Jornada pelos Fundamentos do Aprendizado de Máquina: Um Resumo Abrangente

Olá a todos! Gostaria de compartilhar com a comunidade um resumo abrangente dos conceitos aprendidos no módulo de fundamentos do aprendizado de máquina, no bootcamp Microsoft Azure AI Fundamentals. O módulo proporcionou uma compreensão sólida dos princípios fundamentais que norteiam essa área fascinante.

O aprendizado de máquina, conforme apresentado, inicia-se com a coleta de dados de treinamento, nos quais algoritmos são aplicados e encapsulados em funções, resultando na inferência desejada. Para uma reflexão mais detalhada sobre esse tema, compartilho um artigo que publiquei aqui na comunidade (link).

Com base nesses conceitos, a aprendizagem de máquina se desdobra em dois ramos principais: supervisionado e não supervisionado. No primeiro, destacam-se a regressão e a classificação, sendo esta última dividida em classificação binária e multiclasse.

No âmbito da aprendizagem de máquina não supervisionado, destaca-se a classificação.

Regressão:

• Conceito: Aprendizado de máquina supervisionado que visa prever valores contínuos ou quantitativos com base em dados de treinamento.
• Exemplo: Previsão do preço de uma casa com base em características como área, número de quartos e localização.

Classificação:

• Conceito: Modalidade de aprendizado supervisionado que categoriza dados em classes ou categorias pré-definidas.
• Exemplo: Classificação de e-mails como spam ou não spam com base em características como palavras-chave e remetente.

Classificação Binária:

• Conceito: Tipo específico de classificação onde os dados são divididos em duas categorias exclusivas.
• Exemplo: Classificação de imagens de gatos e cachorros em uma base de dados de fotos de animais de estimação.

Classificação Multiclasse:

• Conceito: Variação da classificação que lida com três ou mais categorias distintas.
• Exemplo: Classificação de diferentes espécies de flores com base em características como cor e tamanho das pétalas.

Classificação (Não Supervisionado):

• Conceito: Aprendizado de máquina não supervisionado que agrupa dados sem a necessidade de rótulos predefinidos.
• Exemplo: Agrupamento de consumidores com base em padrões de compra sem informações prévias sobre categorias de interesse.

Abordando a analogia com a biologia, a rede neural humana foi comparada ao processo eletroquímico em que neurônios disparam em resposta a estímulos, transmitindo sinais aos neurônios conectados.

No contexto da rede neural artificial, cada neurônio foi descrito como uma função operando com entrada (x) e peso (w), envolvida em uma função de ativação que determina a transmissão da saída.

Além disso, a plataforma Azure Machine Learning, apresentada pela professora Valéria Baptista, foi destacada como uma ferramenta baseada em nuvem essencial para o aprendizado de máquina(link).

Noções básica do Azure, como armazenamento de dados, computação e serviços, também foram abordadas.

Encerrando o módulo, foi apresentado os serviços de IA no Microsoft Azure, que incluem Aprendizado de Máquina, Serviço de IA do Azure e Pesquisa Cognitiva do Azure.

Essa jornada proporcionou um aprendizado valioso, e expresso meu agradecimento à Microsoft por disponibilizar essa oportunidade por meio da DIO. Estou adquirindo conhecimentos que, até então, eram desconhecidos para mim.