Aprendizado de Máquina Supervisionado e Não Supervisionado: Conceitos, Técnicas e Aplicações

Stéfany Coura Coimbra
Brazilians in Tech
Published in
3 min readNov 23, 2023

Neste texto, vamos explorar o fascinante mundo do aprendizado de máquina, compreender como funcionam as abordagens supervisionada e não supervisionada, conhecer os diferentes contextos em que são aplicadas, e entender a importância desses métodos na evolução da IA.

Texto escrito por Stéfany Coura Coimbra

Foto: Exemplo de um algoritmo de Clustering, por blog.quantinsti.com

Aprendizado de Máquina Supervisionado

O aprendizado de máquina supervisionado é um processo no qual o algoritmo é treinado com um conjunto de dados rotulado, onde cada entrada possui uma correspondência conhecida. Cada exemplo de treinamento é associado a uma saída desejada, e o algoritmo busca aprender padrões e relações entre as entradas e as saídas conhecidas. Essa abordagem é amplamente utilizada em tarefas como classificação e regressão, onde o objetivo é fazer previsões com base em dados de entrada.

Principais características:

  • Utiliza dados rotulados para treinamento.
  • Objetivo: Prever saídas para novas entradas.
  • Exemplos: Reconhecimento de imagem, detecção de spam, diagnóstico médico.

Aprendizado de Máquina Não Supervisionado

Ao contrário do aprendizado supervisionado, o aprendizado não supervisionado confronta o algoritmo com conjuntos de dados não rotulados, onde deve identificar padrões e estruturas por conta própria. Utilizando técnicas como agrupamento e redução de dimensionalidade, essa abordagem busca extrair informações sem orientação explícita, revelando estruturas intrínsecas nos dados.

Principais características:

  • Utiliza dados não rotulados.
  • Objetivo: Descobrir padrões, estruturas ou grupos.
  • Exemplos: Agrupamento de consumidores para análise de mercado, detecção de anomalias.

Comparação entre os dois tipos de aprendizado de máquina

1. Supervisionado vs. Não Supervisionado: Objetivos

  • O aprendizado supervisionado busca prever resultados específicos.
  • O aprendizado não supervisionado explora padrões e estruturas sem objetivos pré-definidos.

2. Dados: Rotulados vs. Não Rotulados

  • O supervisionado requer dados rotulados para treinamento.
  • O não supervisionado trabalha com dados não rotulados, dependendo da autonomia do modelo para encontrar padrões.

3. Aplicações Práticas

  • Supervisionado é ideal para previsões e classificações precisas.
  • Não supervisionado é valioso na descoberta de informações ocultas e clusterização, por exemplo.

A aprendizagem de máquina é uma área muito rica e diversificada, que pode ser aplicada a diversos domínios e problemas. A escolha entre a aprendizagem supervisionada e a não supervisionada depende do tipo e da qualidade dos dados disponíveis, do objetivo e da complexidade da tarefa, e dos recursos e das limitações do sistema. Ambas as formas de aprendizagem têm suas vantagens e desafios, e podem ser complementares ou integradas em soluções híbridas ou semi-supervisionadas. O importante é entender os princípios e as técnicas de cada uma, e saber como avaliar e melhorar os resultados obtidos.

Stéfany é Editora do Blog BiT. Para saber mais sobre ela, acesse:

LinkedIn: https://www.linkedin.com/in/stefany-coimbra/

Instagram: @ster.coimbra

GitHub: https://github.com/stefanycoimbra

Linktree: https://linktr.ee/stefanycoimbra

Stéfany é apaixonada por tecnologia e também redatora do Blog BiT! É uma dev mineira, adora pão de queijo, pizza e de participar de Hackathons.

Estudante de Engenharia de Computação na Unifei — Universidade Federal de Itajubá, tem muito interesse em tópicos de Inteligência Artificial e Segurança da Informação. Já foi integrante da Equipe Uai!rrior de Robótica por quase 3 anos, maratonista de programação e, no ano de 2023, foi parar do outro lado do mundo na Coreia do Sul, fruto de um intercâmbio na KNU — Kyungpook National University, Daegu.

--

--

Stéfany Coura Coimbra
Brazilians in Tech

I'm passionate about tech, games, series, movies, travel, writing, programming and pizza!