O aprendizado de máquina (machine learning) é frequentemente
categorizado em diferentes paradigmas, dependendo da natureza
dos dados disponíveis e do problema a ser resolvido. Dois dos
tipos mais comuns são o aprendizado supervisionado e o
aprendizado não supervisionado.
A principal diferença conceitual entre essas duas abordagens
reside no fato de que, no aprendizado supervisionado:

Question

O aprendizado de máquina (machine learning) é frequentemente
categorizado em diferentes paradigmas, dependendo da natureza
dos dados disponíveis e do problema a ser resolvido. Dois dos
tipos mais comuns são o aprendizado supervisionado e o
aprendizado não supervisionado.
A principal diferença conceitual entre essas duas abordagens
reside no fato de que, no aprendizado supervisionado: Alternativa A: o algoritmo opera sobre dados que não possuem classificação
prévia, buscando encontrar padrões ou estruturas ocultas por
conta própria; Ou Alternativa B: o conjunto de dados de treinamento contém pares de dados
de entrada e seus respectivos rótulos (labels) ou respostas
corretas desejadas; Ou Alternativa C: o sistema aprende através da interação com um ambiente
dinâmico, recebendo sinais de recompensa ou punição
baseados em suas ações; Ou Alternativa D: o objetivo principal é sempre reduzir a dimensionalidade dos
dados para facilitar a visualização, ignorando as variáveis de
saída;  Ou Alternativa E: não é necessário separar os dados em conjuntos de treino e
teste, visto que a validação ocorre simultaneamente ao
processamento.

Danilo Concursos · Accepted Answer

Alternativa [B] o conjunto de dados de treinamento contém pares de dados
de entrada e seus respectivos rótulos (labels) ou respostas
corretas desejadas; letra b) Principais tipos de aprendizado de máquina: Supervisionado: modelo treinado com dados rotulados (entrada + resposta correta). Exemplos: classificação e regressão.Não supervisionado: usa dados sem rótulos para descobrir padrões ou agrupamentos. Exemplos: clustering e redução de dimensionalidade.Semi-supervisionado: combina pequena quantidade de dados rotulados com grande volume de dados não rotulados.Aprendizado por reforço: um agente aprende por tentativa e erro, recebendo recompensas ou penalidades ao interagir com o ambiente.

🚀 Quer mais performance?

🚀 Quer mais performance?

O aprendizado de máquina (machine learning) é frequentemente...

Comentários

Clique para visualizar este comentário

Questões de assuntos semelhantes

Provas relacionadas