possível parsear dados, aprender com eles e fazer classificações ou predições em massa. Ao invés de criarmos algoritmos cheios de regras específicas para executar uma tarefa, treinamos a máquina com datasets enormes para que ela aprenda como executar a tarefa por si só.
então trabalha para descobrir padrões e agrupar tipos similares de dados ou entidades. Uma grande quantidade de dados é alimentada ao algoritmo que então trabalha para descobrir padrões e agrupar tipos similares de dados ou entidades. O algoritmo interage com um ambiente dinâmico onde deve executar determinada tarefa. A partir disso são oferecidos feedbacks positivos ou negativos quanto ao desempenho frente à tarefa. Unsupervised learning Reinforcement learning Supervised learning Tipos de algoritmos
então trabalha para descobrir padrões e agrupar tipos similares de dados ou entidades. Uma grande quantidade de dados é alimentada ao algoritmo que então trabalha para descobrir padrões e agrupar tipos similares de dados ou entidades. O algoritmo interage com um ambiente dinâmico onde deve executar determinada tarefa. A partir disso são oferecidos feedbacks positivos ou negativos quanto ao desempenho frente à tarefa. Unsupervised learning Reinforcement learning Supervised learning Tipos de algoritmos
fica recomendando sempre coisas parecidas e precisa de pessoas muito entendidas de cada item pra classificar cada um direito, já que isso afeta a sua recomendação..