{"id":117424,"date":"2022-02-24T10:26:15","date_gmt":"2022-02-24T13:26:15","guid":{"rendered":"https:\/\/fluency.io\/br\/blog\/?p=822"},"modified":"2023-07-26T14:08:05","modified_gmt":"2023-07-26T17:08:05","slug":"tipos-machine-learning","status":"publish","type":"post","link":"https:\/\/homolog.fluency.io\/br\/blog\/tipos-machine-learning\/","title":{"rendered":"Tipos de Machine Learning: saiba quais s\u00e3o e como desenvolver"},"content":{"rendered":"\n

O Aprendizado de M\u00e1quina, do ingl\u00eas Machine Learning<\/em>, surgiu na metade do s\u00e9culo XX, por\u00e9m tornou-se realmente popular h\u00e1 alguns anos com o desenvolvimento de inova\u00e7\u00f5es tecnol\u00f3gicas<\/a>. Pense: h\u00e1 milh\u00f5es de dados sendo gerados e coletados por segundo e a an\u00e1lise 100% humana desses dados \u00e9 imposs\u00edvel. Assim, ao inv\u00e9s de analisarmos dado por dado, o computador ir\u00e1 analisar e nos dizer o resultado. O computador aprender\u00e1 com os dados e nos mostrar\u00e1 respostas – e isso \u00e9 de extrema import\u00e2ncia para todos os segmentos de empresas que voc\u00ea possa imaginar.<\/strong><\/p>\n\n\n\n

Machine Learning<\/a> \u00e9 uma \u00e1rea da Ci\u00eancia da Computa\u00e7\u00e3o que prop\u00f5e que o computador tenha a habilidade de aprender sem ser explicitamente programado.<\/p><\/blockquote>\n\n\n\n

Voc\u00ea j\u00e1 viu v\u00eddeos de carros aut\u00f4nomos funcionando? Boa parte de seu funcionamento \u00e9 devido ao Machine Learning – h\u00e1 um sistema computadorizado que aprendeu a se guiar em diferentes tipos de vias. Programar um carro aut\u00f4nomo seria uma tarefa invi\u00e1vel, uma vez que milhares de diferentes situa\u00e7\u00f5es de tr\u00e2nsito teriam que ser identificadas e programadas uma a uma.<\/p>\n\n\n\n

Dentre os tipos mais utilizados no dia a dia de um profissional de Machine Learning, destacam-se os aprendizados Supervisionado, N\u00e3o-Supervisionado, Semi-Supervisionado e o Reinforcement Learning.<\/p>\n\n\n\n

Supervised Learning<\/h2>\n\n\n\n

No Aprendizado Supervisionado, os dados s\u00e3o formatados de forma que possuam labels,<\/em> ou seja, a solu\u00e7\u00e3o correta e desejada. As duas principais tarefas do Supervisionado s\u00e3o Classifica\u00e7\u00e3o e Regress\u00e3o (tamb\u00e9m conhecida como predi\u00e7\u00e3o).<\/p>\n\n\n\n

A classifica\u00e7\u00e3o tem o objetivo de separar dados similares<\/strong> em grupos.<\/p><\/blockquote>\n\n\n\n

A regress\u00e3o tem o objetivo de prever uma sa\u00edda ou acontecimento<\/strong> de acordo com a an\u00e1lise dos dados<\/a> com suas respectivas labels.<\/em><\/p>\n\n\n\n

Unsupervised Learning<\/h2>\n\n\n\n

No N\u00e3o-Supervisionado, os dados s\u00e3o desprovidos de labels<\/em>, ou seja, n\u00e3o apresentam a solu\u00e7\u00e3o desejada ao algoritmo. A t\u00e9cnica \u00e9 muito usada para encontrar relacionamentos em datasets<\/em> e identifica\u00e7\u00e3o de anomalias, como fraudes em cart\u00e3o de cr\u00e9dito.<\/p>\n\n\n\n

Um site de not\u00edcias, como exemplo, recebe visitantes com diversos interesses e captura dados dos mesmos atrav\u00e9s do cache do navegador. Um algoritmo n\u00e3o supervisionado pode ser utilizado para dividir os visitantes em clusters, ou seja, grupos de interesses similares.<\/p>\n\n\n\n

Semi-Supervised Learning<\/h2>\n\n\n\n

O Aprendizado Semi Supervisionado \u00e9 uma jun\u00e7\u00e3o de algoritmos supervisionados e n\u00e3o supervisionados. \u00c9 normalmente utilizado quando h\u00e1 alguns dados com labels<\/em> e muitos dados sem labels.<\/em> A adi\u00e7\u00e3o de dados com labels<\/em> tem mostrado aumento da performance do algoritmo.<\/p>\n\n\n\n

Um exemplo claro \u00e9 o Google Photos ao descobrir quais pessoas est\u00e3o presentes nas suas fotos. O algoritmo identifica as pessoas e pergunta seus nomes a voc\u00ea.<\/p>\n\n\n\n

Reinforcement Learning<\/h2>\n\n\n\n

O algoritmo de Reinforcement Learning aprende a partir de tentativa e erro. \u00c9 uma solu\u00e7\u00e3o adotada, por exemplo, para ensinar rob\u00f4s a andarem ou treinar algoritmos<\/a> de mercado financeiro sobre dados hist\u00f3ricos da bolsa de valores.<\/p>\n\n\n\n

Por que Machine Learning se tornou t\u00e3o importante?<\/h3>\n\n\n\n

Machine Learning tem sido usado para automatizar diversas tarefas que antes s\u00f3 humanos conseguiam fazer, como reconhecimento de imagens, de texto ou at\u00e9 mesmo dirigir um carro.<\/p>\n\n\n\n

Segundo estudo do Gartner<\/a>, o mercado de Machine Learning dever\u00e1 ter valor de mercado de 62 bilh\u00f5es de d\u00f3lares em 2022. At\u00e9 2017, era um mercado de 12 bilh\u00f5es de d\u00f3lares. Com tal crescimento, a demanda por profissionais qualificados na \u00e1rea aumenta.<\/p>\n\n\n\n

Com o grande fluxo de dados, s\u00f3 meios automatizados ser\u00e3o capazes de nos trazer informa\u00e7\u00f5es relevantes sobre bilh\u00f5es de dados.<\/p>\n\n\n\n

\n