O Que É ML
Para acompanhar o código deste curso, é útil concluir os seguintes cursos primeiro, a menos que esses tópicos já sejam familiares:
Aprendizado de máquina (ML) é uma abordagem de programação em que computadores aprendem a partir de dados para resolver uma tarefa, em vez de receberem instruções explícitas.
Considere o exemplo de um classificador de spam/ham (não spam).
Construir um sistema desse tipo com uma abordagem tradicional de programação (sem ML) é difícil, pois exige a escrita de regras explícitas, até mesmo a compilação manual de uma lista de palavras de spam.
Com o aprendizado de máquina, o modelo é treinado com muitos exemplos de e-mails de spam e legítimos (ham) e aprende sozinho os padrões que os distinguem.
Os dados fornecidos para o treinamento são chamados de conjunto de treinamento. Neste caso, consiste em e-mails já rotulados como spam ou legítimos, o que permite ao modelo captar as características de ambas as categorias.
Após o treinamento, o modelo é avaliado usando um conjunto de teste – uma coleção separada de e-mails rotulados. Esta etapa verifica o quão bem o modelo generaliza para novos dados não vistos.
Obrigado pelo seu feedback!
Pergunte à IA
Pergunte à IA
Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo
Can you explain more about how the training and test sets are created?
What are some common features used to classify emails as spam or ham?
How does the model actually learn to distinguish between spam and ham?
Awesome!
Completion rate improved to 3.13O Que É ML
Deslize para mostrar o menu
Para acompanhar o código deste curso, é útil concluir os seguintes cursos primeiro, a menos que esses tópicos já sejam familiares:
Aprendizado de máquina (ML) é uma abordagem de programação em que computadores aprendem a partir de dados para resolver uma tarefa, em vez de receberem instruções explícitas.
Considere o exemplo de um classificador de spam/ham (não spam).
Construir um sistema desse tipo com uma abordagem tradicional de programação (sem ML) é difícil, pois exige a escrita de regras explícitas, até mesmo a compilação manual de uma lista de palavras de spam.
Com o aprendizado de máquina, o modelo é treinado com muitos exemplos de e-mails de spam e legítimos (ham) e aprende sozinho os padrões que os distinguem.
Os dados fornecidos para o treinamento são chamados de conjunto de treinamento. Neste caso, consiste em e-mails já rotulados como spam ou legítimos, o que permite ao modelo captar as características de ambas as categorias.
Após o treinamento, o modelo é avaliado usando um conjunto de teste – uma coleção separada de e-mails rotulados. Esta etapa verifica o quão bem o modelo generaliza para novos dados não vistos.
Obrigado pelo seu feedback!
