Noções básicas sobre machine learning
O aprendizado de máquina envolve alimentar grandes quantidades de dados em um algoritmo, que, por sua vez, processa esses dados para encontrar padrões e relações.
Por exemplo, se você fornecer a um modelo de IA dados sobre seus hábitos de limpeza e a disposição da sua casa, o modelo poderia ser usado para programar um robô aspirador para varrer seu tapete com um padrão parecido com o seu. Agora, imagine que muitos desses robôs foram vendidos e estão enviando todos os dados de limpeza de volta ao desenvolvedor. Com o aprendizado de máquina, seria possível detectar padrões ainda mais eficientes e otimizar os padrões de movimento de todos os robôs aspiradores com o mesmo design.
No primeiro vídeo, você entenderá melhor o que é o aprendizado de máquina.
O aprendizado de máquina é uma técnica de IA que utiliza algoritmos para criar modelos preditivos. Esses modelos são validados com base em dados conhecidos, avaliados por métricas específicas e ajustados quando necessário. Esse processo de aprendizado e validação é chamado de treinamento. Com o tempo, os modelos melhoram por meio de um processo de retreinamento. Existem também metodologias fundamentais para treinar modelos, como, por exemplo, aprendizado supervisionado, aprendizado não supervisionado e aprendizado por reforço.
No próximo vídeo, você vai aprender a diferença entre essas metodologias e conhecer a combinação delas em camadas, chamada de aprendizado profundo.