# Introdução

## Definição

**Machine Learning (ML)-** traduzindo para o português: ***Aprendizado de Máquina*** - é a prática de usar algoritmos para coletar dados, aprender com eles, e então fazer uma determinação ou predição sobre algo. O aprendizado de máquina tem tudo a ver com o uso do computador para "aprender" como lidar com problemas sem necessidade de "programação".

{% hint style="info" %}
O objetivo do aprendizado de máquina é prever os resultados com base nos dados recebidos. Quanto maior a variedade de amostras, mais fácil será encontrar padrões relevantes para prever este resultado.
{% endhint %}

Precisamos de aprendizado de máquina em casos em que seria difícil programar manualmente todas as variantes possíveis de um problema de classificação / previsão.

## Mapa atual das ferramentas de ML

![Imagem: https://vas3k.com/blog/machine\_learning/](/files/-M4RGY0HhLyjAvdCYOxX)

## Principais tipos de ML

Conforme pode ser visto acima, atualmente existem quatro direções principais no aprendizado de máquina:

* [ML Clássico](/machine-learning/ml-classico.md)
* [Aprendizagem por reforço](/machine-learning/aprendizado-por-reforco.md)
* [Métodos Ensemble](/machine-learning/metodos-ensemble.md)
* [Redes Neurais e Deep Learning](/machine-learning/redes-neurais-e-deep-learning.md)

{% hint style="success" %}
Sempre é importante lembrar: nunca há **uma única maneira** de resolver um problema no mundo da aprendizagem de máquinas. Há sempre **vários algoritmos adequados ao problema** e você precisa [escolher ](/machine-learning/como-escolher-o-algoritmo-ideal.md)qual deles se encaixa melhor.
{% endhint %}


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://carlossalesti.gitbook.io/machine-learning/master.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.