congressos da área e poxa,

1617
01:38:06,880 --> 01:38:10,960
matemática, cara, não tem para onde fugir. Você pega o código

1618
01:38:10,960 --> 01:38:14,400
fonte do X, por exemplo, quando o Elon Musk abriu, ah,

1619
01:38:14,400 --> 01:38:20,119
não é biblioteca, é você modelar matematicamente o negócio. você pega

1620
01:38:20,119 --> 01:38:24,719
um uma pesquisa do estado da arte, você tem que saber

1621
01:38:24,719 --> 01:38:28,560
esses fundamentos. E quando você vai para uma entrevista

1622
01:38:28,560 --> 01:38:30,119
técnica,

1623
01:38:30,119 --> 01:38:32,599
ã, hoje em dia o leit code ele tá caindo muito

1624
01:38:32,599 --> 01:38:35,159
em desuso, graças a Deus eu não tenho, mas eu não

1625
01:38:35,159 --> 01:38:37,679
paro para estudar lit code, estrutura de dados, não chega, né,

1626
01:38:37,679 --> 01:38:41,520
cara? Tá bom, eu recuso, né? simplesmente não tem lit code

1627
01:38:41,520 --> 01:38:44,199
hoje em dia, não acho que vale a pena parar, mas

1628
01:38:44,199 --> 01:38:47,599
se você precisa para aquela empresa, tem que estudar, claro. Mas

1629
01:38:47,599 --> 01:38:50,159
o lit code ele tem caído em desuso e principalmente quando

1630
01:38:50,159 --> 01:38:53,239
você vai para aplicar para uma startup. Uma startup, ela tem

1631
01:38:53,239 --> 01:38:55,440
um processo seletivo

1632
01:38:55,440 --> 01:38:59,159
que é feito com os founders a às vezes. E os

1633
01:38:59,159 --> 01:39:03,199
founders eles vão usar aquela comportamental com técnica, com quase um

1634
01:39:03,199 --> 01:39:06,840
machine learning system design, cases, aplicação.

1635
01:39:06,840 --> 01:39:09,360
E olha só,

1636
01:39:09,360 --> 01:39:13,159
Júnior tá no nome, títulos são títulos. O título, dane-se o

1637
01:39:13,159 --> 01:39:15,639
título. Cara, o que importa é se eu vou ser contratado

1638
01:39:15,639 --> 01:39:17,679
ou não. O que importa é o salário. Título é título

1639
01:39:17,679 --> 01:39:20,599
e cada empresa vai ter seu critério. Como que eu passo

1640
01:39:20,599 --> 01:39:24,239
numa entrevista, Carlos, em 2026, se eu tô começando a aprender

1641
01:39:24,239 --> 01:39:28,599
do zero, você tem coisas, tem conhecimento tácido intrínseco, tem conhecimento

1642
01:39:28,599 --> 01:39:31,159
que você aprende assistindo aula,

1643
01:39:31,159 --> 01:39:32,400
certo?

1644
01:39:32,400 --> 01:39:35,320
Tem conhecimento que você precisa da vivência.

1645
01:39:35,320 --> 01:39:38,480
Mas os meus alunos eu tenho passado uma solução muito boa.

1646
01:39:38,480 --> 01:39:41,679
Primeiro, cara, você

1647
01:39:41,679 --> 01:39:45,880
vai para uma entrevista e vou dar um exemplo prático. Me

1648
01:39:45,880 --> 01:39:49,119
perguntaram numa entrevista ali que eu tinha que fazer uma detecção

1649
01:39:49,119 --> 01:39:51,840
de objetos que passavam rapidamente em cima de uma esteira para

1650
01:39:51,840 --> 01:39:53,920
detecção de anomalia.

1651
01:39:53,920 --> 01:39:57,400
Ã, perguntaram assim: "Poxa,

1652
01:39:57,400 --> 01:40:00,840
já estamos usando iolo?" Olha o nível de pergunta, pessoal. Isso

1653
01:40:00,840 --> 01:40:03,599
que vocês têm que se preparar é isso que você tá

1654
01:40:03,599 --> 01:40:07,840
começando agora? você não tem experiência, mas você consegue responder essa

1655
01:40:07,840 --> 01:40:10,040
daí se você fizer o que eu vou falar.

1656
01:40:10,040 --> 01:40:13,360
Olha, eu tô rodando na esteira essas peças desse formato, tal,

1657
01:40:13,360 --> 01:40:17,639
tal, [roncando] tempo de latência, tal, eu, mas tá lento, como

1658
01:40:17,639 --> 01:40:20,719
que eu posso acelerar?

1659
01:40:20,719 --> 01:40:23,760
Ou melhor,

1660
01:40:23,760 --> 01:40:28,560
o defeito dessa peça não tá parando na minha iolo V26.

1661
01:40:28,560 --> 01:40:32,400
que a V27, não sei se lançou já, mas V26, a

1662
01:40:32,400 --> 01:40:35,679
V8 ela tem mais precisão para muitas das coisas. A V26

1663
01:40:35,679 --> 01:40:37,920
ela é mais rápida para as aplicações que eu vi, né?

1664
01:40:37,920 --> 01:40:41,960
Mas sei lá, a Iolo V8 uma precisão sensacional

1665
01:40:41,960 --> 01:40:46,440
não tá pegando esse defeitinho porque ele tem cinco pixels. Aí

1666
01:40:46,440 --> 01:40:49,280
eu vou ver. Pô, o problema não é a resolução da

1667
01:40:49,280 --> 01:40:53,840
imagem de entrada, o problema é uma das cabeças

1668
01:40:53,840 --> 01:40:57,400
P tanto PX lá da minha iolo.

1669
01:40:57,400 --> 01:41:00,400
Eh, e se eu incluir uma outra cabeça, mas eu não

1670
01:41:00,400 --> 01:41:05,040
preciso ter feido essa experiência na indústria. Se eu tô estudando

1671
01:41:05,040 --> 01:41:07,119
paper e matemática,

1672
01:41:07,119 --> 01:41:10,960
eu consigo ter essa experiência adquirida de outro meio. Aí você

1673
01:41:10,960 --> 01:41:13,960
se destaca, porque na entrevista é isso que as pessoas estão

1674
01:41:13,960 --> 01:41:17,760
trazendo, esses casos. ou vai perguntar: "Poxa, o processamento não tá

1675
01:41:17,760 --> 01:41:21,639
rápido". Aí que que eu vou responder? De tanto paper acadêmico,

1676
01:41:21,639 --> 01:41:25,560
tanto estudo de caso que eu vou vendo. E aqui o

1677
01:41:25,560 --> 01:41:28,719
que eu percebo é os labs das faculdades, eles têm o

1678
01:41:28,719 --> 01:41:33,159
funding, né? o financiamento da indústria no [roncando] Brasil, infelizmente, você

1679
01:41:33,159 --> 01:41:37,159
tem os três pilares, ensino, pesquisa, extensão. O pessoal foca

1680
01:41:37,159 --> 01:41:40,159
eh ensino e pesquisa, mas não tem essa extensão pra indústria.

1681
01:41:40,159 --> 01:41:44,239
Aqui não é conectado. Então você vê o que é publicado,

1682
01:41:44,239 --> 01:41:47,880
poxa, ele é o que tá acontecendo e você consegue aprender

1683
01:41:47,880 --> 01:41:50,840
com a fonte dos outros. Se você bota numa rotina, cara,

1684
01:41:50,840 --> 01:41:53,599
estuda isso durante um ano, pô, tu vai estar preparado num

1685
01:41:53,599 --> 01:41:56,520
nível. Ah, como que eu acelero? Aí eu vi um paper

1686
01:41:56,520 --> 01:42:00,119
ou eu vi um estudo de caso onde você não usa

1687
01:42:00,119 --> 01:42:05,239
iolo para fazer o processamento da imagem inteira, você usa iolo

1688
01:42:05,239 --> 01:42:08,360
para ela extrair as características e daí você roda o modelo

1689
01:42:08,360 --> 01:42:11,159
baseado em árvore, um light BM, um X de bush, etc

1690
01:42:11,159 --> 01:42:15,679
e tal. é mais rápido você ou eu trabalho com auto

1691
01:42:15,679 --> 01:42:20,760
encoder que eu jogo para um espaço latente com pouca dimensão

1692
01:42:20,760 --> 01:42:24,560
e eu consigo capturar características da peça boa

1693
01:42:24,560 --> 01:42:27,560
se eu não a minha peça não um um defeito nunca

1694
01:42:27,560 --> 01:42:31,960
visto. lugar de eu ter que propor um modelo de segmentação,

1695
01:42:31,960 --> 01:42:35,000
que o modelo de segmentação ele é caro para treinar, ele

1696
01:42:35,000 --> 01:42:36,520
é demorado,

1697
01:42:36,520 --> 01:42:39,960
é, vai ficar gravada, vai ficar gravada e vai demorar o

1698
01:42:39,960 --> 01:42:43,239
modelo de segmentação que eu tenho controle pixel a pixel, né,

1699
01:42:43,239 --> 01:42:45,679
que a pessoa pode pensar, mas poxa, essa é a pergunta

1700
01:42:45,679 --> 01:42:49,599
de um júnior no sentido, mas não de experiência necessariamente. Se

1701
01:42:49,599 --> 01:42:52,840
você tá estudando, você tem este nível de resposta, pô, aí

1702
01:42:52,840 --> 01:42:57,000
você vai para uma entrevista, cara, e você responde desse jeito.

1703
01:42:57,000 --> 01:43:00,880
Cara, eu uso para tudo com Harness Jame. Eu tenho, ó,

1704
01:43:00,880 --> 01:43:03,119
eu tenho a conta de ó do Chat GPT, que eu

1705
01:43:03,119 --> 01:43:06,639
uso em vários projetos aqui. Trabalhando projeto de drone, projeto pessoal

1706
01:43:06,639 --> 01:43:09,880
tocando a empresa. Cara, eu uso para tudo. Framework, desenvolvimento de

1707
01:43:09,880 --> 01:43:11,639
projeto, TDD,

1708
01:43:11,639 --> 01:43:15,920
spec, metodologia, AI, tem os agentes aqui, PO, PM, tem, tem

1709
01:43:15,920 --> 01:43:19,440
tudo, cara. Aqui [roncando] tudo, tudo, tudo eu tô usando num

1710
01:43:19,440 --> 01:43:22,520
nível pesado e é a melhor coisa que você vai fazer.

1711
01:43:22,520 --> 01:43:25,880
O token tá barato, tá tá

1712
01:43:25,880 --> 01:43:28,719
cara, é hora de aprender. E aí vem no outro ponto.

1713
01:43:28,719 --> 01:43:30,719
Este é o ponto que eu trouxe, a dica que eu

1714
01:43:30,719 --> 01:43:34,639
já adiantei para vocês de processo seletivo. A experiência que você

1715
01:43:34,639 --> 01:43:36,760
ganha

1716
01:43:36,760 --> 01:43:42,080
adquirida por meio de experiências dos outros neste nível de profundidade.

1717
01:43:42,080 --> 01:43:45,920
Se você não adquiriu, percebam como os tempos mudaram. Eu fazer

1718
01:43:45,920 --> 01:43:50,280
aquele tutorial goiaba, cara, não adianta nada, cara. Tutorial de blog,

1719
01:43:50,280 --> 01:43:53,840
o que compensa aí? Que tá um problema. Muitos aqui vão

1720
01:43:53,840 --> 01:43:58,239
falar: "Sou autodidata". Pera aí. Autodidata para aquilo que precisa e

1721
01:43:58,239 --> 01:43:59,560
procisa

1722
01:43:59,560 --> 01:44:03,440
também. Tipo, o que você quer estudar ou somente para tudo?

1723
01:44:03,440 --> 01:44:06,280
O que mais eu conheci de alunos que falavam que eram

1724
01:44:06,280 --> 01:44:10,360
autodidatas, eram alunos que só assistiam curso daquilo que eles gostavam,

1725
01:44:10,360 --> 01:44:12,239
faziam projetos práticos.

1726
01:44:12,239 --> 01:44:15,840
Cara, infelizmente as pessoas falam de faculdade e eu vejo que

1727
01:44:15,840 --> 01:44:18,840
a gente entra em ciclos que o o tem coisa que

1728
01:44:18,840 --> 01:44:22,280
não sai de moda. A tecnologia muda, o que que não

1729
01:44:22,280 --> 01:44:26,520
vai mudar, cara? Sinceramente, o que não vai mudar

1730
01:44:26,520 --> 01:44:28,159
eh

1731
01:44:28,159 --> 01:44:29,360
você

1732
01:44:29,360 --> 01:44:34,400
aprender essa matemática de base, você aprender conceito de otimização, estrutura

1733
01:44:34,400 --> 01:44:38,719
de dados, algoritmos, essas boas práticas, você vai mantendo esse estudo,

1734
01:44:38,719 --> 01:44:43,400
né? Então assim, ser autodidata, tome cuidado, porque ser autodidata significa

1735
01:44:43,400 --> 01:44:45,159
você identificar

1736
01:44:45,159 --> 01:44:48,119
o que você quer aprender. Aí você vai desconstruindo, vai como

1737
01:44:48,119 --> 01:44:52,760
fim mano. Poxa, eu preciso para aprender isso, eu vou destrinchando

1738
01:44:52,760 --> 01:44:56,760
e construindo uma árvore. Aí eu identifico as minhas falhas formativas.

1739
01:44:56,760 --> 01:45:00,840
E aí é o problema, cara. Quem é que vai estudar

1740
01:45:00,840 --> 01:45:05,040
economia? Não sei quem vai aprender. Fazendo exercícios. Se você não

1741
01:45:05,040 --> 01:45:08,880
tá num ambiente de aula, ser autodidata é sensacional para quem

1742
01:45:08,880 --> 01:45:12,320
consegue, mas a maior parte das pessoas que se dizem autodidatas,

1743
01:45:12,320 --> 01:45:15,719
elas vão até certo ponto. Então, só tomem cuidado com isso,

1744
01:45:15,719 --> 01:45:18,080
né? Um estudo ele é mais sério. Um estudo ele tem

1745
01:45:18,080 --> 01:45:20,320
que ser dividido no longo prazo. Até quando que eu estudo?

1746
01:45:20,320 --> 01:45:23,000
Para sempre, né, cara? Tem um livro bom de sertilanges que

1747
01:45:23,000 --> 01:45:26,000
é vida intelectual. Cara, você tem que estudar simplesmente porque você

1748
01:45:26,000 --> 01:45:29,000
tá vivo. Eu não consigo imaginar, pô, a pessoa não arranjo

1749
01:45:29,000 --> 01:45:32,520
emprego ou não tenho promoção. Eu não consigo imaginar um cenário

1750
01:45:32,520 --> 01:45:34,880
onde a pessoa tá estudando 5, 10 anos, mas estudando com

1751
01:45:34,880 --> 01:45:39,840
rotina. E eu, poxa, cronometrando, vendo livro, resumo, tá, tal, e

1752
01:45:39,840 --> 01:45:42,639
a pessoa não teve, né, um bom desempenho na vida, não

1753
01:45:42,639 --> 01:45:44,320
teve uma evolução.

1754
01:45:44,320 --> 01:45:47,159
Eh, e botar a gente de arte da experiência de lidar

1755
01:45:47,159 --> 01:45:51,199
com metodologia ágil. Mas isso eu vou falar nas próximas aulas.

1756
01:45:51,199 --> 01:45:54,840
Esta aula aqui foi somente uma introdução da história. O contexto

1757
01:45:54,840 --> 01:45:57,239
é: "Cara, eu não estaria fazendo um evento de quatro aulas

1758
01:45:57,239 --> 01:46:01,719
de matemática se não fosse extremamente relevante." E é muito importante.

1759
01:46:01,719 --> 01:46:04,119
Hoje a principal habilidade você ter uma rotina de estudo em

1760
01:46:04,119 --> 01:46:07,000
cima disso. E na teoria não é só a matemática pura,

1761
01:46:07,000 --> 01:46:09,520
mas a matemática aplicada. São os papers da academia. Eu tô

1762
01:46:09,520 --> 01:46:13,679
englobando. Tudo isso é o que mais vai te trazer retorno.

1763
01:46:13,679 --> 01:46:15,679
Por qu é o que separa o joio do trigo, cara?

1764
01:46:15,679 --> 01:46:18,239
Não tem como. Vocês podem ver uma live que eu fiz

1765
01:46:18,239 --> 01:46:20,280
aqui com a Nicole.

1766
01:46:20,280 --> 01:46:24,080
a Nicole Barra da Strider. A Strider é provavelmente a maior

1767
01:46:24,080 --> 01:46:29,080
contractor dedicada à Latan, América Latina. E a ela falou uma

1768
01:46:29,080 --> 01:46:32,239
coisa, um cenário, poxa, desenvolvimento

1769
01:46:32,239 --> 01:46:38,400
tal, cara, ciência de dados, vagas para cientista de dados, especificamente,

1770
01:46:38,400 --> 01:46:43,400
machine learning, visão computacional. Ela falou, diferente das outras vagas para

1771
01:46:43,400 --> 01:46:48,280
dev, para DevOp, cara, essas vagas de data science, elas estão

1772
01:46:48,280 --> 01:46:49,920
cada vez mais

1773
01:46:49,920 --> 01:46:55,080
exigindo você ter uma formação e nível superior. Por quê?

1774
01:46:55,080 --> 01:46:59,360
De novo, eu entendo que todo mundo vai ter uma crítica

1775
01:46:59,360 --> 01:47:02,080
ou outra, mas não tem um modelo, na minha opinião, a

1776
01:47:02,080 --> 01:47:07,760
altura que eh que substitui, né, assim, o ensino formal nesse

1777
01:47:07,760 --> 01:47:12,280
sentido. E as empresas elas estão sendo inundadas com projetos que

1778
01:47:12,280 --> 01:47:15,520
são feitos por IA, que a pessoa ela fez. Vamos lá.

1779
01:47:15,520 --> 01:47:19,239
Não significa que você tem uma causalidade, às vezes entre a

1780
01:47:19,239 --> 01:47:21,239
pessoa que fez ou não, mas você tem uma correlação alta

1781
01:47:21,239 --> 01:47:23,560
em alguém que se dedicou e que tá investindo na carreira,

1782
01:47:23,560 --> 01:47:26,199
né? Esse é um ponto só para considerar, porque às vezes

1783
01:47:26,199 --> 01:47:28,960
assim a gente se deixa enganar em tempos de autodidatismo e

1784
01:47:28,960 --> 01:47:32,040
tá todo mundo meio perdido do que que é relevante. Cara,

1785
01:47:32,040 --> 01:47:34,040
ter uma estrutura um pouquinho mais certinho, acho que vale a

1786
01:47:34,040 --> 01:47:36,760
pena. Mas é o que ela falou, as vagas têm cada

1787
01:47:36,760 --> 01:47:41,320
vez mais exigido uma educação formal. A Iá jogou muito ruído

1788
01:47:41,320 --> 01:47:45,880
no mercado. Muito ruído no mercado. Todo mundo consegue fingir. Agora,

1789
01:47:45,880 --> 01:47:49,360
de novo, não é causalidade, é correlação.

1790
01:47:49,360 --> 01:47:54,360
Ah, a correlação é a pessoa vai entender do nível inconsciente.

1791
01:47:54,360 --> 01:47:57,400
E é um processo de compra, né? O recrutador com você

1792
01:47:57,400 --> 01:48:01,954
e acontece primeiro no nível emocional, depois no nível racional.

1793
01:48:01,954 --> 01:48:04,440
>> [roncando] >> Quando ele vê que você se dedicou ali

1794
01:48:04,440 --> 01:48:09,280
para ter estudado por um tempo, cara, ele assume no viés

1795
01:48:09,280 --> 01:48:13,320
humano dele, todos somos humanos, que essa pessoa se preparou [roncando]

1796
01:48:13,320 --> 01:48:17,159
na carreira, né? Então é um ótimo indicativo. E amanhã a

1797
01:48:17,159 --> 01:48:20,599
gente volta no mesmo horário, onde eu trago esse lado da

1798
01:48:20,599 --> 01:48:21,800
incerteza.

1799
01:48:21,800 --> 01:48:24,639
E a gente não vai ter tanta história assim, a história

1800
01:48:24,639 --> 01:48:27,280
a gente deixou, tem muita história. Se vocês pedissem, cara, eu

1801
01:48:27,280 --> 01:48:30,119
tinha muito slide e é que não dá. O evento ele

1802
01:48:30,119 --> 01:48:33,320
tem esse lado introdutório e agora a gente entra na parte

1803
01:48:33,320 --> 01:48:36,599
de código, na parte de lab, na parte de simulação. A

1804
01:48:36,599 --> 01:48:38,920
aula três vocês vão amar. Para quem nunca trabalhou com visão

1805
01:48:38,920 --> 01:48:42,239
computacional, é a minha área, é a área mais apaixonante. Trabalhei

1806
01:48:42,239 --> 01:48:46,480
com drone, cenário de guerra, cenário de satélite, robótica e eu

1807
01:48:46,480 --> 01:48:50,119
amo. E a aula quatro, pô, isso daqui é para fugir

1808
01:48:50,119 --> 01:48:53,679
de papo de coach, cara. Fujam de coach de A. Se

1809
01:48:53,679 --> 01:48:58,320
falar coach de A, pergunta integral. E vamos lá. É, Calebe,

1810
01:48:58,320 --> 01:49:01,560
eu tenho que isso. Quem me perguntou, cara, eh, na minha

1811
01:49:01,560 --> 01:49:05,679
máquina, eu uso o VS Code ou o Antigravity? Os dois

1812
01:49:05,679 --> 01:49:08,199
eu uso o terminal direto e eu só uso a IDE

1813
01:49:08,199 --> 01:49:12,119
só para navegar nos arquivos, né? Mas tem que ser ã

1814
01:49:12,119 --> 01:49:16,159
no collab porque, poxa, é um evento desse tamanho.

1815
01:49:16,159 --> 01:49:19,679
E é isso, pessoal. Vamos fazer assim. Eu vou pegar o

1816
01:49:19,679 --> 01:49:23,800
chat todo e no começo da aula que vem eu vou

1817
01:49:23,800 --> 01:49:25,119
responder

1818
01:49:25,119 --> 01:49:28,320
as que forem principais ou que forem relacionadas ao assunto, tudo

1819
01:49:28,320 --> 01:49:31,560
aquilo que eu consegui, porque daí eu consigo fazer uma filtragem.

1820
01:49:31,560 --> 01:49:34,560
Aula que vem vocês vão ver a mágica do aprendizado e

1821
01:49:34,560 --> 01:49:37,239
aquilo que a gente não vê, que não é ensinado, né?

1822
01:49:37,239 --> 01:49:40,520
As pessoas pulam, elas começam nesse lado e esquecem a matemática

1823
01:49:40,520 --> 01:49:42,080
da incerteza.

1824
01:49:42,080 --> 01:49:46,960
Tá bom? Muito obrigado. Ó, cara, essa daqui merece uma foto,

1825
01:49:46,960 --> 01:49:50,080
né? Quem aí? Eu até vou aumentar minha cara. Compartilhem ali.

1826
01:49:50,080 --> 01:49:52,960
Eu não tenho nenhum print nunca das aulas. Então se vocês

1827
01:49:52,960 --> 01:49:57,960
puderem compartilhar e me marcar ali no Instagram, poxa, vou compartilhar

1828
01:49:57,960 --> 01:50:02,080
todo mundo, todo mundo, todo mundo. Vou paper relacionado, Pablo, vamos

1829
01:50:02,080 --> 01:50:05,440
fazer assim, ó. Para quem tiver lá no grupo de WhatsApp,

1830
01:50:05,440 --> 01:50:08,000
o link tá aqui na descrição do vídeo, tá? O grupo

1831
01:50:08,000 --> 01:50:13,440
de WhatsApp. Vou colocar os principais congressos, CVPR, New Reaps, todos

1832
01:50:13,440 --> 01:50:16,000
os congressos. E não, não tem que ver todos os papers.

1833
01:50:16,000 --> 01:50:20,119
É louco, impossível. Mas vejam os premiados,

1834
01:50:20,119 --> 01:50:22,480
a indústria ela anda

1835
01:50:22,480 --> 01:50:25,880
correlacionada, mas dissociada do estado da arte, porque o estado da

1836
01:50:25,880 --> 01:50:29,280
arte em produção às vezes é diferente, né, do do estado

1837
01:50:29,280 --> 01:50:31,639
da arte da academia.

1838
01:50:31,639 --> 01:50:35,000
Tá bom? Ã,

1839
01:50:35,000 --> 01:50:39,840
legal. Vou trazer essa resposta para você, Sandra, direitinho. Mas tem

1840
01:50:39,840 --> 01:50:43,520
muita coisa, muita coisa. Hoje em dia, ah, a parte do

1841
01:50:43,520 --> 01:50:47,320
uso computacional do Codex, o Chat GPT, cara, ele ele manipula

1842
01:50:47,320 --> 01:50:49,560
a minha máquina inteira das redes sociais, né? Sem eu ter

1843
01:50:49,560 --> 01:50:51,880
que fazer a conexão, sem mandar o pedido pra meta. Como

1844
01:50:51,880 --> 01:50:55,360
é para uso pessoal, é tranquilo, né? O risco é aceitável.

1845
01:50:55,360 --> 01:50:58,679
Eh, de boa ali, mas eu vou ver se eu estruturo

1846
01:50:58,679 --> 01:51:00,920
isso daí. Você tem muita coisa que dá para fazer, muita

1847
01:51:00,920 --> 01:51:05,199
coisa mesmo, muita coisa. E é isso, ó. Então, aquela foto,

1848
01:51:05,199 --> 01:51:08,159
poxa, esse é o print. Fala: "Caraca, pessoal, vocês perderam a

1849
01:51:08,159 --> 01:51:11,480
melhor aula. Olha, eu não acho que alguém no YouTube já

1850
01:51:11,480 --> 01:51:14,679
essa aula aqui não, não, eu só usei livro para trazer

1851
01:51:14,679 --> 01:51:17,880
apenas livros para fazer os insumos, né? Livro físico, eu amo

1852
01:51:17,880 --> 01:51:22,119
livro físico. Ã, então essa parte de história que é motivacional,

1853
01:51:22,119 --> 01:51:24,360
né? Pra gente ver que os coachs estão falando que a

1854
01:51:24,360 --> 01:51:26,280
IA surgiu agora e vai acabar com o seu emprego. Cara,

1855
01:51:26,280 --> 01:51:29,199
a IA tá desde a década de 30, as primeiras pesquisas

1856
01:51:29,199 --> 01:51:33,239
que complementar foram levando nessa direção e a gente foi passando

1857
01:51:33,239 --> 01:51:36,400
na Cornellor University e tudo que a gente vem para car

1858
01:51:36,400 --> 01:51:39,760
entendeu? Opa, não é bem assim. A matemática sempre existiu ali

1859
01:51:39,760 --> 01:51:44,400
por trás. Bom, obrigado pela presença. Vejo vocês ali e todo

1860
01:51:44,400 --> 01:51:48,360
o material compartilhado ali no grupo de WhatsApp. Forte abraço, fiquem

1861
01:51:48,360 --> 01:51:53,079
com Deus e até amanhã no mesmo horário.

1862
01:51:53,079 --> 01:51:56,119
Assim, o link já tá aqui, tá? Ó, já curtam, aproveita

1863
01:51:56,119 --> 01:51:59,239
agora. Poxa, acabou aqui. Vai lá no vídeo da aula dois.

1864
01:51:59,239 --> 01:52:01,960
Eu vou mudar as tambs. Eu fiz umas ths mais bonita

1865
01:52:01,960 --> 01:52:04,280
aqui, ó.

1866
01:52:04,280 --> 01:52:10,079
Sorriso. Ó o print, ó. Sorriso super forçado aqui.

1867
01:52:10,079 --> 01:52:11,920
O bom de não ter melhor ângulo, né, cara? Quando a

1868
01:52:11,920 --> 01:52:14,280
minha esposa fala: "Ah, você prefere?" Não, não tem o melhor

1869
01:52:14,280 --> 01:52:18,040
ângulo. É, qualquer ângulo é ruim, então, tipo, qualquer print tá

1870
01:52:18,040 --> 01:52:20,400
tá mais do que eu mereço já. [risadas] Valeu, um abraço,

1871
01:52:20,400 --> 01:52:23,219
pessoal. Marquem ali no Instagram.