Machine Learning

Autor: Ricardo Dortas Schönhofen

Machine learning (aprendizado de máquina) é um modelo para obter previsões ou projeções. O modelo é construído a partir de dados de exemplo e é baseado em dados ao invés de se recorrer a programas com códigos estáticos.

Existem dois tipos de Machine learning: a supervisionada e a não-supervisionada. A supervisionada é utilizada para previsão de valores e necessita de um conjunto de dados de treinamento. Esse conjunto permite treinar o modelo que fará a projeção de valores a partir de novos dados. A não supervisionada identifica grupos (clusters) de dados similares. Esses dados em si não diferenciam os grupos explicitamente. É o modelo que identifica os grupos ao analisar a base de dados. Tanto a Machine learning supervisionada quanto a não-supervisionada utilizam algoritmos específicos para tratar os dados.

Machine learning tem sido utilizada em diversos casos de uso. Por exemplo, é usada para determinar se um email é ou não é spam, para prever o que um consumidor irá comprar, e até mesmo na navegação de carros auto-guiados.

Veja outras referências:

• Python
  • http://mlpy.sourceforge.net/
  • http://pyml.sourceforge.net/
  • http://scikit-learn.org/stable/index.html
• Coursera
  • https://www.coursera.org/learn/machine-learning
• Wikipedia
  • https://en.wikipedia.org/wiki/Machine_learning
  • https://pt.wikipedia.org/wiki/Aprendizado_de_m%C3%A1quina
• Livros
  • Designing Machine Learning Systems with Python (https://www.amazon.com/Designing-Machine-Learning-Systems-Python/)
  • Python for Probability, Statistics, and Machine Learning (https://www.amazon.com/Python-Probability-Statistics-Machine-Learning/)
• Outros
  • http://MachineLearningMastery.com
  • http://www.analyticsvidhya.com/blog/category/machine-learning/

Veja também:

• Performance das cotações de commodities – 2013 a 2017
• Guia de acesso rápido – Python para Data Science – Matplotlib
• Python – PrettyTable