Em vez de ser explicitamente programado para cada tarefa, um modelo de Machine Learning "aprende" através da experiência (dados).

Como funciona (simplificado):

- Dados de Treinamento: Um algoritmo recebe um grande conjunto de dados de exemplo.

- Identificação de Padrões: O algoritmo analisa esses dados para encontrar padrões e relações.

- Criação de um Modelo: Com base nos padrões, o algoritmo cria um "modelo" que pode fazer previsões ou tomar decisões.

- Inferência: Quando novos dados são apresentados ao modelo, ele usa o que aprendeu para realizar a tarefa.

Exemplos:

- Sistemas de recomendação: "Clientes que compraram X também compraram Y."

- Filtros de spam: Classificando e-mails como spam ou não.

- Reconhecimento facial: Identificando pessoas em fotos.

- Carros autônomos: Aprendendo a dirigir com base em dados de sensores.

Fonte: Gemini