Definição – o que significa aprendizado de máquina?
O aprendizado de máquina é uma disciplina de inteligência artificial (IA) voltada para o desenvolvimento tecnológico do conhecimento humano. O aprendizado de máquina permite que os computadores lidem com novas situações por meio de análise, autotreinamento, observação e experiência.
O aprendizado de máquina facilita o avanço contínuo da computação por meio da exposição a novos cenários, testes e adaptação, enquanto emprega detecção de padrões e tendências para decisões aprimoradas em situações subsequentes (embora não idênticas).
O aprendizado de máquina costuma ser confundido com mineração de dados e descoberta de conhecimento em bancos de dados (KDD), que compartilham uma metodologia semelhante.
Definirtec explica o aprendizado de máquina
Tom M. Mitchell, um pioneiro do aprendizado de máquina e professor da Carnegie Mellon University (CMU), previu a evolução e a sinergia do aprendizado humano e de máquina. O feed de notícias do Facebook de hoje é um exemplo perfeito. O Feed de notícias é programado para exibir o conteúdo do amigo do usuário. Se um usuário marca ou escreve frequentemente no mural de um amigo específico, o Feed de notícias muda seu comportamento para exibir mais conteúdo desse amigo.
Outros aplicativos de aprendizado de máquina incluem reconhecimento de padrão sintático, processamento de linguagem natural, mecanismos de pesquisa, visão computacional e percepção de máquina.
| Download Grátis: IA na indústria de seguros: 26 casos de uso no mundo real |
É difícil replicar a intuição humana em uma máquina, principalmente porque os seres humanos geralmente aprendem e executam decisões inconscientemente.
Como as crianças, as máquinas requerem um período de treinamento prolongado ao desenvolver algoritmos amplos voltados para o ditado de comportamento futuro. As técnicas de treinamento incluem aprendizado mecânico, ajuste de parâmetros, macro-operadores, agrupamento, aprendizado baseado em explicação, agrupamento, correção de erros, registro de caso, gerenciamento de múltiplos modelos, retropropagação, aprendizado de reforço e algoritmos genéticos.