MACHINE LEARNING · INTRODUÇÃO
Aprender padrões a partir de dados.
Machine Learning é uma área da Inteligência Artificial na qual sistemas ajustam modelos matemáticos usando exemplos, em vez de depender apenas de regras escritas manualmente.
Começar pelos fundamentos ↓01 · IDEIA CENTRAL
Programação tradicional e Machine Learning seguem caminhos diferentes.
Programação tradicional
Uma pessoa define as regras que transformam entradas em respostas. É apropriada quando o comportamento pode ser descrito de forma clara e completa.
dados + regras escritas → respostas
Machine Learning
Um algoritmo observa dados e respostas ou recompensas para ajustar um modelo. O padrão fica representado em seus parâmetros.
dados + exemplos → modelo aprendido
02 · VOCABULÁRIO
Os elementos presentes em um projeto de aprendizado.
Um exemplo individual apresentado ao modelo.
x = [x₁, x₂, …, xₙ]Informações usadas para descrever cada amostra.
idade · pixels · medidas · palavrasResposta correta disponível em tarefas supervisionadas.
y = classe ou valor esperadoFunção com parâmetros ajustáveis que transforma entradas em resultados.
ŷ = f(x; parâmetros)Processo utilizado para encontrar parâmetros melhores.
erro → ajuste → nova tentativaUso do modelo treinado para responder a uma nova entrada.
novo x → modelo → previsão03 · FLUXO DE UM PROJETO
Do problema ao uso do modelo.
PRÓXIMO TEMA
Nem todo modelo aprende da mesma maneira.
Compare aprendizado supervisionado, não supervisionado e por reforço.
Estudar tipos de aprendizagem →