Aprendizado de Máquina, do inglês Machine Learning, é um método de análise de dados e desenvolvimento de modelos analíticos. Seu princípio é no uso de algoritmos inteligentes e adaptativos que aprendem a partir de uma fonte de dados. Esses algoritmos são capacitados para, a partir dessa fonte de dados, desenvolver modelos matemáticos que se aproximarão ou se igualarão ao modelo dos dados apresentados.
Este algoritmo é comumente treinado de uma dessas duas formas:
- Aprendizagem Supervisionada (Supervised Learning)
Nessa primeira opção o algoritmo é treinado com base em uma seleção de dados pre-definidos, em que se conhecem as ENTRADAS e SAÍDAS do sistema. Um exemplo disso seria o treinamento de um algoritmo para ser capaz de calcular o preço de uma casa em uma determinada região de acordo com o tamanho do lote. Algumas residências próximas terão seus valores e tamanhos usados como dados de treinamento, lembrando que nossa ENTRADA seria o tamanho do lote e nossa SAÍDA o preço da casa.
- Aprendizagem Não Supervisionada (Unsupervised Learning)
Nessa segunda opção o algoritmo não possui uma seleção de dados pre-definidos e sim de um agrupamento enorme de dados. Nesse tipo de aprendizado nós não temos como demonstrar ao algoritmo que os dados podem ser divididos em 3 grupos. O próprio algoritmo irá encontrar padrões e agrupar os resultados. Um exemplo é no agrupamento de dados presentes em um microarranjos do DNA onde é medido o quanto certos genes são expressados. Simplesmente não podemos inferir que A ou B são os genes de presentes no Grupo 1 ou no tipo 1 de indivíduo, simplesmente possuímos um arranjo enorme de dados e fornecemos ao algoritmo traçar padrões baseado na amostragem fornecida.
Para mais informações sobre isso e até um pouco mais você pode acessar o SAS que é uma empresa multinacional em business analytics e no Ciência e Dados que é um site de Data Science, Business Intelligence e que fala sobre a internet das coisas.
