Resumo
Abordamos alguns novos jargões significativos neste módulo. Vamos recapitular o que aprendemos:
O objetivo do aprendizado de máquina é encontrar padrões nos dados e usar esses padrões para fazer estimativas.
O machine learning difere do desenvolvimento de software tradicional, pois usamos código especial, em vez da nossa própria intuição, para melhorar o funcionamento do software.
Conceitualmente, o processo de aprendizado usa quatro componentes:
- Dados, que são informações com as quais queremos aprender.
- Um modelo, que faz estimativas sobre os dados.
- Um objetivo que o modelo busca alcançar.
- E um otimizador, que é o código extra que altera o modelo com base no desempenho apresentado por ele.
Você pode pensar em dados como recursos e rótulos. Os recursos correspondem a possíveis entradas do modelo, ao passo que os rótulos correspondem às saídas (ou saídas desejadas) do modelo.
Pandas e Plotly são ferramentas poderosas para explorar conjuntos de dados no Python.
Após termos treinado um modelo, podemos salvá-lo em disco para uso posterior.