Afinal, o que vem a ser Machine learning?
O Machine Learning (do inglês, Máquinas Aprendendo) foi criado para auxiliar a identificar o comportamento de um usuário, auxiliando a formar perfis para serem explorados com ações de marketing.
Esta prática já é muito utilizada no mercado online, no qual, quando acessamos um determinado anúncio, as próximas propagandas direcionadas são sobre o assunto que fizemos uma busca anterior. Neste caso, os computadores analisam e “aprendem” o perfil do usuário, indicando melhores preços, produtos de mais qualidade, entre outros.
O uso ininterrupto dos usuários via dispositivos móveis utilizando a localização real (GPS), junto a diferentes informações, como as postadas em redes sociais de fotos e as disponibilizadas em comentários em portais web, começam a traçar diversos perfis de usuários, não somente para pesquisa de mercado e usos de marketing, mas também para modelagem de aplicações, melhor desenvolvimento de websites, melhoria no uso de recursos, BI (Business Inteligence) com os dados retirados, venda de informações etc.
Estas máquinas que trabalham no modo “learning” podem tratar dados de maneira independente e, quando qualquer informação que for interceptada, lida e normalizada para o uso da inteligência artificial, pode haver mutação e trazer retornos absurdos.
Existem diversos usos para este tipo de dado, incluindo análise preditiva com informações históricas, descrição de pessoas via hábitos, detecção de doenças por perfil de usuário, entre outros. Sem dúvida, existe um grande mercado a ser trabalhado para este tipo de leitura.
A aprendizagem de máquinas é um campo de informática que utiliza técnicas estatísticas para dar aos sistemas informáticos a capacidade de "aprender " (por exemplo, melhorar progressivamente o desempenho numa tarefa específica) com dados, sem ser explicitamente programado. O nome Machine Learning foi criado em 1959 por Arthur Samuel, que evoluiu do estudo do reconhecimento de padrões e da teoria da aprendizagem computacional na inteligência artificial. Machine Learning explora o estudo e a construção de algoritmos que podem aprender e fazer previsões sobre os dados – tais algoritmos superam seguindo instruções de programa estritamente estáticos, fazendo previsões ou decisões orientadas a dados, através da criação de um modelo a partir de entradas de exemplo.
A aprendizagem de máquina é empregada em uma série de tarefas de computação onde projetar e programar algoritmos explícitos com bom desempenho é difícil ou inviável; exemplos de aplicativos incluem filtragem de e-mail, detecção de intrusos de rede e visão computacional. Atualmente, na prática o conceito de Machine Learning vem sendo utilizado nos seguintes nichos:
Medical diagnosis
Economics
Insurance
Natural language processing
Natural language understanding
Optimization and metaheuristic
Online advertising
Recommender systems
Robot locomotion
Search engines
Sentiment analysis (or opinion mining)
Sequence mining
Software engineering
Speech and handwriting recognition
Financial market analysis
Structural health monitoring
Syntactic pattern recognition
Time series forecasting
User behavior analytics
Translation
Automated theorem proving
Adaptive websites
Affective computing
Bioinformatics
Brain–machine interfaces
Cheminformatics
Classifying DNA sequences
Computational anatomy
Computer Networks
Telecommunication
Computer vision, including object recognition
Detecting credit-card fraud
General game playing
Information retrieval
Internet fraud detection
Linguistics
Marketing
Machine learning control
Machine perception
Bibliografica:
Machine Learning : A Probabilistic Perspective, By (author) Kevin P. Murphy. Data Mining , by Witten, Ian H.; Frank, Eibe; Hall, Mark A
Wikipedia, https://en.wikipedia.org/wiki/Machine_learning
Exemplo aplicado:
https://www.youtube.com/watch?v=x6zshJqLPwY