fbpx
Sigmoidal
  • Home
  • Cursos
  • Pós-Graduação
  • Blog
  • Sobre Mim
  • Contato
Sem Resultado
Ver Todos Resultados
  • English
  • Home
  • Cursos
  • Pós-Graduação
  • Blog
  • Sobre Mim
  • Contato
Sem Resultado
Ver Todos Resultados
Sigmoidal
Sem Resultado
Ver Todos Resultados

Aprendizado Supervisionado e Não Supervisionado

Entendendo os Dois Pilares do Machine Learning

Rafael Duarte por Rafael Duarte
outubro 27, 2022
em Machine Learning
0
5
COMPARTILHAMENTOS
171
VIEWS
Publicar no LinkedInCompartilhar no FacebookCompartilhar no Whatsapp

O Machine Learning é uma área empolgante e em constante evolução que tem desempenhado um papel fundamental em uma variedade de aplicações, desde assistentes de voz até diagnósticos médicos. Dois dos principais paradigmas dentro do campo de Machine Learning são o Aprendizado Supervisionado e o Aprendizado Não Supervisionado. Neste artigo, vamos explorar esses dois pilares e entender suas diferenças fundamentais.

Aprendizado Supervisionado: A Orientação do Professor

O Aprendizado Supervisionado é um dos conceitos mais básicos e amplamente utilizados em Machine Learning. Ele envolve o uso de dados rotulados para treinar um modelo que pode fazer previsões ou classificações. Os principais aspectos do Aprendizado Supervisionado são:

Dados Rotulados

No Aprendizado Supervisionado, você tem um conjunto de dados de treinamento que inclui exemplos de entrada (ou características) juntamente com as saídas desejadas (rótulos). Por exemplo, em um sistema de reconhecimento de spam de e-mail, você teria e-mails rotulados como “spam” ou “não spam”.

Treinamento do Modelo

O objetivo do treinamento é fazer com que o modelo aprenda a relação entre as características de entrada e as saídas desejadas. O modelo faz previsões com base nas entradas e é ajustado iterativamente para minimizar os erros entre suas previsões e os rótulos reais.

Aplicação do Modelo

Após o treinamento, o modelo pode ser usado para fazer previsões em novos dados não vistos. Por exemplo, um modelo de classificação de imagem treinado com fotos de gatos e cachorros pode prever se uma nova imagem contém um gato ou um cachorro.

Exemplos de Algoritmos

Alguns exemplos de algoritmos de Aprendizado Supervisionado incluem Regressão Linear, Árvores de Decisão, k-Nearest Neighbors (K-NN) e Redes Neurais.

Aprendizado Não Supervisionado: Descoberta de Padrões Ocultos

O Aprendizado Não Supervisionado é um paradigma onde o modelo é treinado em dados não rotulados e é desafiado a encontrar padrões, estruturas ou grupos nos dados. Os principais aspectos do Aprendizado Não Supervisionado são:

Dados Não Rotulados

Ao contrário do Aprendizado Supervisionado, os dados não são rotulados em Aprendizado Não Supervisionado. O modelo recebe apenas as características de entrada e deve descobrir por conta própria quaisquer estruturas ou padrões nos dados.

Clusterização

Um dos principais objetivos do Aprendizado Não Supervisionado é a clusterização, onde o modelo agrupa os dados em clusters ou grupos com base em suas semelhanças. Isso é útil para segmentação de clientes, análise de redes sociais e muito mais.

Redução de Dimensionalidade

Outra aplicação importante é a redução de dimensionalidade, onde o modelo procura representações mais compactas dos dados. Isso é útil quando se lida com conjuntos de dados de alta dimensionalidade, como imagens ou texto.

Exemplos de Algoritmos

Alguns exemplos de algoritmos de Aprendizado Não Supervisionado incluem K-Means para clusterização, Análise de Componentes Principais (PCA) para redução de dimensionalidade e Algoritmos de Associação para descobrir regras de associação em dados.

Como Saber o Que Usar?

O Aprendizado Supervisionado é a escolha quando temos dados rotulados e queremos que o modelo faça previsões ou classificações com base nesses rótulos. O Aprendizado Não Supervisionado é a abordagem preferida quando não temos rótulos e queremos que o modelo descubra padrões ou estruturas nos dados por conta própria.

Ambos os paradigmas desempenham papéis cruciais em Machine Learning, e a escolha entre eles depende do problema em questão e dos dados disponíveis.

À medida que o campo continua a se desenvolver, também estamos vendo a fusão dessas abordagens em técnicas de Aprendizado Semi-Supervisionado e Aprendizado por Reforço (Reinforcement Learning), ampliando ainda mais o conjunto de ferramentas disponíveis para resolver uma ampla gama de problemas complexos.

Portanto, o mundo do Machine Learning oferece oportunidades emocionantes para aqueles que desejam explorar esses paradigmas e moldar o futuro da tecnologia.



CompartilharCompartilhar2Enviar
Post Anterior

Entrevista com Rodrigo Gianotto, CTO do Grupo Primo

Próximo Post

Como a banda Metallica usa Data Science

Rafael Duarte

Rafael Duarte

Relacionado Artigos

Curso de Pós-Graduação em Data Science
Data Science

Vale a pena fazer uma Pós-Graduação em Data Science?

por Carlos Melo
janeiro 20, 2025
Review do Livro “Mãos à obra: Aprendizado de Máquina com Scikit-Learn, Keras & TensorFlow”
Livros

Review do Livro “Mãos à obra: Aprendizado de Máquina com Scikit-Learn, Keras & TensorFlow”

janeiro 18, 2025
Carlos Melo e Sérgio Sacani – Ciência Sem Fim
Youtube

Carlos Melo e Sérgio Sacani – Ciência Sem Fim

por Carlos Melo
janeiro 16, 2025
Visão Computacional

Processamento de Nuvens de Pontos com Open3D e Python

por Carlos Melo
janeiro 2, 2025
Minha Participação no Hipsters Ponto Tech: TensorFlow
Deep Learning

Minha Participação no Hipsters Ponto Tech: TensorFlow

por Carlos Melo
abril 10, 2024
Próximo Post
Como a banda Metallica usa Data Science

Como a banda Metallica usa Data Science

Deixe um comentário Cancelar resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Pós-Graduação em Data Science Pós-Graduação em Data Science Pós-Graduação em Data Science

Mais Populares

  • Introdução ao MediaPipe e Pose Estimation

    Introdução ao MediaPipe e Pose Estimation

    458 compartilhamentos
    Compartilhar 183 Tweet 115
  • ORB-SLAM 3: Tutorial Completo para Mapeamento 3D e Localização em Tempo Real

    392 compartilhamentos
    Compartilhar 157 Tweet 98
  • Equalização de Histograma com OpenCV e Python

    117 compartilhamentos
    Compartilhar 47 Tweet 29
  • Geometria da Formação de Imagens: Matrizes, Transformações e Sistemas de Coordenadas

    371 compartilhamentos
    Compartilhar 148 Tweet 93
  • Processamento de Nuvens de Pontos com Open3D e Python

    34 compartilhamentos
    Compartilhar 14 Tweet 9
  • Em Alta
  • Comentários
  • Mais Recente
Como Tratar Dados Ausentes com Pandas

Como Tratar Dados Ausentes com Pandas

agosto 13, 2019
Como usar o DALL-E 2 para gerar imagens a partir de textos

Como usar o DALL-E 2 para gerar imagens a partir de textos

dezembro 25, 2022
Introdução ao MediaPipe e Pose Estimation

Introdução ao MediaPipe e Pose Estimation

julho 15, 2023

ORB-SLAM 3: Tutorial Completo para Mapeamento 3D e Localização em Tempo Real

abril 10, 2023
Como Analisar Ações da Bolsa com Python

Como Analisar Ações da Bolsa com Python

15
Setembro Amarelo: Análise do Suicídio no Brasil, com Data Science

Setembro Amarelo: Análise do Suicídio no Brasil, com Data Science

13
Como Aprender Data Science?

Como Aprender Data Science?

9
Qual o Cenário de Data Science no Brasil hoje?

Qual o Cenário de Data Science no Brasil hoje?

8
DeepSeek vazamento de dados de usuários

DeepSeek: Vazamento de dados expõe dados de usuários

fevereiro 1, 2025
DeepSeek R1 vs OpenAI o1 – Qual é o Melhor Modelo de IA

DeepSeek R1 vs OpenAI o1 – Qual é o Melhor Modelo de IA?

janeiro 25, 2025
Trump Anuncia Investimento de US$ 500 Bilhões em Infraestrutura de IA

Trump Anuncia Investimento de US$ 500 Bilhões em Infraestrutura de IA

janeiro 22, 2025
Trump revoga decreto de Biden sobre regulação de Inteligência Artificial

Trump revoga decreto de Biden sobre regulação de Inteligência Artificial

janeiro 21, 2025

Seguir

  • 🚀 NASA testa novo laser 3D para medir ventos e melhorar previsões meteorológicas

Desde o outono de 2024, a NASA tem utilizado um instrumento avançado chamado Aerosol Wind Profiler (AWP) para medir ventos em 3D com alta precisão.

Montado em uma aeronave especial, o AWP usa pulsos de laser para detectar velocidade e direção dos ventos, além da concentração de aerossóis (poeira, fumaça, sal marinho etc).

Esses dados são valiosos para modelos de Machine Learning aplicados à previsão do tempo, detecção de anomalias e simulação atmosférica.

📊 Oportunidades diretas para ML:

🔹 Treinamento supervisionado: previsões mais precisas usando dados reais de velocidade e direção dos ventos em múltiplas altitudes.

🔹 Modelagem de séries temporais: LSTMs e Transformers podem capturar padrões em sistemas complexos como furacões.

🔹 Data fusion: integração de sensores distintos (AWP, HALO, dropsondes) é um problema clássico resolvido com ML multimodal.

🔹 Assimilação de dados: ML pode atuar em tempo real para corrigir modelos físicos via técnicas híbridas (physics-informed ML).

Se você trabalha com IA, clima ou sensoriamento remoto, esse é o tipo de dado que muda o jogo!
  • Cada passo te aproxima do que realmente importa. Quer continuar avançando?

🔘 [ ] Agora não
🔘 [ ] Seguir em frente 🚀
  • 🇺🇸 Green Card por Habilidade Extraordinária em Data Science e Machine Learning

Após nossa mudança para os EUA, muitas pessoas me perguntaram como consegui o Green Card tão rapidamente. Por isso, decidi compartilhar um pouco dessa jornada.

O EB-1A é um dos vistos mais seletivos para imigração, sendo conhecido como “The Einstein Visa”, já que o próprio Albert Einstein obteve sua residência permanente através desse processo em 1933.

Apesar do apelido ser um exagero moderno, é fato que esse é um dos vistos mais difíceis de conquistar. Seus critérios rigorosos permitem a obtenção do Green Card sem a necessidade de uma oferta de emprego.

Para isso, o aplicante precisa comprovar, por meio de evidências, que está entre os poucos profissionais de sua área que alcançaram e se mantêm no topo, demonstrando um histórico sólido de conquistas e reconhecimento.

O EB-1A valoriza não apenas um único feito, mas uma trajetória consistente de excelência e liderança, destacando o conjunto de realizações ao longo da carreira.

No meu caso específico, após escrever uma petição com mais de 1.300 páginas contendo todas as evidências necessárias, tive minha solicitação aprovada pelo USCIS, órgão responsável pela imigração nos Estados Unidos.

Fui reconhecido como um indivíduo com habilidade extraordinária em Data Science e Machine Learning, capaz de contribuir em áreas de importância nacional, trazendo benefícios substanciais para os EUA.

Para quem sempre me perguntou sobre o processo de imigração e como funciona o EB-1A, espero que esse resumo ajude a esclarecer um pouco mais. Se tiver dúvidas, estou à disposição para compartilhar mais sobre essa experiência! #machinelearning #datascience
  • 🚀Domine a tecnologia que está revolucionando o mundo.

A Pós-Graduação em Visão Computacional & Deep Learning prepara você para atuar nos campos mais avançados da Inteligência Artificial - de carros autônomos a robôs industriais e drones.

🧠 CARGA HORÁRIA: 400h
💻 MODALIDADE: EAD
📅 INÍCIO DAS AULAS: 29 de maio

Garanta sua vaga agora e impulsione sua carreira com uma formação prática, focada no mercado de trabalho.

Matricule-se já!

#deeplearning #machinelearning #visãocomputacional
  • Green Card aprovado! 🥳 Despedida do Brasil e rumo à nova vida nos 🇺🇸 com a família!
  • Haverá sinais… aprovado na petição do visto EB1A, visto reservado para pessoas com habilidades extraordinárias!

Texas, we are coming! 🤠
  • O que EU TENHO EM COMUM COM O TOM CRUISE??

Clama, não tem nenhuma “semana” aberta. Mas como@é quinta-feira (dia de TBT), olha o que eu resgatei!

Diretamente do TÚNEL DO TEMPO: Carlos Melo &Tom Cruise!
  • Bate e Volta DA ITÁLIA PARA A SUÍÇA 🇨🇭🇮🇹

Aproveitei o dia de folga após o Congresso Internacional de Astronáutica (IAC 2024) e fiz uma viagem “bate e volta” para a belíssima cidade de Lugano, Suíça.

Assista ao vlog e escreve nos comentários se essa não é a cidade mais linda que você já viu!

🔗 LINK NOS STORIES
  • Um paraíso de águas transparentes, e que fica no sul da Suíça!🇨🇭 

Conheça o Lago de Lugano, cercado pelos Alpes Suíços. 

#suiça #lugano #switzerland #datascience
  • Sim, você PRECISA de uma PÓS-GRADUAÇÃO em DATA SCIENCE.
  • 🇨🇭Deixei minha bagagem em um locker no aeroporto de Milão, e vim aproveitar esta última semana nos Alpes suíços!
  • Assista à cobertura completa no YT! Link nos stories 🚀
  • Traje espacial feito pela @axiom.space em parceria com a @prada 

Esse traje será usados pelos astronautas na lua.
para acompanhar as novidades do maior evento sobre espaço do mundo, veja os Stories!

#space #nasa #astronaut #rocket
  • INTERNATIONAL ASTRONAUTICAL CONGRESS - 🇮🇹IAC 2024🇮🇹

Veja a cobertura completa do evento nos DESTAQUES do meu perfil.

Esse é o maior evento de ESPAÇO do mundo! Eu e a @bnp.space estamos representando o Brasil nele 🇧🇷

#iac #space #nasa #spacex
  • 🚀 @bnp.space is building the Next Generation of Sustainable Rocket Fuel.

Join us in transforming the Aerospace Sector with technological and sustainable innovations.
  • 🚀👨‍🚀 Machine Learning para Aplicações Espaciais

Participei do maior congresso de Astronáutica do mundo, e trouxe as novidades e oportunidade da área de dados e Machine Learning para você!

#iac #nasa #spacex
Instagram Youtube LinkedIn Twitter
Sigmoidal

O melhor conteúdo técnico de Data Science, com projetos práticos e exemplos do mundo real.

Seguir no Instagram

Categorias

  • Aeroespacial
  • Artigos
  • Blog
  • Carreira
  • Cursos
  • Data Science
  • Deep Learning
  • Destaques
  • Entrevistas
  • IA Generativa
  • Livros
  • Machine Learning
  • Notícias
  • Python
  • Teoria
  • Tutoriais
  • Visão Computacional
  • Youtube

Navegar por Tags

camera calibration carreira chatgpt cientista de dados cnn computer vision Cursos dados desbalanceados data science data science na prática decision tree deep learning gpt-3 histograma IA generativa image formation inteligência artificial jupyter kaggle keras machine learning matplotlib mnist nft openai opencv overfitting pandas profissão python redes neurais redes neurais convolucionais regressão linear regressão logística salário scikit-learn seaborn sklearn tensorflow titanic tutorial visão computacional vídeo youtube árvore de decisão

© 2024 Sigmoidal - Aprenda Data Science, Visão Computacional e Python na prática.

Welcome Back!

Login to your account below

Forgotten Password?

Retrieve your password

Please enter your username or email address to reset your password.

Log In

Add New Playlist

Sem Resultado
Ver Todos Resultados
  • Home
  • Cursos
  • Pós-Graduação
  • Blog
  • Sobre Mim
  • Contato
  • English

© 2024 Sigmoidal - Aprenda Data Science, Visão Computacional e Python na prática.