Algoritmo

Algoritmos de Aprendizado Supervisionado

Neste modelo, o algoritmo aprende a partir de dados que já possuem a resposta correta (rótulos).

• Regressão Linear: Usado para prever valores numéricos contínuos, como o preço de uma casa ou a temperatura.

• Árvores de Decisão: Segue uma estrutura de "fluxograma" para tomar decisões baseadas em condições simples (Sim ou Não).

• Support Vector Machines (SVM): Separa os dados em diferentes categorias usando uma "fronteira" matemática de máxima distância.

Algoritmos de Aprendizado Não Supervisionado

O algoritmo tenta encontrar padrões ocultos em dados que não possuem rótulos ou respostas prontas.

• K-Means (Clustering): Agrupa pontos de dados semelhantes em grupos (clusters) automaticamente.

• PCA (Principal Component Analysis): Reduz a complexidade de grandes conjuntos de dados, mantendo apenas as informações mais importantes.

• Association Rules: Descobre regras que descrevem seus dados, como "quem compra pão também compra manteiga".

Algoritmos de Busca e Ordenação

São a base da computação clássica e essenciais para a Engenharia de Dados.

• Binary Search: Encontra a posição de um item em uma lista ordenada de forma extremamente rápida.

• Quick Sort: Um dos métodos mais eficientes para organizar uma lista bagunçada em ordem alfabética ou numérica.

• Dijkstra: Algoritmo famoso usado em mapas (como o Google Maps) para encontrar o caminho mais curto entre dois pontos.