Supervised
GalilAI

Depende de dados em que o rótulo verdadeiro é indicado. Exemplo: ensinar um computador a distinguir entre fotos de gatos e cães, com cada imagem marcada como “gato” ou “cão”. A rotulagem é normalmente realizada por humanos para garantir alta qualidade de dados. Tendo aprendido a diferença, o algoritmo ML agora pode classificar novos dados e prever rótulos ("gato" ou "cachorro") em imagens inéditas.

Unsupervised
GalilAI

Desprende um algoritmo de aprendizado dos rótulos usados na aprendizagem supervisionada. Geralmente envolve o fornecimento do algoritmo ML com uma grande quantidade de dados em todos os aspectos de um objeto. Exemplo: apresentado com imagens de gatos e cães que não foram rotulados, ML não supervisionado pode separar as imagens em dois grupos com base em algumas características inerentes das imagens.

Reinforcement Learning

Exemplo: aprender a jogar xadrez. ML recebe informações sobre se um jogo foi ganho ou perdido. O programa não tem todos os movimentos do jogo marcados como bem-sucedidos ou não, mas só conhece o resultado de todo o jogo. O algoritmo ML pode então jogar um número de jogos, cada vez dando importância àqueles movimentos que resultam em uma combinação vencedora.