Muitos dos modelos utilizados em Machine Learning são black-boxes: dão-nos resultados sem realmente explicarem como é que os obtiveram. Isto pode levar a resultados inesperados, como uma grande confiança nas previsões longe da zona do espaço onde foi treinado e previsões completamente diferentes para valores de entrada muito semelhantes. Processos gaussianos são uma classe de modelos que não têm estes problemas (mas que trazem alguns seus). Esta apresentação vai servir de introdução a este tipo de modelos, dando uma intuição de como funcionam, partindo do Teorema de Bayes.
Filipe Veloso e Pedro Costa