Quando a Computação se une à Estatística, parte 2: Machine Learning

machine-learning
FONTE: Shutterstock, por Kirill Makarov

Machine Learning (ou Aprendizado de Máquina) poderia ser definido como “um conjunto de regras e procedimentos, que permite que os computadores possam agir e tomar decisões baseados em dados ao invés de ser explicitamente programados para realizar uma determinada tarefa”. Isso significa que não é preciso programar a máquina e dizer o que ela tem que fazer em determinadas situações pois ela será ensinada por meio de algoritmos a entender o aprendizado humano.

Para ajudar com toda essa programação, conceitos estatísticos são utilizados, como: Modelos Probabilísticos, Classificação, Clustering, Métodos de Estatística Bayesiana, Método de Kernel, Design de Experimentos, Medidas de Tendência Central, Intervalos de Confiança, Testes de Hipóteses, Regressão Linear e Múltipla, Análise de Variância, Teste de Qui-Quadrado e Distribuição F, Regressão Polinomial e Logística, etc.

Com isso é possível usar modelos analíticos que serão capazes de entender o comportamento humano que por meio de algoritmos apresentarão recomendações customizadas de acordo com preferências. Waze e Netflix são exemplos populares do uso de aprendizado de máquina.

Ficou interessado(a)?
Para mais informações a respeito de Machine Learning, sugere-se a leitura dos links:

REFERÊNCIAS

Imagem: Shutterstock. Acesso em: 01-05-2017.
Texto: “Conceitos Fundamentais de Machine Learning” por David Matos. Acesso em: 01-05-2017.

Anúncios