Introdução
Os modelos de machine learning são algoritmos de computador que usam dados para fazer estimativas (suposições fundamentadas) ou tomar decisões. Os modelos de aprendizado de máquina diferem dos algoritmos tradicionais na forma como são projetados. Quando um software de computador tradicional precisa ser aprimorado, as pessoas o editam. Por outro lado, um algoritmo de aprendizado de máquina utiliza dados para melhorar uma tarefa específica.
Por exemplo, os filtros de spam usam machine learning. Há vinte anos, os filtros de spam não tinham muitos exemplos com os quais aprender e não eram bons em identificar o que era ou não spam. À medida que mais spam chegou e foi rotulado como lixo eletrônico pelos usuários humanos, os algoritmos de machine learning ganharam mais experiência e se tornaram melhores nessa tarefa.
Botas que se ajustam
Ao longo deste módulo, utilizamos um cenário de exemplo para explicar os principais conceitos de aprendizado de máquina.
Nesse cenário, você tem uma loja que vende cintos para cães que atuam em resgates em avalanches e recentemente expandiu para também vender botas para cães. Os clientes parecem saber escolher corretamente o tamanho do cinto, mas sempre erram no tamanho das botas para cães. Você sabe que a maioria dos clientes compra cintos e botas na mesma transação, e isso dá a você uma ideia: talvez seja possível estimar com alguma precisão o tamanho correto das botas para cães com base no cinto escolhido. Então, você pode avisar os clientes antes da compra se as botas selecionadas provavelmente terão o tamanho incorreto.
Durante este módulo, criamos um modelo de machine learning que implementa essa ideia. Ao longo do caminho, usamos esse cenário para apresentar a você alguns conceitos básicos de aprendizado de máquina e demonstrar como utilizá-los em um ambiente prático.
Objetivos de aprendizagem
Neste módulo, você vai:
- Explorar como o machine learning difere do software tradicional.
- Criar e testar um modelo de machine learning.
- Carregar um modelo e usá-lo com novos dados.
Pré-requisitos
Nenhum