No que se refere a conceitos de business intelligence, data ...

Gabarito: C - Certo

O enunciado aborda o conceito de machine learning (aprendizado de máquina), que é de fato um subconjunto da inteligência artificial (AI). Machine learning é uma área da AI focada no desenvolvimento de algoritmos que permitem que computadores aprendam a partir de dados. Este aprendizado pode ser supervisionado, não supervisionado ou por reforço, e visa melhorar o desempenho do sistema em alguma tarefa específica de forma autônoma, sem ser explicitamente programado para isso.

A capacidade de melhorar o desempenho ou fazer previsões mais precisas com o passar do tempo, à medida que mais dados são coletados e analisados, é uma característica central do machine learning. Isso é possível através de algoritmos que ajustam seus parâmetros internos — o que pode ser entendido como a "experiência" mencionada no enunciado.

Na prática, os sistemas de machine learning são capazes de identificar padrões complexos nos dados que seriam difíceis ou impossíveis de serem descobertos por humanos. Aplicações comuns incluem reconhecimento de fala, recomendação de produtos, diagnósticos médicos, detecção de fraudes financeiras, entre muitas outras.

Portanto, a afirmação que machine learning utiliza algoritmos para analisar grandes volumes de dados, e permite que um sistema aprenda e melhore com base na experiência, está correta, pois captura a essência de como o aprendizado de máquina opera dentro do campo maior da inteligência artificial.

Machine learning (aprendizado de máquina) é um subcampo da inteligência artificial que se concentra no desenvolvimento de algoritmos e modelos de computador que permitem que sistemas aprendam e melhorem com a experiência. Em vez de serem explicitamente programados para executar uma tarefa específica, os sistemas de machine learning são projetados para aprender a partir de dados e tomar decisões com base nesse aprendizado.

O aprendizado de máquina envolve o treinamento de modelos em conjuntos de dados históricos, nos quais os algoritmos identificam padrões e tendências. Esses modelos podem então ser usados para fazer previsões ou tomar ações em novos conjuntos de dados. Existem várias abordagens de machine learning, incluindo aprendizado supervisionado, não supervisionado, reforçado e muitas outras técnicas.

O machine learning é amplamente utilizado em uma variedade de aplicações, como reconhecimento de padrões, processamento de linguagem natural, visão computacional, sistemas de recomendação, previsões financeiras, diagnóstico médico e muito mais. É uma área em constante evolução e desempenha um papel fundamental na automação de tarefas e na tomada de decisões baseadas em dados.

Aprendizado de Máquina (Machine Learning) é um ramo da Inteligência Artificial em que os sistemas aprendem sozinhos (são autoprogramáveis) através de padrões/regras e tomam decisões com base nesses dados.

OBS: pode ser supervisionado por humano ou não.

Só grandes volumes de dados? Creio que não.

c-

Machine learning (ML) is a field of study in artificial intelligence concerned with the development and study of statistical algorithms that can learn from data and generalize to unseen data, and thus perform tasks without explicit instructions.There is a close connection between machine learning and compression. A system that predicts the posterior probabilities of a sequence given its entire history can be used for optimal data compression (by using arithmetic coding on the output distribution). Conversely, an optimal compressor can be used for prediction (by finding the symbol that compresses best, given the previous history).

https://en.wikipedia.org/wiki/Machine_learning

GAB CERTO

(1) É um método de análise de dados que automatiza a construção de modelos analíticos

(2) É um ramo da inteligência artificial baseado na ideia de que sistemas podem aprender com dados, identificar padrões e tomar decisões com o mínimo de intervenção humana

(3) Permite que máquinas e sistemas aprendam com dados, com pouca ou nenhuma intervenção humana

(4) É um subcampo da inteligência artificial que consiste no treinamento de modelos computacionais para que possam reconhecer padrões e, a partir de um conjunto de dados de entrada, prever o valor de uma variável de saída

_

. Os algoritmos aprendem e melhoram com o tempo: quanto mais tempo e exemplos os algoritmos passam “rodando”, mais eles aprendem e ficam melhores nas “respostas” (“treinar o algoritmo”)

exemplos: reconhecimento de imagem, reconhecimento de fala, detecção de fraudes, sistemas de recomendação de compras, visão computacional, diagnóstico médico)

_

obs 1: Treinamento de algoritmos a partir de métodos estatísticos, para fazer classificações ou predições.

obs 2: Permite descobrir insights em projetos de mineração de dados.

obs 3: Aprende com dados, identifica padrões, tomam decisões, e geram insights. ex: reconhecimento facial.