O aprendizado de máquina é a área da computação que estuda técnicas que permitem que sistemas computacionais “aprendam” a realizar tarefas com base em dados prévios sobre o problema, sem serem explicitamente programados para a tarefa.
A grande maioria das estratégias de aprendizado de máquina realizam o chamado aprendizado indutivo, que se baseia no processo de Indução para derivar conclusões genéricas sobre um conjunto particular de conhecimento e observações empíricas. A ideia básica é apresentar uma série de exemplos a um algoritmo, que fará o processo de indução para, a partir os exemplos e dados de situações específicas, obter hipóteses capazes de inferir conclusões sobre novos dados.
Os algoritmos de aprendizado de máquina podem ser aplicados na resolução dos mais diversos problemas. Por essa razão há uma grande variedade de algoritmos especializados em classes específicas de problemas. Geralmente a classificação dos algoritmos é dada de acordo com o tipo de tarefa a ser realizada.
Todo algoritmo de aprendizado de máquina possui algum Viés, e é importante balancear esse viés para prevenir Underfitting e overfitting.
Aprendizado supervisionado
Aprendizado não supervisionado
Aprendizado por reforço