Inteligência Artificial |
Aprendizado Supervisionado
No aprendizado supervisionado, o algoritmo recebe exemplos já rotulados — ou seja, pares de entrada e saída esperada — e aprende a mapear novas entradas para saídas corretas.
É a abordagem mais usada em problemas de classificação (rótulos discretos) e regressão (valores contínuos), como prever se um e-mail é spam ou estimar o preço de um imóvel.
Aprendizado Não Supervisionado
No aprendizado não supervisionado não há rótulos: o algoritmo deve encontrar estrutura escondida nos dados por conta própria, como agrupamentos naturais ou reduções de dimensão.
É útil quando rotular manualmente os dados é caro ou impossível, como na segmentação de clientes com base apenas em seu comportamento de compra.
Aprendizado por Reforço
No Aprendizado por Reforço, um agente aprende a tomar decisões interagindo com um ambiente, recebendo recompensas ou penalidades de acordo com suas ações.
Diferente do aprendizado supervisionado, não há um conjunto de respostas corretas fornecido previamente: o agente descobre a melhor estratégia por tentativa e erro, maximizando a recompensa acumulada ao longo do tempo.