Aprendizado de máquina (ML)

A programação clássica usa programas (algoritmos) para criar resultados:

Machine Learning usa resultados para criar programas (algoritmos):

Aprendizado de máquina

O Machine Learning é frequentemente considerado equivalente à Inteligência Artificial.

Isso não está correto. O aprendizado de máquina é um subconjunto da Inteligência Artificial.

Machine Learning é uma disciplina de IA que usa dados para ensinar máquinas.

Aprendizado Supervisionado

O aprendizado supervisionado usa dados rotulados (dados com respostas conhecidas) para treinar algoritmos para:

• Classificar dados
• Prever resultados

O aprendizado supervisionado pode classificar dados como "O que é spam em um e-mail", com base em exemplos conhecidos de spam.

O aprendizado supervisionado pode prever resultados, como prever que tipo de vídeo você gosta, com base nos vídeos que você reproduziu.

Aprendizado não supervisionado

O aprendizado não supervisionado é usado para prever relacionamentos indefinidos, como padrões significativos em dados.

Trata-se de criar algoritmos de computador que podem melhorar a si mesmos.

Espera-se que o aprendizado de máquina mude para aprendizado não supervisionado para permitir que os programadores resolvam problemas sem criar modelos.

Aprendizagem Auto-Supervisionada

O aprendizado autossupervisionado é semelhante ao aprendizado não supervisionado porque ambos trabalham com dados sem rótulos adicionados por humanos.

A diferença é que o aprendizado não supervisionado usa agrupamento, agrupamento e redução de dimensionalidade, enquanto o aprendizado autossupervisionado tira suas próprias conclusões para tarefas de regressão e classificação.