156-103 Introdução ao Aprendizado de Máquina.
Gravado durante uma sessão de aula ao vivo para o GTC em 7-8-2026.
Este vídeo aborda os conceitos da Unidade 9.
Tópicos:
Este material educacional introduz os princípios fundamentais do Aprendizado por Reforço (RL), um ramo do aprendizado de máquina onde um agente aprende por meio de tentativa e erro dentro de um ambiente específico. Ao contrário dos métodos supervisionados ou não supervisionados, o RL depende de um sistema de recompensas e penalidades para guiar uma entidade autônoma em direção a um objetivo desejado. O texto define componentes críticos como estados, ações e políticas, enquanto explica como o agente busca maximizar recompensas cumulativas ao longo do tempo. Também aborda o trade-off entre exploração e exploração, utilizando estratégias como epsilon-greedy para equilibrar a descoberta de novas informações com a utilização de caminhos conhecidos e bem-sucedidos. Aplicações do mundo real são destacadas, incluindo veículos autônomos, robótica e IA de jogos complexos como AlphaGo. Por fim, a fonte distingue entre algoritmos baseados em modelo e algoritmos livres de modelo, ilustrando como diferentes estruturas lidam com dados ambientais e tomada de decisão.
Este vídeo é destinado a alunos que estão fazendo este curso neste semestre, mas outros também podem achá-lo útil.