Do curso: Como Usar o Aprendizado de Máquina para Agregar Valor à sua Empresa

Aprendizado não supervisionado

Se o aprendizado supervisionado é um sistema caracterizado pela intervenção humana porque indicamos exemplos do resultado que queremos alcançar, no aprendizado não supervisionado esses rótulos desaparecem. Os algoritmos, entre todos os dados disponíveis, incluem padrões de relacionamento para gerar grupos. O aprendizado não supervisionado pode ajudar a descobrir a estrutura subjacente dos dados. Ao trabalhar com dados não estruturados, esse sistema permite executar tarefas de processamento mais complexas do que o aprendizado supervisionado. No entanto, pode ser menos preciso. O agrupamento e a associação são dois métodos do aprendizado não supervisionado. O agrupamento visa encontrar uma estrutura ou padrão em um conjunto de dados não categorizados. Os algoritmos de agrupamento, ou algoritmos de clusterização, processam dados para identificar grupos. É possível indicar o número total de grupos que queremos achar. A associação permite estabelecer conexões entre elementos em grandes bancos de dados. Essa técnica descobre relacionamentos e interdependências entre variáveis. Por exemplo, por meio da associação, é possível encontrar relações —como as pessoas que compram camisas brancas básicas de uma determinada marca são mais propensas a adquirir um sapato social. O aprendizado não supervisionado é amplamente usado em áreas como biologia, planejamento urbano e marketing. Quer saber com mais detalhes como esse tipo de aprendizado é aplicado em uma organização? Continue assistindo ao curso e veja um caso de uso real.

Conteúdos