Resposta curta
Aprendizado de máquina desenvolve modelos que convertem dados em previsões ou decisões, com avaliação ligada ao uso real, às restrições e ao comportamento em produção.
Sobre Aprendizado de máquina
Aprendizado de máquina desenvolve e avalia modelos que geram previsões ou decisões úteis a partir de dados. Abrange formulação do problema, avaliação, implantação e acompanhamento do comportamento do modelo.
Use esta competência para
- Funções que constroem ou avaliam modelos de previsão, classificação, ordenação, recomendação ou decisão.
- Trabalhos em que padrões aprendidos podem melhorar um resultado mensurável além de uma referência simples.
Não use esta competência para
- Não use quando regras determinísticas ou análises descritivas resolvem a necessidade sem manter um modelo preditivo.
Diferenças importantes
Raciocínio estatístico
Raciocínio estatístico prioriza inferência e incerteza; aprendizado de máquina prioriza desempenho preditivo ou decisório em uso.
Análise de dados
Análise responde perguntas com evidências existentes; aprendizado de máquina generaliza um modelo para novas entradas.
Expectativas por nível
IC1
IC1: Modelos delimitados
Implementa e avalia um modelo bem definido, com orientação, base aprovada e referência acordada. Evita vazamentos evidentes e documenta limites de desempenho.
Comportamentos observáveis
- Constrói um fluxo reproduzível de treino e avaliação.
- Compara o resultado do modelo com uma referência simples previamente acordada.
- Confere se cada atributo estaria disponível no momento real da previsão.
Exemplos
- Treina um classificador de chamados e compara erros por classe com uma regra de palavras-chave.
- Ao reproduzir uma previsão de demanda, encontra uma variável posterior ao período na validação.
IC2
IC2: Casos em produção
Formula e entrega de forma independente um caso de uso da equipe. Escolhe critérios ligados à decisão e planeja monitoramento de dados, previsões e resultados.
Comportamentos observáveis
- Traduz o caso em alvo, decisão e custo mensurável dos diferentes erros.
- Desenha uma validação que representa o período e a população de uso.
- Define acompanhamento de entradas, previsões, resultados e gatilhos de novo treino.
Exemplos
- Constrói um modelo de evasão e escolhe o corte considerando capacidade de atendimento e falsos positivos.
- Desenvolve uma ordenação com validação temporal e acompanha segmentos de itens recém-chegados.
IC3
IC3: Sistemas de modelos
Lidera sistemas complexos usados por várias equipes e define padrões de revisão para utilidade, segurança e manutenção. Resolve trocas entre qualidade e restrições operacionais.
Comportamentos observáveis
- Define critérios de revisão para linhagem, avaliação, alternativa de segurança e monitoramento.
- Compara erros entre grupos e direciona mudanças quando há impacto operacional desigual.
- Decide substituição ou retirada com base em desempenho real e custo de manutenção.
Exemplos
- Estabelece uma revisão comum para modelos de risco e exige comportamento alternativo antes da publicação.
- Lidera a migração de recomendações comparando resultado online, latência, grupos e possibilidade de retorno.