1.1. O Que é Machine Learning?¶

Machine Learning (Aprendizado de Máquina) é um subcampo da Inteligência Artificial que utiliza algoritmos estatísticos para permitir que sistemas "aprendam" com dados, identificando padrões e tomando decisões com intervenção humana mínima.

O Machine Learning é essencialmente Estatística computacional em ação. Enquanto a Estatística tradicional foca em inferência e testes de hipóteses, o ML prioriza a predição e a automatização. Ambas compartilham:

• Modelos de regressão e classificação
• Técnicas de validação cruzada
• Métricas de desempenho (RMSE, AUC-ROC)
• Tratamento de viés e variância

1.2. Principais Categorias¶

1. Aprendizado Supervisionado (Dados rotulados - Regressão/Classificação) Ex: Prever preços de imóveis (Regressão Linear) ou diagnosticar doenças (Árvores de Decisão)
2. Aprendizado Não-Supervisionado (Dados não rotulados - Clusterização) Ex: Segmentação de clientes (K-Means), Redução de dimensionalidade (PCA)
3. Aprendizado por Reforço (Sistemas que aprendem por tentativa e erro) Ex: Jogos autônomos, Robótica

1.3. Por Que Combinar Estatística e ML?¶

1.4. Aplicações Práticas¶

🏥 Saúde: Diagnóstico de câncer com redes neurais