Na ciência da computação, o aprendizado de máquina se refere a um tipo de análise de dados que usa algoritmos que aprendem com os dados. É um tipo de inteligência artificial (IA) que fornece aos sistemas a capacidade de aprender sem serem programados explicitamente. Isso permite que os computadores encontrem dados dentro dos dados sem intervenção humana.
O que é importante saber sobre o aprendizado de máquina é que os dados estão sendo usados para fazer previsões, não o código. Os dados são dinâmicos, então o aprendizado de máquina permite que o sistema aprenda e evolua com a experiência e quanto mais dados são analisados.
Origens do aprendizado de máquina de frases
O aprendizado de máquina foi definido pela primeira vez em 1959 por Arthur Samuel, um pioneiro no campo da inteligência artificial e do aprendizado de máquina. Samuel definiu o aprendizado de máquina como um “campo de estudo que dá aos computadores a capacidade de aprender sem serem explicitamente programados”.
Aprendizado de máquina supervisionado versus não supervisionado
Normalmente, o aprendizado de máquina é classificado como aprendizado de máquina supervisionado ou não supervisionado:
Aprendizado de máquina supervisionado: um conjunto predefinido de exemplos é usado para chegar a uma conclusão quando dados fornecidos.
Aprendizado de máquina não supervisionado: o sistema encontra padrões e relacionamentos nos dados sem exemplos dos quais tirar conclusões.
Exemplos de aprendizado de máquina
Hoje, os algoritmos de aprendizado de máquina podem aplicar cálculos complexos a big data, muito rapidamente. Um dos exemplos mais conhecidos de aprendizado de máquina hoje é o carro autônomo do Google. Este carro sem motorista depende muito de aprendizado de máquina e mineração de dados para processar todos os dados do sensor.
O aprendizado de máquina também é usado em mecanismos de pesquisa na Web, sistemas de recomendação, colocação de anúncios online, filtros de spam de e-mail e muitos outros aplicativos.
Machine lo ganho pode ser abreviado como ML.