跳到主要内容
Learn Motion
探索课程产品能力价格

下载 Learn Motion

用手机扫描二维码,下载 App。

App Store

扫码从 App Store 下载 Learn Motion打开商店页面

Google Play

扫码从 Google Play 下载 Learn Motion打开商店页面
登录
Learn Motion

Como a Inteligência Artificial Realmente Aprende

1O que significa 'aprender' para uma máquina2Erro, ajuste e o ciclo de aprendizado3Como o modelo encontra a direção do ajuste4Generalizar: aprender além dos exemplos vistos5Os principais paradigmas de aprendizado6Redes neurais e aprendizado profundo7Avaliar, diagnosticar e melhorar o aprendizado
O que significa 'aprender' para uma máquina

Tarefa, dados e desempenho: as três peças de qualquer aprendizado

2 / 2
No exemplo do imóvel, as três peças aparecem separadas com clareza. Prever o preço é a tarefa. Os imóveis já vendidos, com área, quartos, bairro e preço pago, são os dados. E o erro médio entre o preço previsto e o preço real é a medida de desempenho. Perceba que prever e medir são coisas distintas: a previsão é a saída do sistema, e a comparação com o valor real é o que permite dizer se essa saída foi boa. Sem essa comparação, o sistema até produz números, mas ninguém saberia se eles melhoraram em relação ao que havia antes.
0:00 / 0:00

Os três elementos

  • Tarefa: o que o sistema deve produzir — prever um valor, atribuir uma categoria, agrupar casos semelhantes, escolher uma ação.
  • Dados: os exemplos que servem de experiência, com as informações de entrada e, quando houver, o resultado esperado.
  • Desempenho: a medida que indica o quão bem o sistema cumpre a tarefa, comparando suas saídas com o que se esperava.

Estimar o preço de um imóvel

Tarefa: prever o preço de venda de um imóvel. Dados: imóveis já vendidos, cada um com área, número de quartos, bairro e o preço realmente pago. Desempenho: o erro médio entre o preço previsto e o preço real. Se o sistema prevê duzentos mil para um imóvel vendido por duzentos e vinte mil, o erro é de vinte mil; a média desses erros sobre muitos imóveis indica o desempenho. Mudar a tarefa, os dados ou a medida produz um sistema diferente, mesmo que a estrutura do modelo seja a mesma.

Uma assimetria que importa

A tarefa e a medida de desempenho são escolhidas por quem projeta o sistema; os dados vêm do mundo e trazem as limitações do que foi observado. Por isso, um desempenho bom nos exemplos disponíveis não garante bom desempenho em situações que os dados não representam.

上一页2 / 2下一页

Learn Motion

生成课程,认真学会。

运营方:Wuhan Daoyin Technology Co., Ltd.

联系我们: [email protected]
隐私政策用户服务协议

© 2026 Learn Motion