domingo, 27 de março de 2016

Frente Popular do Samba
























URGENTE: Devido ao grande número de confirmações, nosso evento foi transferido para o Centro do Teatro do Oprimido (Rua Mem de Sá, 31). 
Divulgue essa nova arte!!!
E confirme presença no evento:https://www.facebook.com/events/927920983969846/

segunda-feira, 21 de março de 2016

DFTrans não cumpre promessa e alunos continuam sem Passe Livre

Pelo terceiro dia consecutivo, universitários do Distrito Federal encontraram dificuldades nesta quarta-feira (17) para utilizar o Passe Livre concedido pelo DFTrans no início do mês. Na segunda (15), o órgão informou que notificaria as empresas de ônibus e o Metrô para atualizarem o sistema das catracas. Entretanto, o problema continua. Reclamações foram registradas em Águas Claras,Santa Maria, Samambaia, Ceilândia e Asa Sul.
O benefício foi oferecido para 200 mil alunos que não precisariam comparecer aos postos do DFTrans para renovar o cadastro. Eles deveriam respeitar o uso das linhas já cadastradas e o acesso máximo de 54 viagens por mês.
"Tenho que gastar todo dia R$ 4, na ida e volta. Vai ficar pesado, né? Mas não pode matar aula, então tenho que tirar do meu próprio bolso. Gastar R$ 8 fica difícil", reclama a estudante  Rosliene Rodrigues.
O órgão não soube informar quantos equipamentos deixaram de funcionar. O DFTrans, que prometeu que a situação voltaria ao normal nesta terça (16), afirmou que as notificações às empresas foram feitas antes do Carnaval.

sexta-feira, 18 de março de 2016

DEAR YOUNG BOY

Dear (e). Your stupid complaint on Facebook won’t change anything in the country. The video that you share demoralizing politicians won’t make Brazil go forward. Realize that Facebook won’t change the opinion of any politician and that pictures and lengthy texts complaining of corruption in Brazil won’t transform Brazil. If we could change Brazil sharing texts, pictures and videos on Facebook , we would not have homophobia, sexism, rapists, we would not have women being assaulted every day on the streets, at home and at work, physically or by words , we would not have alienated people who believe on everything sees on TV. This is my only text on Facebook, the first and the last because I know that Brazil won’t change if I not change myself. DON’T BE HYPOCRITE, THIS IS STUPID ATTITUDE. Do not say that corruption must come to end while you use your famous "Brazilian way of doing things", do not ask for full compliance of the laws if you park in spot for people with disabilities, when you are on delay. Friend, Do not complain theft, because when the change comes over, you don’t give it back, do not complain of corruption, if sometimes you get the change which belongs to your mother, Do not complain of fraud if your Windows is an illegal copy. DO NOT BE SO HYPOCRITICAL!!! CHRISTIAN STATING ON FACEBOOK AND WISH THE DEATH OF POLITICIANS. People will call me “petralha”, leftist shit, but if you can be hypocritical, so why I can’t be a little political activist ?! I am Guilherme Figueiredo and wish that God bless our dear Brazil. Good evening.

DENTRE TRECHOS E TEXTOS

Por GUILHERME FIGUEIREDO

Querido.
A sua estúpida reclamação no Facebook não vai mudar nada no país. O vídeo que você compartilha esculachando os políticos, não vai fazer o Brasil ir para frente. 

Acostume-se com a idéia de que o Facebook não vai mudar a cabeça de político nenhum e que suas fotos e textões reclamando da corrupção no Brasil não vai fazer o Brasil mudar da água para o vinho. Se texto, foto e vídeo no Facebook mudasse o Brasil, nós não teríamos homofobia, machismo, estupradores, não teríamos mulheres sendo agredidas dia após dia nas ruas, tanto fisicamente quanto verbalmente, não teríamos uma sociedade alienada onde o que se ve na TV é no que se deve crer. 
Isso querido é meu primeiro e último texto no Facebook pois eu sei que o Brasil não vai mudar enquanto eu não mudar. NÃO SEJA HIPÓCRITA CARA, ISSO SIM É COISA DE BABACA. Não diga que a corrupção tem que acabar enquanto você da o seu famoso Jeitinho Brasileiro, não peça para que as leis sejam aplicadas com mais rigor se você estaciona em vaga de deficiente ,quando você não encontra vaga e está atrasado.Aamigo não, reclame roubo se quando o troco vem a mais do que deveria e você não devolve o que veio errado, não reclame de corrupção senhor adolescente se você fica com o troco a sua mãe, não reclame de burlações de leis enquanto seu Windows for pirata.
NÃO SEJA HIPÓCRITA O SUFICIENTE PRA PAGAR DE CRISTÃO NO FACEBOOK E TORCER PELA MORTE DE SEUS GOVERNANTES. Vão me Chamar de petralha, esquerdista de merda, mas se vocês podem ser hipócritas, porque eu não posso ser só um pouquinho ativista né?! Eu sou Guilherme Figueiredo e digo: Deus abençoe o nosso querido Brasil. Boa noite.

Inteligência Artificial para Jogo da Velha



O uso de aprendizado por reforço para programar a inteligência artificial de jogos tem como destaque a criação nos anos 90 de um programa de conseguia jogar gamão a um nível profissional, por Gary Tesauro da IBM. A primeira tentativa foi construir um modelo dos diversos estados do jogo a partir de alguns exemplos e generalizar com aprendizado supervisionado. Além de ter sido um trabalho tedioso enumerar centenas de estados para depois poder generalizar, a performance do programa não foi satisfatória.
A segunda abordagem foi utilizar aprendizado por reforço e fazer duas versões do programa jogarem entre si. Ao final de cada partida, atribuía-se uma pontuação positiva para o vencedor e uma negativa para o perdedor. Após 200.000 jogos, o programa conseguia jogar como os melhores jogadores do mundo, sem precisar da experiência de jogadores profissionais ou descrever todos os mais de 1 trilhão de estados possíveis em uma partida.      
Com o objetivo de recriar o experimento para um jogo mais simples, propôs-se o desenvolvimento de um agente inteligente para o Jogo da Velha (tic-tac-toe em inglês), sem precisar escrever um algoritmo com as melhores estratégias ou enumerar todos os possíveis estados.
Analisando algumas partidas de Jogo da Velha, pode-se perceber algumas de suas propriedades:
  • Um jogador pode vencer, perder ou empatar;
  • Jogos entre dois jogadores que conhecem as melhores jogadas sempre  terminam empatados;
  • Muitos dos estados são equivalentes - ao se girar o tabuleiro em 90o ou espelhá-lo, obtêm-se até oito estados equivalentes.





Sabendo da equivalência entre estados, pode-se facilitar sua classificação e reduzir o número de jogos necessários para que todos sejam visitados. Sem a equivalência, há nove quadrados que podem ser preenchidos de três modos diferentes (X, O ou vazio), o que, contando inclusive estados impossíveis de serem alcançados em uma partida (todos os espaços preenchidos por X, por exemplo), resultam em 3= 19.683 possíveis estados. Considerando apenas os válidos e a equivalência entre estados, são necessários apenas 765 para cobrir o jogo todo.
Diante disso, foi feito com que duas versões de agentes para o Jogo da Velha jogassem entre si de maneira aleatória. De acordo com os resultados da partida, os estados alcançados após cada jogada de ambos os jogadores eram pontuados com base no resultado do jogo. Por exemplo, caso o primeiro a jogar começasse marcando o centro e viesse a ganhar, o estado com o tabuleiro preenchido pelo primeiro jogador no centro ganharia uma determinada pontuação. Do mesmo modo, se o segundo jogador marcasse uma das quinas e viesse a perder, o estado com a marcação do primeiro jogador no centro e do segundo em uma quina (quatro estados equivalentes nesse caso) seria penalizado. Era necessário então determinar uma função de pontuação para os estados.
Primeiramente, a pontuação deveria variar de acordo com o resultado da partida. Uma vitória deveria ser mais importante que um empate ou uma derrota e por sua vez um empate deveria ser melhor que uma derrota. 
Também deveriam ser atribuídos pesos diferentes para as primeiras e últimas jogadas, uma vez que a última jogada realizada é a que definiu o vencedor e o perdedor.
Por fim, deveria ser levada em consideração também o número de jogadas necessárias para se vencer a partida. Vencer na terceira rodada deveria ser mais importante do que vencer apenas na quinta.
A pontuação a ser atribuída a cada estado após a partida deveria ser então uma função do resultado (R), de a quantas rodadas para o fim o estado aconteceu (i) e quantas rodadas o jogador teve durante o jogo (d).
Após testar algumas combinações e variações do peso de cada variável, uma função encontrada que apresentou resultados satisfatórios foi:


onde R assume valor 7 para uma vitória, 2 para empate e -2 para derrota, i varia entre 0 e 4 e d varia entre 3 e 5.
Utilizando os resultados de 100.000 jogos na fase de treinamento, o agente agora teria capacidade de determinar qual a melhor jogada a se fazer para buscar a vitória ou no pior dos casos o empate. 
Para testar a eficiência do aprendizado, inicialmente foram realizados testes em partidas contra voluntários, que terminavam ou em empate ou em vitória do agente.
Para confirmar o funcionamento correto do programa, duas versões do mesmo foram novamente postas uma contra a outra, dessa vez com uma jogando aleatoriamente e a outra utilizando os conhecimentos adquiridos. Os resultados foram os esperados: em 50.000 jogos, o agente inteligente venceu cerca de 91% das vezes e empatou 9% delas sem perder nenhuma vez, uma média de dez vitórias a cada onze jogos.
Starting testing TicTacToe with 50000 games
done with 5000 games @ 14.980499 seconds: wins=>4533, ties=>467, losses=>0
done with 10000 games @ 29.581513 seconds: wins=>9081, ties=>919, losses=>0
done with 15000 games @ 45.025361 seconds: wins=>13639, ties=>1361, losses=>0
done with 20000 games @ 59.323242 seconds: wins=>18215, ties=>1785, losses=>0
done with 25000 games @ 73.78854 seconds: wins=>22771, ties=>2229, losses=>0
done with 30000 games @ 88.776816 seconds: wins=>27318, ties=>2682, losses=>0
done with 35000 games @ 109.011402 seconds: wins=>31877, ties=>3123, losses=>0
done with 40000 games @ 126.042564 seconds: wins=>36422, ties=>3578, losses=>0
done with 45000 games @ 141.150789 seconds: wins=>40951, ties=>4049, losses=>0
done with 50000 games @ 156.276316 seconds: wins=>45494, ties=>4506, losses=>0
Starting testing TicTacToe with 50000 games
done with 5000 games @ 17.896717 seconds: wins=>4553, ties=>447, losses=>0
done with 10000 games @ 35.501926 seconds: wins=>9087, ties=>913, losses=>0
done with 15000 games @ 52.823191 seconds: wins=>13648, ties=>1352, losses=>0
done with 20000 games @ 68.256094 seconds: wins=>18178, ties=>1822, losses=>0
done with 25000 games @ 83.470117 seconds: wins=>22733, ties=>2267, losses=>0
done with 30000 games @ 99.914703 seconds: wins=>27258, ties=>2742, losses=>0
done with 35000 games @ 117.766631 seconds: wins=>31788, ties=>3212, losses=>0
done with 40000 games @ 135.225512 seconds: wins=>36350, ties=>3650, losses=>0
done with 45000 games @ 156.867067 seconds: wins=>40899, ties=>4101, losses=>0
done with 50000 games @ 174.201975 seconds: wins=>45441, ties=>4559, losses=>0

Conclusão

Técnicas de aprendizado de máquina apresentam enorme versatilidade, sendo encontradas hoje em dia nas mais diversas áreas do conhecimento. Capazes de generalizar casos complexos ou de encontrar métodos para lidar com situações pouco conhecidas, espera-se que suas aplicações possibilitem promissores avanços não só na computação ou robótica, mas também em áreas como saúde e entretenimento.

segunda-feira, 14 de março de 2016

Inovação Tecnológica

domingo, 13 de março de 2016

Noticias do Brasil

Tudo Sobre Carros

Ciência e Saúde

Concursos