Aprendizado de máquina
Fazer programas inferirem regras dos dados em vez de codificá-las à mão
OVERVIEW
- Todos os conceitos
- 6
- Iniciante
- 2
- Intermediário
- 3
- Especialista
- 1
Machine learning compresses into a single sentence: given a set of samples, find a function that still works on new ones. Around that sentence grow the divide between supervised and unsupervised learning, the tug-of-war between overfitting and regularisation, and the methodology of measuring — honestly — whether it works at all.
Perguntas que este domínio responde
- Q1
What separates “memorising” from “learning”?
- Q2
Why does a model that aces training fail in production?
- Q3
What can unlabelled data still be used for?
Entradas deste domínio
- 01Aprendizagem supervisionadaIniciantePares de pergunta e resposta ensinam o modelo a responder sozinho
- 02Aprendizagem não supervisionadaInicianteSem respostas, a estrutura precisa emergir dos próprios dados — e “bom” tem de ser redefinido
- 03Funções de perdaIntermediárioA função de perda define o que você penaliza — trocá-la troca toda a sua noção de certo e errado
- 04Sobreajuste e regularizaçãoIntermediárioO modelo decora os dados de treino e depois fracassa em qualquer dado novo
- 05Avaliação de modelos e validação cruzadaIntermediárioA acurácia é a métrica mais fácil de enganar — erre na avaliação e tudo o mais desmorona
- 06Compromisso viés-variânciaEspecialistaTodo erro de previsão se divide em três: modelo simples demais, modelo instável demais e a aleatoriedade do próprio mundo