Machine learning: o que é e como funciona

O que é machine learning?

Machine learning (aprendizagem automática) é o ramo da inteligência artificial em que os sistemas aprendem a executar tarefas a partir de dados, em vez de serem programados com regras explícitas. Em vez de alguém escrever, passo a passo, como reconhecer um gato numa foto, mostra-se ao sistema milhares de fotos e ele aprende sozinho os padrões que distinguem um gato.

É esta capacidade de melhorar com a experiência, ou seja, com mais dados, que está por trás de grande parte das aplicações de IA que usamos hoje.

Como funciona o machine learning

O processo tem três fases. Primeiro, reúnem-se e preparam-se dados. Depois, escolhe-se um modelo e treina-se, deixando-o ajustar-se aos exemplos até acertar o máximo possível. Por fim, avalia-se o modelo com dados que não viu, para perceber se aprendeu de verdade ou se apenas decorou.

A qualidade dos dados é decisiva. Um modelo de machine learning é tão bom quanto os dados com que aprende: dados enviesados ou incompletos produzem resultados enviesados ou pouco fiáveis.

Tipos de machine learning

Aprendizagem supervisionada. O modelo aprende com exemplos rotulados, ou seja, entradas e as respostas certas. É o tipo mais comum, usado em previsão e classificação.

Aprendizagem não supervisionada. O modelo procura padrões em dados sem rótulos, por exemplo, agrupar clientes semelhantes.

Aprendizagem por reforço. O modelo aprende por tentativa e erro, recebendo recompensas, como um agente que aprende a jogar.

Machine learning, deep learning e IA

A inteligência artificial é o conceito mais amplo. O machine learning é a forma de a concretizar aprendendo com dados. O deep learning é um subtipo de machine learning que usa redes neuronais profundas e está por trás de avanços como o reconhecimento de imagem e a IA generativa. São camadas encaixadas, não conceitos concorrentes.

Exemplos de machine learning no dia a dia

Recomendações de produtos e conteúdos, deteção de fraude, filtros de spam, previsão de procura, diagnóstico assistido por imagem médica e os modelos de linguagem que respondem em linguagem natural. Sempre que um sistema melhora com os teus dados e comportamento, há machine learning por trás.

Que competências e ferramentas precisas

O machine learning assenta em três bases: programação (sobretudo Python), matemática e estatística, e manipulação de dados. As ferramentas mais comuns incluem bibliotecas de Python como o scikit-learn, o TensorFlow e o PyTorch, e ferramentas de análise para explorar e visualizar dados.

Como aprender machine learning

O caminho habitual começa pela base de dados e Python e evolui para os algoritmos de machine learning. Na EDIT., trabalha-se de forma prática nas formações de Data Science & Analytics, nomeadamente no bootcamp de Python para Data e no curso de Data Science & AI Analytics. Formações certificadas pela DGERT e lecionadas por profissionais no ativo.

Perguntas frequentes sobre machine learning

O que é machine learning em palavras simples?

É ensinar um computador a executar uma tarefa mostrando-lhe exemplos, em vez de lhe escrever todas as regras. Com dados suficientes, ele aprende os padrões sozinho.

Qual a diferença entre machine learning e IA?

A IA é o objetivo (máquinas que fazem tarefas inteligentes); o machine learning é o método mais usado para lá chegar, aprendendo a partir de dados.

Preciso de saber matemática para aprender machine learning?

Uma base de estatística e álgebra ajuda a compreender os modelos, mas hoje muitas ferramentas permitem começar com um nível acessível e aprofundar depois.

Que linguagem se usa em machine learning?

O Python é, de longe, a mais usada, pela quantidade de bibliotecas especializadas e pela comunidade. O R também é comum em contextos mais estatísticos.