O que você aprenderá
- Entender os conceitos teóricos da lógica fuzzy, bem como: variáveis linguísticas, antecedentes, consequente, pertinência, fuzzificação e defuzzificação
- Implementar sistemas fuzzy utilizando a biblioteca skfuzzy
- Simular um sistema fuzzy para configurar o poder de sucção de um aspirador de pó
- Aprender os cálculos de defuzzificação utilizando os seguintes métodos: centroide, bisector, MOM, SOM e LOM
- Simular um sistema fuzzy para definir o porcentual de gorjeta que seria dado em um restaurante
- Implementar agrupamento de dados utilizando o algoritmo fuzzy c-means
Pré-requisitos
- Programação básica em Python
Descrição
A Lógica Fuzzy (difusa) é uma técnica que pode ser utilizada para modelar o processo de raciocínio humano em computadores, podendo ser utilizada em diversas áreas, como: automação industrial, medicina, marketing, automação residencial, dentre outras. Um exemplo clássico é a utilização em equipamentos industriais, que podem ter a temperatura regulada automaticamente a medida que o equipamento esquenta ou esfria. Outros equipamentos que podem utilizar essa técnica são: aspiradores de pó (regulagem do poder de sucção de acordo com a superfície e o nível de sujeira), máquinas de lavar louças e roupas (ajuste da quantidade de água e detergente/sabão), câmeras fotográficas (definição automática do foco), ar condicionado (configuração da temperatura de acordo com o ambiente) e micro-ondas (ajuste da potência de acordo com o tipo do alimento).
Para levar você até essa área, neste curso você aprenderá a teoria básica sobre lógica fuzzy e principalmente implementará sistemas fuzzy simples utilizando a biblioteca skfuzzy, tudo passo a passo e utilizando a linguagem Python! Confira abaixo as três partes do curso:
- Parte 1: Teoria básica sobre lógica fuzzy. Você aprenderá tópicos como: variáveis linguísticas, antecedentes, consequente, funções de pertinência, fuzzificação e cálculos matemáticos para defuzzificação
- Parte 2: Implementação de sistemas fuzzy. Você implementará dois exemplos: cálculo do percentual de gorjeta que seria dado em um restaurante (baseado na qualidade da comida e na qualidade do atendimento) e cálculo do poder de sucção de um aspirador de pó (baseado na dificuldade da superfície e na quantidade de sujeira). Utilizaremos duas abordagens de implementação: a primeira utilizando os recursos mais automáticos da biblioteca skfuzzy e a segunda utilizando os recursos manuais da biblioteca
- Parte 3: Agrupamento com Fuzzy c-means. Vamos analisar os dados de cartão de crédito para agrupar os clientes baseado no limite de crédito e os gastos no cartão. Você entenderá como a lógica fuzzy pode ser utilizada na área de Machine Learning (Aprendizagem de Máquina)
Ao final do curso, você poderá criar seus próprios projetos utilizando lógica fuzzy!
Para quem é este curso
- Qualquer pessoa interessada em lógica fuzzy
- Alunos de graduação e pós-graduação que cursam disciplinas de Inteligência Artificial ou Ciência de Dados
- Cientistas de Dados que queiram aumentar seus conhecimentos em algoritmos de inteligência artificial
Publicado em dezembro de 2021
Olá, Evandro! Conforme o próprio nome do curso indica, o curso é para iniciantes e a repetição de conceitos é importante para fixar o conteúdo. Alguns slides possuem um pouco mais de texto pois assim é possível que os alunos tenham esse material caso queiram consultar depois, já que os PDFs estão todos disponíveis. Caso não tenha paciência, você pode aumentar a velocidade de reprodução dos vídeos e assistir em 2x