Machine Learning e IA, muito mais que IF e Else

Olá pessoal! Hoje num grupo de estudo que participo no facebook, a galera postou um meme, onde falava que Machine Learning e IA era só "If", "elif" e "else". Tirando a brincadeira, percebi que muita gente do próprio grupo possui uma visão bem rasa do Machine Learning e a funcionalidade da IA. Como hoje meu foco de estudo é a Machine Learning + o Python, quero trazer a mesma informação que eu passei para meus colegas.

Nós que estudamos qualquer área de T.I, já pegamos alguma cadeira de "Perceptron". O Perceptron é uma unidade básica de processamento inspirada no funcionamento dos neurônios no cérebro, e seu estudo nos dá uma sólida visão de problemas práticos em machine learning e IA.

Há uma parte importante no estudo de Machine Learning e no Perceptron que se chama "Arvore de decisão". É um modelo de representação gráfica de decisões e suas possíveis consequências, e usamos ela para resolver problemas de classificação e regressão. A arvore trás interpretações e explicações, e permitem que os analistas compreendam facilmente o raciocínio por trás de uma decisão específica.

Esse conjunto de informações nos dá, também, a possibilidade de formar grandes conjuntos de algoritmos ( Randon Forest ) que melhora ainda mais a precisão. Regressão linear, regressão logística, Maquina de vetores de suporte, K-NN( chamado de vizinhos ), redes neurais artificias e etc..., fazem parte dessa área de estudo, não é um bicho de 7 cabeças, mas também não é algo simples e que não necessite de estudos rígidos de matemática e estatística.

Cada algoritmo possui suas próprias características e, é mais adequado para diferentes tipos de problemas. O avanço da IA não é só criação de imagem ou Chat-GPT! Envolve o desenvolvimento e refinamento contínuo desses algoritmos, bem como a criação de novas abordagens e técnicas.

Espero ter ajudado, assim como estudante procuro entender as demais linguagens e suas sintaxes.