Curso oferecido pela deeplearning.ai & Stanford University no Coursera
De forma geral o Machine Learning pode ser definido como:
“Campo de estudo que provê aos computadores a habilidade de aprender sem ser explicitamente programados” Arthur Samuel (1959)
Os algoritmos de Machine Learnig podem ser divididos em supervisionadas e não supervisionados.
No aprendizado supervisionado alimentamos nosso algoritmo com exemplos com as respostas corretas, de forma que o algoritmo possa aprender quais características tornam aquela resposta correta.
Imagine que estamos criando um modelo para classificar se um email é spam. Então, alimentaríamos esse algoritmo com emails que certamente são spam e emails que não são spam.
No aprendizado supervisionado alimentamos o algoritmo com dados ainda não classificados. Desejamos então encontrar informações úteis nestes dados não classificados.
Podemos estar interessados em classificar os dados não classificados em diferentes grupos (clustering).
Podemos encontrar anomalias no conjunto de dados (anomaly detection).
Também podemos comprimir os dados usando menos números (dimensionality reduction).