Aprendizado de Maquina

SUMÁRIO

1. Introdução 2
1.1. Desenvolvimento 2
1.1.1. Hierarquia de Aprendizado 3
1.1.2. Paradigmas de Aprendizado 4
1.1.3. Aprendizagem Supervisionada 5
1.1.4. Algoritmo KNN 6
1.1.5. Algoritimo SVM 7
1.1.6. Aprendizagem Não-Supervisionada 8
1.1.7. Algoritimo K-MEANS 10

1. Introdução
A aprendizagem de máquina é um sub-campo da inteligência artificial dedicado ao desenvolvimento de algoritmos e técnicas que permitam ao computador aprender, isto é, que permitam ao computador aperfeiçoar seu desempenho em alguma tarefa. Enquanto que na Inteligência Artificial existem dois tipos de raciocínio: indutivo, que extrai regras e padrões de grandes conjuntos de dados, e dedutivo. A aprendizagem de máquina só se preocupa com o indutivo. Algumas partes da aprendizagem de máquina estão intimamente ligadas à dada e estatística. Sua pesquisa foca nas propriedades dos métodos estatísticos, assim como sua complexidade computacional. Sua aplicação prática inclui o processamento de linguagem natural, motores de busca, diagnósticos médicos, bioinformática, reconhecimento de fala, reconhecimento de escrita, visão computacional e locomoção de robôs. No aprendizado de maquina possui dois paradigmas: aprendizado supervisionado e o não supervisionado.
1.1. Desenvolvimento
Aprendizado de Máquina é uma área de IA cujo objetivo é o desenvolvimento de técnicas computacionais sobre o aprendizado bem como a construção de sistemas capazes de adquirir conhecimento de forma automática. Em geral é difícil articular o conhecimento que precisamos construir um sistema de inteligência artificial, na verdade, algumas vezes não temos este conhecimento, em alguns casos podemos construir sistemas em que eles mesmos aprendem o conhecimento necessário. O objetivo do aprendizado é realizar uma memorização no computador, melhorando as habilidades motoras e cognitivas. Um sistema de aprendizado toma as decisões baseado em experiências acumuladas por meio de solução bem sucedida de problemas anteriores, além