Introdução

O aprendizado de máquina é, em muitos aspectos, a interseção de duas disciplinas : ciência de dados e engenharia de software. O objetivo do aprendizado de máquina é usar dados para criar um modelo preditivo que possa ser incorporado a um aplicativo ou serviço de software. Para atingir essa meta, é necessário colaboração entre cientistas de dados que exploram e preparam os dados antes de usá-los para treinar um modelo de machine learning e desenvolvedores de software que integram os modelos em aplicativos em que eles são usados para prever novos valores de dados (um processo conhecido como inferência).

O machine learning tem suas origens em estatísticas e modelagem matemática de dados. A ideia fundamental do aprendizado de máquina é usar dados de observações passadas para prever resultados ou valores desconhecidos. Por exemplo:

• O proprietário de uma sorveteria pode usar um aplicativo que combina vendas históricas e registros meteorológicos para prever quantos sorvetes eles provavelmente venderão em um determinado dia, com base na previsão do tempo.
• Um médico pode usar dados clínicos de pacientes anteriores para executar testes automatizados que prevêem se um novo paciente está em risco de diabetes com base em fatores como peso, nível de glicose no sangue e outras medidas.
• Um pesquisador na Antártida pode usar observações passadas para automatizar a identificação de diferentes espécies de pinguins (como Adelie, Gentoo ou Chinstrap) com base em medidas das nadadeiras, do bico e de outros atributos físicos das aves.