Aprendizado de Máquina

O aprendizado de máquina (ML) é um subconjunto de inteligência artificial. Ele se concentra no estudo de algoritmos de computador que melhoram automaticamente por conta própria, através da experiência. Esses algoritmos são usados ​​em uma grande variedade de aplicações diferentes, da visão computacional às otimizações matemáticas. Os algoritmos de ML são necessários quando é difícil ou inviável desenvolver algoritmos convencionais para executar uma tarefa necessária.

Os quatro principais tipos de ML incluem:

  • Algoritmos de aprendizado de máquina supervisionados que podem aplicar o que já foi aprendido em situações anteriores a novos dados usando exemplos rotulados para prever possíveis eventos futuros.
  • Algoritmos de aprendizado de máquina não supervisionados são usados ​​quando as informações usadas para treinar o modelo não são classificadas nem rotuladas. O aprendizado não supervisionado pode inferir uma função para descrever uma estrutura oculta a partir de dados não rotulados. Da mesma forma, o sistema não pretende descobrir a saída correta, mas explora os dados e pode extrair inferências de conjuntos de dados para descrever estruturas ocultas de dados não rotulados.
  • Os algoritmos de aprendizado de máquina semi-supervisionados estão entre o aprendizado supervisionado e o não supervisionado. Eles usam dados rotulados e não rotulados para treinamento, inclinando-se para dados não rotulados. O aprendizado semi-supervisionado é selecionado quando os dados rotulados adquiridos requerem recursos qualificados e adequados para treinar / aprender com isso. Caso contrário, a aquisição de dados não rotulados normalmente não precisa de capital adicional.
  • Os algoritmos de aprendizado de máquina de reforço são um método de aprendizado que produz ações e descobre erros através de seu ambiente. Este método permite que o algoritmo entenda automaticamente o comportamento em um contexto específico, a fim de maximizar seu desempenho. O feedback de recompensa é necessário para que o agente entenda qual ação é melhor e isso é conhecido como um sinal de reforço.