Aprendizado Supervisionado e Não Supervisionado
Com gabarito e sem: no aprendizado supervisionado, o modelo treina com exemplos rotulados, transações marcadas como fraude ou não, empréstimos pagos ou não, e aprende a prever o rótulo de casos novos; no não supervisionado, recebe dados sem resposta certa e descobre estruturas sozinho, grupos, padrões, anomalias, que ninguém havia nomeado.
Exemplo Prático
O score de crédito é supervisionado: o gabarito histórico (pagou ou não) ensina a fronteira. A segmentação de clientes é não supervisionada: o algoritmo agrupa perfis parecidos de investidores, e cabe ao humano interpretar e batizar os grupos que emergiram, o conservador digital, o arrojado de primeira viagem.
PlatomAI Explica
A dupla organiza metade do machine learning aplicado: supervisionado responde perguntas que têm resposta histórica; não supervisionado revela perguntas que ninguém tinha feito. A régua prática desta casa está na qualidade do gabarito: modelo supervisionado vale o que valem seus rótulos, dados históricos enviesados ensinam fronteiras enviesadas, e no não supervisionado, vale a interpretação: o algoritmo entrega os grupos, e o significado deles, como sempre nesta vertical, continua sendo trabalho de gente.