Como os modelos de IA são treinados: aprendizado supervisionado, não supervisionado, por reforço, transfer learning e muito mais

Pergunte a dez pessoas "como um modelo de IA é treinado?" e você recebe dez respostas diferentes, porque não existe um método único. O certo depende de duas perguntas: quais dados você tem e você está construindo um modelo do zero ou adaptando um que já existe? Acerte essas duas e todo o zoológico de termos - supervisionado, não supervisionado, por reforço, transfer learning, fine-tuning, RAG, RLHF - se encaixa em um mapa simples.

Este guia percorre esse mapa de ponta a ponta. Ele é neutro em relação ao provedor (os conceitos são os mesmos na AWS, Azure, Google Cloud e em qualquer outro lugar), mas foi escrito com as certificações fundamentais de IA em mente - o AWS AI Practitioner (AIF-C01), o Azure AI Fundamentals, o Google Cloud Generative AI Leader e seus pares testam exatamente essas ideias. Onde um exame se apoia em um conceito de uma maneira específica, há uma nota "No exame". Ele é longo; trate-o como uma referência que você percorre por seção.

As duas perguntas que organizam tudo

Há dois sentidos diferentes de "treinamento" que as pessoas costumam misturar:

1. Como um modelo aprende a partir dos dados - o paradigma de aprendizado. Trata-se do formato dos seus dados (rotulados? não rotulados? um sinal de recompensa?) e é o que decide qual família de algoritmos se aplica. Aprendizado supervisionado, não supervisionado, semissupervisionado, autossupervisionado e por reforço vivem aqui.
2. Como você adapta um modelo existente - a escada de customização. A IA moderna raramente começa do zero. Você pega um modelo de fundação pré-treinado e o adapta, de um ajuste barato de prompt até um retreinamento caro. Prompt engineering, RAG, fine-tuning e continued pre-training vivem aqui.

Mantenha os dois sentidos separados. O primeiro é "que tipo de problema de aprendizado é este?" O segundo é "dado um modelo que já existe, o quanto eu o mudo?" A maioria das questões de exame está, na verdade, perguntando em qual caixa um cenário se enquadra.

Parte 1: Os paradigmas de aprendizado

Aprendizado supervisionado

O que é. O modelo aprende a partir de exemplos rotulados - a entrada emparelhada com a resposta correta. Você mostra a ele milhares de e-mails marcados como spam ou não-spam, e ele aprende o mapeamento de e-mail para rótulo.

Por que. Quando você tem dados rotulados e um alvo claro a prever, essa é a abordagem mais direta e precisa. Ela é o que faz funcionar a maior parte do ML clássico em produção.

Como. Dois subtipos, conforme o que você prevê:

• Classificação - prever uma categoria (spam ou não, qual de 20 tipos de doença, fraude ou legítimo).
• Regressão - prever um número contínuo (preço de uma casa, demanda de amanhã, receita esperada).

Você divide seus dados rotulados, treina o modelo para minimizar o erro em relação às respostas conhecidas e mede o quão bem ele prevê exemplos reservados.

No exame. A frase-gatilho é "dados rotulados". Se um cenário lhe entrega entradas com saídas corretas conhecidas e pede que você preveja uma categoria ou um valor, é aprendizado supervisionado. Classificação vs regressão é decidido por a resposta ser uma classe ou um número.

Aprendizado não supervisionado

O que é. O modelo aprende a partir de dados não rotulados - sem respostas corretas fornecidas. Ele encontra estrutura por conta própria.

Por que. A maior parte dos dados do mundo real é não rotulada, e rotular é caro. Quando você quer descobrir padrões em vez de prever um alvo conhecido, esta é a ferramenta.

Como. As principais tarefas:

• Clustering - agrupar itens semelhantes (segmentação de clientes, agrupar documentos por tópico).
• Redução de dimensionalidade - comprimir muitas features em poucas mantendo o sinal (para visualização ou para acelerar modelos posteriores).
• Detecção de anomalias - sinalizar pontos que não se encaixam no padrão aprendido (fraude, intrusão, peças defeituosas).

No exame. O gatilho é "dados não rotulados" mais um objetivo como "segmentar", "agrupar" ou "encontrar o incomum". Clustering para segmentação de clientes é o exemplo não supervisionado mais comum que você verá.

Aprendizado semissupervisionado

O que é. Um meio-termo: uma pequena quantidade de dados rotulados mais um grande conjunto de dados não rotulados.

Por que. Rotular é custoso; muitas vezes você só consegue arcar com rotular uma fração. O aprendizado semissupervisionado usa os poucos rótulos para guiar o aprendizado sobre o conjunto não rotulado muito maior, obtendo resultados melhores do que os rótulos sozinhos permitiriam.

Como. Padrão típico: treinar no subconjunto rotulado, usar esse modelo para rotular os dados não rotulados (pseudo-rotulagem) e depois retreinar no conjunto combinado. Isso reduz o custo de anotação e pode melhorar a generalização.

Aprendizado autossupervisionado

O que é. O modelo cria seus próprios rótulos a partir dos dados brutos, de modo que nenhuma rotulagem humana é necessária. O exemplo clássico: esconder a próxima palavra em uma frase e treinar o modelo para prevê-la.

Por que. É assim que os modelos de fundação modernos e os grandes modelos de linguagem são pré-treinados. Há muito mais texto, imagem e código brutos na internet do que qualquer um poderia jamais rotular, e a previsão do próximo token (ou de token mascarado) transforma tudo isso em sinal de treinamento.

Como. O modelo é treinado para preencher ou prever partes da sua própria entrada em conjuntos de dados enormes. O resultado é um modelo base com amplo conhecimento geral - fluente, mas ainda não alinhado para seguir instruções ou corresponder às preferências humanas.

No exame. Você pode não ver "autossupervisionado" nomeado com frequência, mas precisa saber que um modelo de fundação é um modelo grande pré-treinado em dados massivos, em sua maior parte não rotulados, e que esse pré-treinamento é o que o torna adaptável a muitas tarefas posteriores.

Aprendizado por reforço (e RLHF)

O que é. Um agente aprende ao interagir com um ambiente: ele toma uma ação, recebe uma recompensa ou penalidade e se ajusta para maximizar a recompensa de longo prazo. Não há gabarito rotulado - apenas feedback sobre o quão boa foi uma ação.

Por que. Ele se encaixa em problemas de decisão sequencial onde o movimento "certo" não é conhecido de antemão: jogos, robótica, recomendação, sistemas de controle.

Como. O agente observa um estado, escolhe uma ação, recebe uma recompensa, move-se para um novo estado e repete - aprendendo gradualmente uma política (uma estratégia) que rende a maior recompensa ao longo do tempo.

RLHF (reinforcement learning from human feedback) é a aplicação celebridade. Depois que um modelo de linguagem é pré-treinado, humanos classificam suas saídas; essas classificações treinam um modelo de recompensa; então o aprendizado por reforço ajusta o modelo de linguagem para produzir saídas que o modelo de recompensa pontua como altas. Essa é uma das principais razões pelas quais os assistentes de chat modernos são úteis e alinhados, em vez de apenas fluentes.

No exame. O gatilho é "aprende com feedback / recompensas / tentativa e erro". Um chatbot que melhora ao ser recompensado por boas respostas é aprendizado por reforço. Saiba que o RLHF é como os LLMs são alinhados às preferências humanas.

Parte 2: O ciclo de vida do ML

O treinamento é uma etapa em um loop, não a coisa toda. O ciclo de vida padrão:

1. Enquadrar o problema - o que você está prevendo e o ML é sequer a ferramenta certa? (Às vezes uma regra simples vence um modelo.)
2. Coletar e preparar os dados - reunir, limpar e rotular se necessário.
3. Análise exploratória de dados (EDA) - inspecionar distribuições, correlações e qualidade antes de modelar.
4. Feature engineering - usar conhecimento de domínio para criar ou transformar variáveis de entrada que tornem os padrões mais fáceis de aprender.
5. Treinar - ajustar o modelo aos dados de treinamento.
6. Avaliar - medir o desempenho em dados que o modelo não viu.
7. Implantar - servir o modelo para previsões (isso é chamado de inferência).
8. Monitorar - ficar atento a drift e degradação, e retreinar quando necessário.

Divisão em treino, validação e teste. Você nunca julga um modelo pelos dados em que ele treinou. Divida os dados: o conjunto de treino ajusta o modelo, o conjunto de validação afina configurações e compara candidatos, e o conjunto de teste dá uma estimativa final e honesta em dados usados em nenhum outro lugar. Uma divisão comum é algo como 80/20, com a porção de treino dividida novamente para validação.

No exame. Saiba que inferência é usar um modelo treinado em dados novos (em oposição ao treinamento) e que feature engineering significa criar entradas melhores a partir de dados brutos usando conhecimento de domínio.

Parte 3: Ajuste e generalização

Todo o jogo é a generalização - ir bem em dados novos, não apenas nos dados de treinamento.

• Overfitting - o modelo memoriza os dados de treinamento (incluindo o ruído deles) e falha em dados novos. Sintoma: alta acurácia de treino, baixa acurácia em produção; ou acurácia que melhora e depois piora à medida que você treina por mais tempo. Correções: mais dados de treinamento (e mais variados), regularização, early stopping, dropout ou um modelo mais simples.
• Underfitting - o modelo é simples demais para capturar o padrão e vai mal até nos dados de treinamento. Correção: um modelo mais capaz, features melhores ou mais treinamento.
• Tradeoff viés-variância - o viés é o erro de um modelo simples demais (underfitting); a variância é o erro de um modelo complexo demais (overfitting). Mais complexidade reduz o viés, mas aumenta a variância. A arte está em equilibrar os dois.

No exame. "Ótimo nos dados de treinamento, ruim em produção" é a assinatura do overfitting; as respostas esperadas são mais dados, regularização ou early stopping. Não o confunda com underfitting (ruim em toda parte).

Parte 4: Como você mede um modelo

Você não pode melhorar o que não pode medir, e a métrica certa depende da tarefa.

Métricas de classificação.

• Acurácia - fração de previsões que estão corretas. Boa quando as classes estão balanceadas; enganosa quando não estão.
• Matriz de confusão - a tabela completa de verdadeiros positivos, falsos positivos, verdadeiros negativos e falsos negativos. Todo o resto é derivado dela.
• Precisão - dos itens que você sinalizou como positivos, quantos realmente eram. (Pune os falsos positivos.)
• Recall (sensibilidade) - dos itens verdadeiramente positivos, quantos você capturou. (Pune os falsos negativos.)
• F1 score - a média harmônica de precisão e recall, um único número equilibrando ambos.
• AUC (área sob a curva ROC) - medida independente de limiar de quão bem o modelo separa as classes.

Métricas de regressão.

• RMSE (root mean squared error) e MAE (mean absolute error) - o quão longe as previsões caem dos números verdadeiros.

Métricas generativas e de linguagem.

• BLEU - qualidade de tradução em relação a referências humanas.
• ROUGE - qualidade de sumarização (sobreposição com resumos de referência).
• BERTScore - similaridade semântica com uma referência usando embeddings.
• Avaliação humana - ainda o padrão-ouro para saídas generativas abertas.

No exame. O custo de negócio escolhe a métrica. Quando um erro é muito mais custoso do que um alarme falso (fraude, triagem de doenças), otimize para recall. A acurácia é o padrão para classificação balanceada; a matriz de confusão quando você quer o detalhamento completo; BLEU/ROUGE para tradução/sumarização.

Parte 5: Hiperparâmetros e dinâmica de treinamento

Hiperparâmetros são as configurações que você escolhe antes do treinamento (em oposição aos pesos que o modelo aprende). Os principais:

• Épocas - quantas vezes o modelo percorre os dados de treinamento. Poucas causam underfitting; muitas causam overfitting.
• Taxa de aprendizado - o tamanho do passo que o modelo dá quando se atualiza. Alta demais e ele nunca se estabiliza; baixa demais e ele se arrasta.
• Batch size - quantos exemplos por atualização.

O ajuste de hiperparâmetros é a busca pela melhor combinação; ele é frequentemente automatizado (por exemplo, por ferramentas de AutoML).

Não confunda os hiperparâmetros de treinamento com as configurações de tempo de inferência em modelos generativos:

• Temperatura - baixa (perto de 0) dá saída determinística e repetível; alta dá saída criativa e variada.
• Top-p / top-k - limitam de quais tokens candidatos o modelo pode amostrar.

No exame. "Tornar as respostas do modelo mais consistentes/repetíveis" significa baixar a temperatura. "Melhorar a acurácia treinando mais" aponta para mais épocas (com o overfitting como ressalva).

Parte 6: Adaptando modelos de fundação - a escada de customização

Você raramente treina um modelo grande do zero. Você pega um modelo de fundação pré-treinado e o adapta. Os métodos, ordenados do mais barato e rápido ao mais caro, são a ideia mais relevante para exames em todo este guia.

Transfer learning (a ideia guarda-chuva)

O que é. Reutilizar o conhecimento que um modelo aprendeu em uma tarefa para fazer uma tarefa relacionada. Em vez de começar de pesos aleatórios, você começa de um modelo que já entende linguagem ou imagens.

Por que. Reduz drasticamente os dados e o poder computacional de que você precisa. Este é o princípio por trás de quase tudo abaixo - o fine-tuning é uma forma específica de fazer transfer learning.

No exame. "Adaptar um modelo pré-treinado para uma nova tarefa em vez de construir do zero" é transfer learning, e seu benefício é menos dados, menos tempo, menos custo.

Degrau 1: Prompt engineering

O que é. Mudar as instruções que você dá ao modelo, não o modelo em si. Nada é retreinado.

Como. Técnicas:

• Zero-shot - apenas perguntar, sem exemplos.
• One-shot / few-shot (in-context learning) - incluir alguns exemplos resolvidos no prompt para que o modelo infira o padrão. Isso adapta o comportamento sem nenhuma atualização de parâmetros.
• Chain-of-thought - pedir ao modelo que raciocine passo a passo para problemas mais difíceis.
• Templates de prompt - estruturas de prompt padronizadas e reutilizáveis.

Por que. Mais barato, mais rápido, sem infraestrutura. Sempre tente isto primeiro.

No exame. Few-shot learning e in-context learning são a mesma ideia: exemplos no prompt, sem retreinamento. O zero-shot arrisca resultados ruins quando a tarefa está distante do que o modelo viu no treinamento.

Degrau 2: Retrieval-augmented generation (RAG)

O que é. Buscar fatos relevantes dos seus próprios dados no momento da consulta e adicioná-los ao prompt, para que o modelo responda a partir de informações atuais, privadas ou autoritativas nas quais ele nunca foi treinado.

Como. Converter seus documentos em embeddings (vetores numéricos que capturam o significado), armazená-los em um banco de dados vetorial, recuperar os trechos mais próximos da pergunta do usuário e fornecê-los ao modelo junto com a pergunta.

Por que. Ele ancora as respostas nos seus dados e reduz drasticamente a hallucination, sem nenhum retreinamento. Ideal quando o seu conhecimento muda com frequência - você atualiza os documentos, não o modelo.

No exame. "Ancorar o modelo em dados da empresa / reduzir a hallucination / manter as respostas atuais sem retreinamento" é RAG. Embeddings são as representações numéricas que fazem a recuperação funcionar.

Degrau 3: Fine-tuning

O que é. Continuar treinando o modelo nos seus próprios exemplos rotulados para que ele internalize uma tarefa ou estilo.

Como. Fornecer dados rotulados - tipicamente pares de prompt e completude. O instruction fine-tuning usa pares de entrada-saída formatados como instruções; a adaptação de domínio ensina comportamento especializado (por exemplo, lidar com terminologia científica ou jurídica). O fine-tuning eficiente em parâmetros (PEFT), como o LoRA, atualiza apenas uma pequena fatia dos parâmetros do modelo, cortando o custo enquanto mantém a maior parte do modelo congelada.

Por que. Quando o prompting e o RAG não são suficientes e você precisa que o modelo se comporte de forma confiável de uma certa maneira. Custa mais (dados, computação) do que os degraus acima.

No exame. O fine-tuning precisa de dados rotulados (pares de prompt-completude). Use-o para comportamento consistente em uma tarefa ou para adaptação de domínio; ele muda o modelo, ao passo que o RAG deixa o modelo intacto e fornece contexto no momento da consulta.

Degrau 4: Continued pre-training

O que é. Continuar pré-treinando o modelo base em um grande corpo de texto de domínio não rotulado.

Por que. Para ensinar ao modelo o vocabulário e os conceitos de um campo especializado (médico, jurídico, científico) em escala, ou para mantê-lo atualizado à medida que os dados evoluem. Mais caro do que o fine-tuning.

No exame. O continued pre-training usa muito texto de domínio não rotulado para o domínio do vocabulário e dos conceitos; o instruction fine-tuning usa pares de instrução rotulados para o comportamento em uma tarefa. Dados diferentes, objetivo diferente.

A escada de custo, em uma linha

Prompt engineering (mais barato, sem retreinamento) -> RAG (adiciona seus dados no momento da consulta) -> fine-tuning (retreina em exemplos rotulados) -> continued pre-training (retreina em texto de domínio não rotulado) -> pré-treinamento completo do zero (raro, mais caro). Suba apenas o quanto o problema exigir.

Parte 7: Deixando os modelos menores e mais rápidos

Uma vez que um modelo funciona, você muitas vezes precisa dele mais barato ou de menor latência:

• Knowledge distillation - treinar um pequeno modelo "aluno" para imitar um grande "professor", mantendo a maior parte da qualidade a uma fração do tamanho.
• Quantização - armazenar os pesos com menor precisão numérica (por exemplo, 8 bits em vez de 32 bits) para encolher e acelerar o modelo.
• Pruning - remover pesos ou estruturas que contribuem pouco.

Parte 8: Arquiteturas, brevemente

Os paradigmas acima são como os modelos aprendem; as arquiteturas são aquilo de que o modelo é feito. Você deve reconhecer os nomes:

• Redes neurais / deep learning - redes em camadas que aprendem features hierárquicas; a base da IA moderna.
• CNNs - especializadas em imagens.
• RNNs - construídas para sequências (em grande parte superadas pelos transformers).
• Transformers - a arquitetura por trás dos LLMs modernos; o "GPT" em generative pre-trained transformer e modelos como o BERT.
• GANs - duas redes competindo para gerar dados sintéticos realistas.
• Modelos de difusão - geram imagens aprendendo a reverter um processo de adição de ruído.

Você não precisa implementá-las para um exame fundamental, mas deve saber, por exemplo, que os transformers impulsionam os LLMs e que as GANs geram dados sintéticos.

O guia de decisão de 30 segundos

• Dados rotulados, prever uma categoria ou número -> aprendizado supervisionado (classificação ou regressão)
• Dados não rotulados, encontrar grupos ou anomalias -> aprendizado não supervisionado (clustering, detecção de anomalias)
• Alguns rótulos mais muitos dados não rotulados -> aprendizado semissupervisionado
• Modelo cria seus próprios rótulos a partir de dados brutos (como os modelos de fundação pré-treinam) -> aprendizado autossupervisionado
• Agente aprende com recompensas / feedback -> aprendizado por reforço; alinhar um LLM à preferência humana -> RLHF
• Reutilizar um modelo pré-treinado para uma tarefa relacionada -> transfer learning
• Adaptar um modelo de fundação, do mais barato primeiro -> prompt engineering, depois RAG, depois fine-tuning, depois continued pre-training
• Ancorar as respostas nos seus próprios dados atuais, sem retreinamento -> RAG
• Ótimo nos dados de treinamento, ruim em produção -> overfitting (mais dados, regularização, early stopping)
• Deixar de identificar um positivo é muito custoso (fraude) -> otimizar o recall
• Tornar a saída generativa mais consistente -> baixar a temperatura

Certificações relacionadas

Estes fundamentos de métodos de aprendizado são essenciais para todo exame fundamental de IA - este guia aparece em Guias de Estudo Relacionados em cada um dos seus hubs:

• AWS Certified AI Practitioner (AIF-C01) - o exame ao qual este guia é ajustado; os Domínios 1-3 se apoiam fortemente nesses conceitos.
• AWS Certified Machine Learning Engineer Associate (MLA-C01) - aprofunda no ciclo de vida, no treinamento e na avaliação.
• Microsoft Azure AI Fundamentals (AI-900 / AI-901) - testa os mesmos paradigmas de aprendizado e o básico de ML.
• Google Cloud Generative AI Leader - modelos de fundação, prompting e adaptação.
• NVIDIA-Certified Associate: Generative AI and LLMs (NCA-GENL) - treinamento e adaptação de LLMs.
• IBM watsonx Generative AI Engineer Associate - fundamentos de IA generativa.
• Claude Certified Architect - Foundations (CCA-F) - conceitos de modelos de fundação.

Como estudar isto

Para um exame fundamental, não decore algoritmos - pratique a classificação. Leia cada cenário e faça as duas perguntas organizadoras: quais dados eu tenho (rotulados, não rotulados, recompensa) e estou construindo ou adaptando? Isso o encaminha para o paradigma certo ou para o degrau certo da escada de customização em segundos. Faça questões de prática com o guia de decisão de 30 segundos aberto e, quando errar uma, volte a essa seção aqui até que a fronteira fique nítida. Os conceitos que separam as pessoas que passam são os de bordas difusas: supervisionado vs não supervisionado, fine-tuning vs RAG, overfitting vs underfitting e a ordem de custo da escada de customização.

Fonte: o guia do exame AWS Certified AI Practitioner (AIF-C01) e seus domínios de questões, além de referências padrão de machine learning, em setembro de 2026.