O que será tratado neste artigo:

• Como as máquinas aprendem?
• Quais são os tipos de aprendizado de máquina?
• Exemplo usando o Machine Learnin Playground

Como as máquinas aprendem?

Imagine que você tem uma prova em seis meses. Você separa o material de estudos e decide que irá fazer uma série de exercícios, conferindo as respostas para então fazer a prova, que será sem consulta. Assim é o Aprendizado de Máquina.

Os exercícios são chamados de dados de treino e são o que o modelo usa para aprender o padrão dos dados. A prova seria os dados de teste, ou seja, dados que nunca foram vistos antes. Se o modelo foi bem, ele consegue fazer uma boa prova (previsões).

Quais são os tipos de Aprendizado de Máquina?

Assim como existem diferentes técnicas de estudo, existem diferentes maneiras dos modelos aprenderem com os dados:

Supervisionado: É quando nossa planilha de dados tem uma coluna que esclarece o que temos. Digamos que a coluna pode ter nome, idade, sexo e se a pessoa tem ou não diabetes. No futuro, nosso modelo tentará prever isso, para dados que não têm essa informação.

Não supervisionado: Os dados não têm informações sobre o que é, e o modelo está tentando aprender. Nesse caso, ele precisa agrupar as informações. Digamos que eu forneça imagens de gatos e imagens minhas (dois gatos, desculpe, eu tinha que fazer essa piada). Nosso modelo não sabe quem é quem, mas quando eu enviar minha imagem, ele irá agrupá-la com as imagens que mandei antes da minha pessoa.

Reforço: O modelo aprende com o ambiente. Digamos que aprender a jogar Tetris errando, é como treinar um cachorro dando petiscos quando ele acerta e tirando quando ele erra.

Exemplo usando o Machine Learnin Playground

Agora, digamos que você está trabalhando em uma empresa, e lhe foi pedido para criar um sistema que indica um produto para um cliente. São fornecidos dados que possuem as seguintes características:

Eixo x: números de likes no produto

Eixo y: valor do produto

Pontos Laranjas: like

Pontos Roxos: deslike

Novos produtos foram lançados na plataforma, e você precisa, usando Aprendizado de Máquina, decidir se eles devem ou não ser indicados ao Carlos.

Vamos treinar nossos modelos (sem se preocupar com questões técnicas por agora) e verificar como ele classifica o comportamento do Carlos.

O que isso significa? Bem, é simples. O modelo usado aprendeu que quando um produto aparece na zona laranja (muitos likes e caro), o Carlos tem uma tendência maior a comprar, enquanto na zona roxa a tendência é menor. Então, sempre que um produto estiver naquela região (laranja ), indicamos ele!

--- 

Machine Learning Playground: https://ml-playground.com/