De maneira bem simples (beirando a genialidade) essas disciplinas podem ser definidas da seguinte forma:
- Mineração de Dados (Data Mining) é a arte de encontrar padrões nos dados;
- Aprendizado de Máquina é [uma ramificação da Ciência da Computação] que desenvolve tecnologia para inferência automatizada (sua caracterização original era como uma ramificação da engenharia).
Data mining é uma expressão inglesa ligada àinformática cuja tradução é mineração de dados. Consiste em uma funcionalidade que agrega e organiza dados, encontrando neles padrões,associações, mudanças e anomalias relevantes.
A expressão data mining surgiu pela primeira vez em 1990 em comunidades de bases de dado. A mineração de dados é a etapa de análise do processo conhecido como KDD (Knowledge Discovery in Databases), sendo a sua tradução literal "Descoberta de Conhecimento em Bases de Dado".
O data mining pode ser divido em algumas etapas básicas que são: exploração, construção de modelo, definição de padrão e validação e verificação.
A mineração de dados é uma prática relativamente recente no mundo da computação, e utiliza técnicas de recuperação de informação, inteligência artificial, reconhecimento de padrões e de estatística para procurar correlações entre diferentes dados que permitam adquirir um conhecimento benéfico para uma empresa ou indivíduo. Para uma empresa, o data mining pode ser uma importante ferramenta que potencia a inovação e lucratividade.
Mineração com aprendizagem de máquina
A mineração e análise de sentimentos é um campo de pesquisa que está se tornando cada vez mais utilizado dentro da Inteligência Artificial, e isso se deve ao fato de que através da utilização dessas técnicas, insatisfações e opiniões de clientes podem ser automaticamente percebidas.
Geralmente os usuários deixam suas impressões em forma de texto após terem tido suas experiências, tais como opiniões sobre viagens, hotéis, produtos ou serviços. Vamos supor que uma pessoa compre uma televisão da marca XYZ e após ter assistido alguns filmes, escreve a seguinte opinião em uma rede social: “Estou decepcionado e frustrado com esta televisão da XYZ, pois a resolução das imagens é ruim e o som é péssimo!”.
Neste contexto que aparece a análise automática de sentimentos, que visa buscar o sentimento predominante em textos por meio de técnicas de aprendizagem de máquina. Ela é também uma área do processamento de linguagem natural (PLN) e mineração de textos, que visam extrair conhecimento útil em informações textuais.
Aprendizagem de máquina
A aprendizagem de máquina é um campo da Inteligência Artificial que tem como objetivo fazer com que o computador aprenda por meio de treinamento, e depois, seja capaz de tomar decisões ou indicar respostas com base no que ele aprendeu.
É similar ao processo de como os humanos aprendem a tomar decisões ou a realizar determinadas tarefas. Considere o exemplo de um aluno que antes de uma prova de matemática, realiza muitos exercícios com o objetivo de aprender a como resolver as questões. Somente depois de fazer muitos exercícios é que este aluno estará apto a fazer a prova e testar os seus conhecimentos.
Os humanos utilizam processos cognitivos para aprenderem a resolver os problemas, enquanto que as máquinas precisam de algoritmos para que o processo de aprendizagem possa ocorrer.
A maioria desses algoritmos possui a característica de tomarem as decisões por meio da análise de conhecimentos prévios, o que indica que precisamos fornecer algum tipo de base de dados ao sistema para que ele possa fazer as inferências posteriores.
Existem basicamente duas abordagens para o aprendizado de máquina, que é a supervisionada e a não supervisionada. A primeira é caracterizada pelo fato de que existe a figura de um supervisor ou professor que ensina o algoritmo o que cada registro significa. No outro tipo de aprendizagem, não existe a figura do supervisor e o próprio algoritmo que deverá encontrar padrões nos dados.
