Aula 04 - O que é Machine Learning? ⚙️
Aprendizado de Máquina (Machine Learning) é a arte de ensinar computadores a aprenderem com dados, em vez de serem explicitamente programados para cada regra.
🎓 Como Máquinas Aprendem?
Imagine ensinar uma criança a identificar um gato. Você não explica a anatomia detalhada; você mostra várias fotos e diz: "isso é um gato".
Conceito
Machine Learning = Dados + Algoritmos = Modelo (Conhecimento).
🧩 Tipos de Aprendizado
Existem duas formas principais de ensinar uma máquina:
| Tipo | Como funciona | Exemplo |
|---|---|---|
| Supervisionado | A máquina aprende com exemplos rotulados (Dizemos o que é certo). | Filtro de Spam (Spam ou Não Spam). |
| Não Supervisionado | A máquina tenta encontrar padrões sozinha (Agrupamento). | Segmentação de clientes por comportamento. |
🔄 O Ciclo de Treinamento
Tudo no Machine Learning segue este fluxo:
graph TD
A["Coleta de Dados"] --> B["Limpeza e Preparação"]
B --> C["Divisão Treino e Teste"]
C --> D["Treinamento do Modelo"]
D --> E["Avaliação (Teste)"]
E --> F["Previsão (Mundo Real)"]🔬 Treino vs Teste
Nunca teste seu modelo com os mesmos dados que ele usou para estudar. Seria como dar a prova para o aluno estudar antes do exame!
Destaque
- Treino: Onde o modelo aprende os padrões.
- Teste: Onde verificamos se ele realmente aprendeu ou apenas "decorou".
🚀 Mini-Projeto
Desafio: Identificar qual tipo de aprendizado (supervisionado ou não) seria usado para: 1. Prever o valor de uma casa. 2. Agrupar usuários do Spotify por gosto musical. 3. Detectar se uma transação de cartão é fraude.