No que se refere a conceitos de business intelligence, data ...

Gabarito: C - Certo

O enunciado aborda o conceito de machine learning (aprendizado de máquina), que é de fato um subconjunto da inteligência artificial (AI). Machine learning é uma área da AI focada no desenvolvimento de algoritmos que permitem que computadores aprendam a partir de dados. Este aprendizado pode ser supervisionado, não supervisionado ou por reforço, e visa melhorar o desempenho do sistema em alguma tarefa específica de forma autônoma, sem ser explicitamente programado para isso.

A capacidade de melhorar o desempenho ou fazer previsões mais precisas com o passar do tempo, à medida que mais dados são coletados e analisados, é uma característica central do machine learning. Isso é possível através de algoritmos que ajustam seus parâmetros internos — o que pode ser entendido como a "experiência" mencionada no enunciado.

Na prática, os sistemas de machine learning são capazes de identificar padrões complexos nos dados que seriam difíceis ou impossíveis de serem descobertos por humanos. Aplicações comuns incluem reconhecimento de fala, recomendação de produtos, diagnósticos médicos, detecção de fraudes financeiras, entre muitas outras.

Portanto, a afirmação que machine learning utiliza algoritmos para analisar grandes volumes de dados, e permite que um sistema aprenda e melhore com base na experiência, está correta, pois captura a essência de como o aprendizado de máquina opera dentro do campo maior da inteligência artificial.

Machine learning (aprendizado de máquina) é um subcampo da inteligência artificial que se concentra no desenvolvimento de algoritmos e modelos de computador que permitem que sistemas aprendam e melhorem com a experiência. Em vez de serem explicitamente programados para executar uma tarefa específica, os sistemas de machine learning são projetados para aprender a partir de dados e tomar decisões com base nesse aprendizado.

O aprendizado de máquina envolve o treinamento de modelos em conjuntos de dados históricos, nos quais os algoritmos identificam padrões e tendências. Esses modelos podem então ser usados para fazer previsões ou tomar ações em novos conjuntos de dados. Existem várias abordagens de machine learning, incluindo aprendizado supervisionado, não supervisionado, reforçado e muitas outras técnicas.

O machine learning é amplamente utilizado em uma variedade de aplicações, como reconhecimento de padrões, processamento de linguagem natural, visão computacional, sistemas de recomendação, previsões financeiras, diagnóstico médico e muito mais. É uma área em constante evolução e desempenha um papel fundamental na automação de tarefas e na tomada de decisões baseadas em dados.

Aprendizado de Máquina (Machine Learning) é um ramo da Inteligência Artificial em que os sistemas aprendem sozinhos (são autoprogramáveis) através de padrões/regras e tomam decisões com base nesses dados.

OBS: pode ser supervisionado por humano ou não.

Só grandes volumes de dados? Creio que não.

C

Sabe ou lembra quando você passa a assistir, no Youtube ou na netflix, determinados tipos de vídeos ou filmes, e do nada aparece só aquilo para você assitir? Então, isso é Marchine learning. Ou seja, à medida que, como neste exemplo, você assiste algo, os algoritmos entenderam do que você gosta e irá te mandar só isso.

*Um exemplo clássico de ML é os cookies, aqueles arquivos que, ao entrar em site, aparecem para você, que pode ser aceitos ou rejeitados, para armazenar o que você está navegando e provê-los na próxima navegação.

Há de se atentar, também, o que é, de fato, um subconjunto, pois a questão pode(e há questões) inverter IA e marchine learning.

Por que o marchine learning é um subconjunto da IA? Porque tudo que há naquele tem neste.

Ou seja, o conjunto A será subconjunto de B, se tudo que há em A há em B.

c-

Machine learning (ML) is a field of study in artificial intelligence concerned with the development and study of statistical algorithms that can learn from data and generalize to unseen data, and thus perform tasks without explicit instructions.There is a close connection between machine learning and compression. A system that predicts the posterior probabilities of a sequence given its entire history can be used for optimal data compression (by using arithmetic coding on the output distribution). Conversely, an optimal compressor can be used for prediction (by finding the symbol that compresses best, given the previous history).

https://en.wikipedia.org/wiki/Machine_learning