MACHINE LEARNING

Filipa Tiago e Jéssica Silva.

Atualmente

Machine Learning.

A aprendizagem automática ou machine learning é um subcampo da Engenharia e da ciência da computação

Funcionamento

Alan Turing

Origem

O que é?

Qual a origem do machine learning?

• Em 1950, quando Alan Turing, reconhecido como o pai da computação e um dos homem-chave da Segunda Guerra Mundial, desenvolveu testes para experimentar a capacidade das máquinas de “raciocinarem".

O que é machine learning?

Podemos concluir que machine learning é um subcampo da inteligência artificial que se concentra no desenvolvimento de algoritmos e modelos estatísticos que permitem aos sistemas de computador aprender e melhorar o desempenho em tarefas específicas sem serem explicitamente programados. Em vez de utilizar regras de programação rígidas, os sistemas de machine learning usam dados para treinar modelos e tomar decisões com base nesse treinamento..

Source: Chat GPT

Alan Turning

Alan Mathison Turing foi um matemático, cientista da computação, lógico, criptoanalista, filósofo e biólogo teórico britânico. Turing foi altamente influente no desenvolvimento da moderna ciência da computação teórica, proporcionando uma formalização dos conceitos de algoritmo e computação com a máquina de Turing, que pode ser considerada um modelo de um computador de uso geral. Ele é amplamente considerado o pai da ciência da computação teórica e da inteligência artificial.

Como é usado?

Atualmente, várias empresas em diversos setores adotaram amplamente o machine learning para melhorar a eficiência operacional, tomar decisões baseadas em dados e fornecer serviços mais personalizados aos clientes. O machine learning também é aplicado na área da saúde, podendo ajudar em diagnósticos médicos, descoberta de medicamentos e gerenciamento de registros médicos.

Como funciona o Machine Learning?

O funcionamento do machine learning envolve vários passos, estes os principais:

1. Coleta de Dados;
2. Pré-processamento de Dados;
3. Escolha do Algoritmo;
4. Treinamento do Modelo;
5. Avaliação do Modelo

6. Ajuste de Hiperparâmetros; 7. Implantação do Modelo; 8. Monitoramento e Manutenção; 9. Interpretação de Resultados.

Source: Chat GPT