Computacão-38

Prévia do material em texto

Tema 36: Aprendizado de Máquina 
Aprendizado de Máquina (Machine Learning)O aprendizado de máquina (AM) é uma 
subárea da inteligência artificial que envolve o desenvolvimento de algoritmos capazes de 
aprender e melhorar seu desempenho automaticamente por meio de experiências ou dados. Em 
vez de seguir instruções rígidas programadas manualmente, o modelo de aprendizado de 
máquina usa dados para identificar padrões e fazer previsões ou tomar decisões. 
Existem três principais tipos de aprendizado de máquina: 
1. Aprendizado SupervisionadoNo aprendizado supervisionado, o modelo é treinado com 
um conjunto de dados rotulado, ou seja, dados de entrada que já possuem a saída 
correspondente conhecida. O objetivo é fazer com que o modelo aprenda a mapear entradas para 
saídas corretamente. Esse tipo de aprendizado é muito utilizado em problemas de classificação 
e regressão.Classificação: A tarefa é classificar os dados em categorias distintas. Exemplo: 
Classificar e-mails como "spam" ou "não spam".Regressão: A tarefa é prever um valor 
contínuo. Exemplo: Prever o preço de uma casa com base em características como área, número 
de quartos, etc. 
2. Aprendizado Não SupervisionadoNo aprendizado não supervisionado, o modelo é 
treinado com dados que não possuem rótulos ou saídas definidas. O objetivo é explorar a 
estrutura ou os padrões ocultos nos dados. Esse tipo de aprendizado é muito usado em tarefas 
como segmentação de mercado ou redução de dimensionalidade. 
• Clustering (Agrupamento): O modelo organiza os dados em grupos ou clusters. 
Exemplo: Segmentação de clientes em grupos de interesse. 
• Redução de Dimensionalidade: O modelo tenta reduzir o número de variáveis de 
entrada, mantendo a maior parte da informação relevante. Exemplo: Análise de 
componentes principais (PCA). 
3. Aprendizado por ReforçoO aprendizado por reforço é um tipo de aprendizado em que um 
agente aprende a tomar decisões em um ambiente para maximizar uma recompensa cumulativa. 
O modelo recebe feedback de suas ações, que pode ser positivo (recompensa) ou negativo 
(penalidade), e usa esse feedback para melhorar seu desempenho. Esse tipo de aprendizado é 
utilizado em jogos, robótica e sistemas autônomos.Exemplo: Um agente que joga um jogo de 
xadrez pode aprender com base nas jogadas anteriores, ajustando sua estratégia para melhorar o 
desempenho.Algoritmos de Aprendizado de MáquinaOs algoritmos de aprendizado de 
máquina são fundamentais para a construção de modelos. Alguns dos algoritmos mais populares 
incluem:Questões de múltipla escolha sobre Aprendizado de Máquina 
1. O que caracteriza o aprendizado supervisionado? 
A) O modelo aprende com dados não rotulados. 
B) O modelo aprende a partir de feedback positivo ou negativo. 
C) O modelo é treinado com dados rotulados, ou seja, com entradas e saídas conhecidas. 
x D) O modelo aprende apenas com dados de entrada. 
2. Qual das seguintes tarefas é um exemplo de aprendizado supervisionado? 
A) Segmentação de mercado. 
B) Agrupamento de clientes em grupos com base em características. 
C) Previsão de preços de imóveis com base em características como área e localização. 
x D) Análise de componentes principais.