dicionário de AI

Centro Formação da Associação Desliga

dicionário de I.A

Aprendizagem Automática (Machine Learning): Método pelo qual os computadores aprendem a realizar tarefas analisando grandes quantidades de dados.

Acurácia: Medida de quão correta é a previsão ou classificação de um modelo de IA. Algoritmo: Conjunto de instruções passo a passo que um computador segue para resolver um problema ou realizar uma tarefa.

Camada (Layer): Unidade básica de uma rede neural que processa informações e as passa para a próxima camada.

Batch (Lote): Conjunto de dados processado de uma vez durante o treino de um modelo. Big Data: Conjunto enorme de dados que é tão grande e complexo que os métodos tradicionais de processamento não conseguem lidar com ele.

Classificador: Algoritmo que coloca dados em diferentes categorias.

Chatbot: Programa de computador que simula conversas humanas através de texto ou voz. Classificação: Processo de atribuir rótulos a objetos ou dados.

Desvio (Bias): Quando um modelo de IA tem preferências ou inclinações que levam a previsões injustas ou incorretas.

Dados de Treino: Conjunto de dados usado para ensinar um modelo de IA. Deep Learning: Subcampo da aprendizagem automática que usa redes neurais profundas.

IA Conversacional: Tipo de IA usada em chatbots e assistentes virtuais.

Embeddings: Representação numérica de palavras ou itens em espaço multidimensional. Feature (Caraterística): Um aspeto ou atributo de um dado que é usado para treinar o modelo.

Interpretação de Modelo: Entender como e por que um modelo de IA tomou uma decisão específica.

Inteligência Artificial (IA): Campo da computação que cria sistemas capazes de realizar tarefas que normalmente exigiriam inteligência humana. Inteligência Artificial Generativa: IA que cria novo conteúdo, como textos, imagens ou música, a partir de padrões que aprendeu.

Modelo: Representação matemática criada a partir dos dados de treino que a IA usa para fazer previsões ou tomar decisões.

Iteração: Um ciclo de treino de um modelo, onde o modelo ajusta os seus parâmetros para melhorar. LLM (Large Language Model): Modelos de linguagem de grande escala, como o GPT-4, Claude,Copilot capazes de gerar e entender linguagem natural.

Overfitting (Ajuste Excessivo): Quando um modelo de IA aprende tão bem os dados de treino que não consegue generalizar para novos dados.

Matriz de Confusão: Ferramenta usada para avaliar a performance de um modelo de classificação. Normalização: Processo de ajustar dados para que fiquem dentro de uma escala comum.

Prompt: Instrução ou pergunta inicial fornecida a um sistema de inteligência artificial para gerar uma resposta ou realizar uma tarefa específica. Funciona como um ponto de partida para a interação com a IA.

Rede Neural: Sistema computacional inspirado no cérebro humano, composto por camadas de 'neurónios' artificiais.

Parâmetro: Valor ajustável num modelo de IA que influencia como ele aprende e faz previsões. Processamento de Linguagem Natural (PLN): Ramo da IA que permite aos computadores entender, interpretar e responder à linguagem humana.

Regressão: Tipo de modelo de IA que prevê um valor contínuo.

Rede Neuronal Convolucional (CNN): Tipo de rede neural especialmente eficaz para trabalhar com imagens. Rede Neuronal Recorrente (RNN): Tipo de rede neural que é boa em processar dados sequenciais.

Supervisão: Tipo de aprendizagem automática onde o modelo de IA é treinado com dados rotulados.

Regularização: Técnica usada para evitar o overfitting. Reforço (Reinforcement Learning): Tipo de aprendizagem onde o modelo aprende a tomar decisões através de recompensas e punições.

Transfer Learning (Aprendizagem por Transferência): Técnica onde um modelo treinado para uma tarefa é usado como base para outra tarefa semelhante.

Token: Unidade básica de dados em PLN. Tokenização: Processo de dividir texto em partes menores, como palavras ou frases.

Visão Computacional: Área da IA que permite aos computadores 'verem' e interpretarem imagens e vídeos.

Treino (Training): Processo de ensinar um modelo de IA a partir de dados. Validação Cruzada: Método para avaliar a capacidade de generalização de um modelo.

www.desliga.pt Dicionário elaborado no ChatGPT

Robustez: Capacidade de um modelo de IA lidar com dados incompletos ou ruidosos sem perder precisão.