Olá pessoal,
Espero que estejam bem
Confirmando a resposta correta da primeira pergunta é: Modelo desenvolvido baseado em dados que apresentam rótulos ou valores a serem previstos.
Vamos lá pro resultado do nosso sorteiro. Preparados?
O ganhador do Moletom Estatistica + Caneca Personalida SAS é: Fernando Lima
O ganhador do Kit Mochila + Caneca Personalida SAS é: Emmanuel Luiz da Silva
Os ganhadores do Kit Churrasco + Caneca Chopp é: Camila Teixeira e Taiane Volcan
PARABÉNSS pessoal 🤜🤛
Fiquem de olho nos e-mail de vocês.
Mais uma vez obrigada pela interação de todos e conto com vocês no proximo evento com mais novidades.
Nos vemos nos eventos do proximo ano. Um Feliz 2022 a todos 🎉
Fiquem a vontade em dar ideias.
Obrigada ❤️
Neste caso há uma variável específica a ser explicada, então não faz sentido em criar o conjunto de dados de treino, pois também não será possível avaliar a assertividade do modelo. No machine learning não superviosionado o que se busca é encontrar padrões, perfis, itens semelhantes.
Recebem apenas dados de entrada.
São modelos que a natureza dos dados diz quais categorias eles podem assumir. Exemplo - cluster.
O não supervisionado procura padrões nos dados em bases que não possuem referencias que possibilitem a predição com o emprego de modelos. Utilizado para segmentação.
Diferentemente do aprendizado supervisionado, modelos não supervisionados agrupam os dados sem a supervisão de "tags" ou rótulos dos dados, descobrindo padrões ocultos, ou não visíveis ao usuário.
São modelos que não possuem variável resposta. Ou seja, não existem resultados pré-definidos para o modelo utilizar como referência para aprender.
São modelos que só recebem os dados de entrada e sua função é descobrir os relacionamentos entre os dados apresentados.
São modelos cujos dados não possuem classificação e por isso não possuem capacidade inferencial. São exemplos: clusterização, análise fatorial de componentes principais, etc.
Build your skills. Make connections. Enjoy creative freedom. Maybe change the world. Registration is now open through August 30th. Visit the SAS Hackathon homepage.
Register today!