O que diferencia aprendizagem supervisionada de auto-supervisionada?

A aprendizagem supervisionada e a auto-supervisionada diferem principalmente na forma como os dados são utilizados para treinar modelos. 1. Aprendizagem Supervisionada: Neste método, o modelo é treinado com um conjunto de dados rotulados, ou seja, cada entrada tem uma saída correspondente conhecida. O objetivo é aprender a mapear entradas para saídas. 2. Aprendizagem Auto-supervisionada: Aqui, o modelo é treinado em dados não rotulados, mas cria suas próprias "etiquetas" a partir dos dados. Ele aprende a prever partes dos dados a partir de outras partes, permitindo que o modelo extraia características sem a necessidade de rótulos explícitos. Resumindo, a principal diferença está na presença de rótulos nos dados de treinamento.