Conceber sistemas de aprendizagem automática

Capítulo 1. Visão geral dos sistemas de aprendizagem automática

Este trabalho foi traduzido com recurso a IA. Agradecemos o teu feedback e comentários: [e-mail]

Em novembro de 2016, a Google anunciou que tinha incorporado o seu sistema de tradução automática neural multilingue no Google Translate, marcando uma das primeiras histórias de sucesso de redes neurais artificiais profundas em produção à escala.¹ De acordo com a Google, com esta atualização, a qualidade da tradução melhorou mais num único salto do que nos 10 anos anteriores juntos.

Este sucesso da aprendizagem profunda renovou o interesse na aprendizagem automática (ML) em geral. Desde então, cada vez mais empresas se voltaram para o ML para encontrar soluções para os seus problemas mais difíceis. Em apenas cinco anos, o ML entrou em quase todos os aspectos das nossas vidas: como acedemos à informação, como comunicamos, como trabalhamos, como encontramos o amor. A disseminação do ML tem sido tão rápida que já é difícil imaginar a vida sem ele. No entanto, ainda há muitos mais casos de utilização do ML à espera de serem explorados em domínios como os cuidados de saúde, os transportes, a agricultura e até para nos ajudar a compreender o universo.²

Muitas pessoas, quando ouvem "sistema de aprendizagem automática", pensam apenas nos algoritmos de aprendizagem automática utilizados, como a regressão logística ou diferentes tipos de redes neurais. No entanto, o algoritmo é apenas uma pequena parte de ...