22 de nov de 2018

Quais são os 3 tipos de machine learning?

Udacity Brasil

De maneira resumida, machine learning (ou aprendizado de máquina) é um ramo da inteligência artificial em que algoritmos conseguem "aprender" sozinhos a partir de um conjunto de dados. Na prática, isso permite que eles incorporem propriedades estatísticas e façam inferências sobre novos dados apresentados. Isso faz com que o algoritmo consiga realizar certas tarefas mesmo sem ter sido especificamente treinado para aquilo.

E não é algo de outro mundo: o machine learning já está muito presente no seu dia a dia, como em recomendações de compras online, serviços de streaming de música e filmes e sugestões de investimentos em aplicativos de bancos e outras insituições financeiras. (Neste post, você descobre mais aplicações de IA no seu dia a dia.)

Existem três tipos de machine learning:

  • Aprendizado supervisionado
  • Aprendizado não-supervisionado
  • Aprendizado por reforço

Aprendizado supervisionado

No aprendizado supervisionado, treina-se um programa de computador por meio de dois conjuntos de dados: um de treinamento e um de testes. O primeiro serve para treinar o sistema a reconhecer exemplos rotulados de forma que, no segundo, os exemplos não-rotulados sejam precisamente reconhecidos.

O objetivo é fazer com que o sistema crie uma regra que identifique os elementos no conjunto de teste. O aprendizado supervisionado permite que o celular reconheça seu comando de voz e seu e-mail filtre o que é spam, por exemplo.

As ferramentas utilizadas incluem: árvore de decisão, algoritmo Naive Bayes, método dos mínimos quadrados, redes neurais, máquinas de suporte vetorial e métodos de ensemble.

O que é machine learning? No vídeo acima, Luis Serrano, instrutor da Udacity, faz uma introdução básica.

Aprendizado não-supervisionado

É utilizado nos desafios de descoberta das relação implícitas, o que significa descobrir estruturas ocultas de um conjunto de dados não rotulados. É o que permite que a Netflix e a Amazon façam recomendações que se encaixam perfeitamente às suas predileções de consumo.

As ferramentas utilizadas incluem: algoritmos de clustering, análise do componente principal (PCA), decomposição em valores singulares (SVD) e análise de componente independente (ICA).

Aprendizado por reforço

Por fim, o aprendizado por reforço se aplica às situações que se entremeiam ao supervisionado e ao não-supervisionado. Podemos utilizá-lo para maximizar o aprendizado de um software para atividades como controle de robôs, jogo de xadrez e gamão, dentre outros exemplos.

As ferramentas utilizadas incluem: Q-Learning, TD-Learning e algoritmos genéticos.

Onde aprender machine learning?

A Udacity tem dois programas Nanodegree para interessados em machine learning. Quem quer começar neste universo e não tem nenhuma experiência com programação pode fazer o Nanodegree Fundamentos de AI & Machine Learning, onde aprenderá a programar em Python e suas ferramentas, além de se aprofundar em estatística, álgebra linear e avaliação e validação de dados – o combustível do machine learning.

Já quem sabe programar com Python e tem conhecimentos de estatística pode se capacitar com o Nanodegree Engenheiro de Machine Learning, em que os três tipos de machine learning descritos acima são ensinados. Descubra essas oportunidades!

Saiba mais sobre inteligência artificial:

Sobre o autor
Udacity Brasil

A Udacity, conhecida como a "Universidade do Vale do Silício", é uma plataforma online e global que conecta educação e mercado para ensinar as habilidades do futuro – de data science e marketing digital à inteligência artificial e desenvolvimento. Hoje, há mais de 7 mil alunos ativos no país e 50 mil pelo mundo.