Diferença entre machine learning e deep learning
Tanto machine learning (aprendizado de máquina) quanto deep learning (aprendizado profunda) são termos bastante utilizados quando o tema é inteligência artificial. Apesar destes dois conceitos ajudarem as máquinas evoluírem e “pensarem” semelhantes a seres inteligentes como nós, humanos, não são a mesma coisa.
Pense como um sendo a evolução do outro, e estando diretamente ligado ao conceito anterior. Formando a base, sendo pilares da IA.

O que é machine learning?
Nessa abordagem é necessário dados. Com um volume de dados os algoritmos, organizam, reconhecem padrões, dessa forma, fazem com o que as máquinas aprendam, criando modelos para tomada de decisões.
Esses algoritmos, são instruções, passo-a-passo que devem ser executados com essa base de dados afim de identificar padrões. O termo parece novo, mas em 1956 as definições de inteligência ja eram conhecidas. Mas a tecnologia de hardware da época não permitia a evolução e por em prática toda a teoria estudada. O Objetivo da aprendizagem de máquina é fazer os computadores encontrar respostas para coisas que eles não foram propriamente programados.
A Kizzy do Programação Dinâmica tem um vídeo que comenta e mostra um exemplo de como identificar as frutas de forma convencional, onde precisamos usar comparadores if/else. Em seguida o mesmo exemplo usando técnicas de aprendizagem de máquina.
Pensando numa análise de crédito onde temos o escore de crédito poderíamos fazer algo como:
def analisa_credito(escore:int, salario:int):
if escore > 900:
return salario * 3;
elif escore > 600:
return salario * 2;
else:
return 0
}
Mas sabemos que não existem apenas essas varáveis para analisar o crédito, e a medida que adicionamos mais propriedade referente a pessoa, como histórico de pagamentos de outros cartões, valores investido no banco ou bens, se tornaria mais difícil fazer um código para essa finalidade ser realmente eficaz. O ideal é termos uma base de dados, com diferentes características e créditos concedidos e a máquina aprender com eles. Ordenando, identificando padrões para tomar decisões.
Quando a máquina aprender com uma base de dados, o modelo gerado é capaz de tomar decisões “confiáveis” quando submetido a novos dados. Ao invés de programarmos todos os resultados esperados, deixamos o software calcular.
O que é deep Learning?
Como ja comentei, esses termos e conceitos já existem desde a década de 1950. A principal diferença era os hardwares existentes na época, e a quantidade de dados que existiam para treinar os modelos.Então a deep learning se desenvolveu por volta de 2010, no momento em que surgiram computadores mais avançados e houve o aumento da quantidade de dados.
Um artigo da Rebekah Carter publicado no dia 6 de setembro de 2022, nos traz alguns números da quantidade de dados que existem hoje como:
- As empresas geram cerca de 2,000,000,000,000,000,000 bytes de dados por dia
- Cada ser humano criou cerca de 1.7 MB de dados por segundo em 2020
É um número muito grande e incomum de vermos escritos dessa forma, com tantos zeros, referente a quantidade dados gerados por dia por uma empresa. Todo momento estamos gerado dados, nossos equipamentos pessoais, nossas redes sociais, nosso relógio. Tudo esta produzindo dados sobre nosso comportamento e são analisados, existem máquinas aprendendo com nosso comportamento nesse exato momento. Mas, com tantos dados, os algoritmos da Deep learning são considerados de alto nível, e tentam imitar a rede neural do cérebro humano.
Dessa forma, podemos pensar sobre esses algoritmos, que são diversas camadas, não lineares, que simultaneamente são capazes de identificar imagens, reconhecer a fala humana, e decodificar audio, e realizar tarefas mais avançadas sem a interferência humana.
[…] post que eu falei sobre a diferença entre machine Learn e Deep learning, comentei que para evoluir um […]