dicionário de AI
José Freire
Created on September 11, 2024
More creations to inspire you
AUSSTELLUNG STORYTELLING
Presentation
HISTORY OF THE EARTH
Presentation
3 TIPS FOR AN INTERACTIVE PRESENTATION
Presentation
49ERS GOLD RUSH PRESENTATION
Presentation
INTERNATIONAL EVENTS
Presentation
THE EUKARYOTIC CELL WITH REVIEW
Presentation
INTRO INNOVATE
Presentation
Transcript
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.