Python
Marcelo Martins
Criando uma matriz de confusão no python

Para criar uma matriz de confusão no python, usaremos as bibliotecas do scikit-learn, para tanto, precisaremos instalar.

pip install scikit-learn

Segue abaixo o código, onde faremos a matriz de confusão.

from sklearn.metrics import confusion_matrix
import matplotlib.pyplot as plt
import seaborn as sns

# Valores reais (verdadeiros)
y_true = [2, 0, 2, 2, 0, 1]

# Valores previstos pelo modelo
y_pred = [0, 0, 2, 2, 0, 2]

# Gerar a matriz de confusão
conf_matrix = confusion_matrix(y_true, y_pred)

# Imprimir a matriz de confusão
print("Matriz de Confusão:")
print(conf_matrix)

# Para uma visualização melhor, você pode usar a biblioteca Seaborn para plotar a matriz de confusão
plt.figure(figsize=(10,7))
sns.heatmap(conf_matrix, annot=True, fmt="d")
plt.xlabel('Valores Previstos')
plt.ylabel('Valores Verdadeiros')
plt.title('Matriz de Confusão')
plt.show()

No código acima, podemos ver dois vetores, y_true, y_pred, onde os valores obtidos na leitura dos itens estão no vetor y_pred.

A matriz de referencia, é posta no y_true.

Por fim criamos a matriz de confusão:

conf_matrix = confusion_matrix(y_true, y_pred)

Criação da matriz de confusão

RUST
Marcelo Martins
Instalando o RUST
  1. Entre no site:
  2. A linguagem de programação Rust (rust-lang.org)
  3. Baixe o instalador assistido para seu sistema operacional
  4. Baixe o compilador da sua plataforma

Execute o instalador, e aguarde o processo de instalação.

Após a instalação, rode o programa

cargo –version

teste do rust instalado

Após a sua instalação, o mesmo deve ser mostrado conforme apresentado.

Crie um hello world.rs

// This is a comment, and is ignored by the compiler.
// You can test this code by clicking the "Run" button over there ->
// or if you prefer to use your keyboard, you can use the "Ctrl + Enter"
// shortcut.

// This code is editable, feel free to hack it!
// You can always return to the original code by clicking the "Reset" button ->

// This is the main function.
fn main() {
    // Statements here are executed when the compiled binary is called.

    // Print text to the console.
    println!("Hello World!");
}

Pronto agora é só salvar na maquina.

Agora iremos criar o projeto

cargo init hello

Cria o projeto do rust

Será criado uma pasta com o mesmo nome do projeto.

Entre na pasta do projeto, hello, e digite.

cargo run

Compila e roda a aplicação

IA NLP
Marcelo Martins
Etapas do desenvolvimento de aplicações IA

Neste fluxo bem simplificado, apresentamos uma visão de criação de uma IA.

Na primeira etapa, escolhemos os dados e entendemos a qualidade e características desses dados.

Em projetos de IA, nem sempre temos prontos os dados, muitas vezes precisamos preparar e coletar tais dados.

Em um segundo faz a preparação dos dados, acertando problemas e ajustando os dados. Na vida real, é praticamente impossível pegar bases prontas de clientes. Muitas vezes as bases de clientes, exigem uma analise e pré processamento, para realizar ajustes ou cortes. Necessários para obter dados coerentes com que queremos analisar.

A próxima etapa é separar dados em treinamento e testes. Onde usa-se o bom senso para avaliar as escolhas dos dados. Sendo uma referencia 70 /30% , onde 70 % dos itens serão utilizados para treinamento e os demais, serão usados para teste. Levando sempre em consideração a diversidade dos dados tanto para testes, como para treinamentos. A escolha aleatória dos 30% garante uma melhor probabilidade de sucesso, pois evita selecionar modelos com caracteristicas próximas , que podem iludir ou derrubar as estatísticas dos resultados.

Treinamento

O treinamento consiste em pegar os dados e aplicar a um modelo de IA conhecido, podendo ser NLP , redes convulocionais, ou outros tipos como Grafos.

Nesta etapa cria-se as estruturas e linguagem necessária para gerar a rede treinada.

Testes ou Validação

Nesta etapa usa-se os dados para gerar as informações separadas para validar a rede criada.

Analisando os resultados a partir de respostas conhecidas.

Melhoria ou Validação

A partir da analise dos resultados, são de fato, avaliados duas decisões:

Finalização do projeto ou etapa

Retorno a etapa de codificação, ajustando técnicas ou processos para corrigir problemas identificados.

maurinsoft.com.br