From dc075ec6c7e8c1e2d7bcabf7918aaac4896122c0 Mon Sep 17 00:00:00 2001 From: hi-hi-ray Date: Tue, 5 Oct 2021 20:17:39 -0300 Subject: [PATCH] fix paths --- 1-Introduction/2-history-of-ML/translations/README.pt-br.md | 4 ++-- 1 file changed, 2 insertions(+), 2 deletions(-) diff --git a/1-Introduction/2-history-of-ML/translations/README.pt-br.md b/1-Introduction/2-history-of-ML/translations/README.pt-br.md index 39237743..7aec4ac9 100644 --- a/1-Introduction/2-history-of-ML/translations/README.pt-br.md +++ b/1-Introduction/2-history-of-ML/translations/README.pt-br.md @@ -1,6 +1,6 @@ # História do machine learning -![Resumo da história do machine learning no sketchnote](../../sketchnotes/ml-history.png) +![Resumo da história do machine learning no sketchnote](../../../sketchnotes/ml-history.png) > Sketchnote por [Tomomi Imura](https://www.twitter.com/girlie_mac) ## [Teste pré-aula](https://white-water-09ec41f0f.azurestaticapps.net/quiz/3/) @@ -12,7 +12,7 @@ precederam e se sobrepuseram com esta época. Na verdade, as pessoas têm reflet ## Descobertas notáveis -- 1763, 1812 [Teorema de Bayes](https://wikipedia.org/wiki/Bayes%27_theorem)e seus predecessores. Este teorema e suas aplicações fundamentam a inferência, descrevendo a probabilidade de um evento ocorrer com base em conhecimento prévio. +- 1763, 1812 [Teorema de Bayes](https://wikipedia.org/wiki/Bayes%27_theorem) e seus predecessores. Este teorema e suas aplicações fundamentam a inferência, descrevendo a probabilidade de um evento ocorrer com base em conhecimento prévio. - 1805 [Teoria dos Mínimos Quadrados](https://wikipedia.org/wiki/Least_squares) pelo matemático francês Adrien-Marie Legendre. Esta teoria, que você aprenderá em nossa unidade de regressão, ajuda no ajuste de dados. - 1913 [Cadeias de Markov](https://wikipedia.org/wiki/Markov_chain) com o nome do matemático russo Andrey Markov é usado para descrever uma sequência de eventos possíveis com base em um estado anterior. - 1957 [Perceptron](https://wikipedia.org/wiki/Perceptron) é um tipo de classificador linear inventado pelo psicólogo americano Frank Rosenblatt que fundamenta os avanços no aprendizado profundo.