Glossário de IA

29 termos sobre Inteligência Artificial, Machine Learning, IA Generativa, Automação e mais — explicados pela equipe da Trilion.
TodosAgentes e OrquestraçãoAutomação e RPADados e AnalyticsÉtica e GovernançaFundamentos de IAIA GenerativaMarketing com IAMLOps e InfraestruturaModelos e ArquiteturasNegócios com IATermos Técnicos Avançados
MLOps e Infraestrutura
API de IA
API de IA é uma interface que permite a um sistema enviar dados a um modelo de inteligência artificial e receber a resposta pronta, sem treinar nada do zero.
api-iaintegraçãoserviçomodelos
MLOps e Infraestrutura
Batch Inference
Batch inference é quando um modelo de IA processa grandes lotes de dados de forma agendada, gerando previsões que não precisam de resposta imediata.
batch-inferenceloteprediçãoagendado
MLOps e Infraestrutura
Cloud AI (AWS/Azure/GCP)
Cloud AI reúne os serviços de IA da AWS, do Azure e do Google Cloud: APIs prontas, modelos generativos e infraestrutura para treinar e publicar.
cloud-aiawsazuregcp
MLOps e Infraestrutura
Concept Drift
Concept Drift é a mudança na relação estatística entre as variaveis de entrada é a variavel alvo de um modelo. Diferente do data drift que muda as entradas, o concept drift altera a propria logica que o modelo aprendeu, exigindo retreinamento.
concept-driftconceitorelaçãomodelo
MLOps e Infraestrutura
Container (Docker)
Container é uma tecnologia de virtualizacao leve que empacota uma aplicação junto com todas as suas dependências em uma unidade portatil. Docker é a plataforma mais popular, essêncial para garantir que modelos de IA funcionem identicamente em qualquer ambiente.
containerdockerdeployreproducibilidade
MLOps e Infraestrutura
Cost Optimization
Cost optimization em IA é o conjunto de práticas para reduzir o custo de treinar e operar modelos, como escolha de modelo, cache e lotes, sem perder qualidade.
cost-optimizationcustosotimizaçãoeconomia
MLOps e Infraestrutura
CUDA
CUDA é a plataforma da NVIDIA que permite programar GPUs para computação geral e é a base do treino e da inferência da maior parte dos modelos de deep learning.
cudanvidiagpuparalelo
MLOps e Infraestrutura
Data Drift
Data drift é a mudança no perfil dos dados que um modelo recebe em produção em relação aos dados de treino, o que tende a degradar a qualidade das previsões.
data-driftdadosdistribuiçãomonitoramento
MLOps e Infraestrutura
Edge AI
Edge AI é a execução de modelos de IA no próprio dispositivo, como câmeras, celulares e sensores, sem enviar dados à nuvem, com resposta rápida e privacidade.
edge-aiedgeiotdispositivos
MLOps e Infraestrutura
Endpoint
Endpoint de IA é uma URL de API que expoe um modelo de machine learning para consumo em produção. Recebe dados de entrada via requisicao HTTP é retorna predições do modelo, sendo a interface entre aplicações de negócio é modelos de IA.
endpointapiinferênciaprodução
MLOps e Infraestrutura
GPU
GPU (Graphics Processing Unit) é um processador especializado em computação paralela, essêncial para treinamento é inferência de modelos de deep learning é IA. Sua arquitetura com milhares de nucleos permite processar operações matriciais massivamente em paralelo.
gpuhardwarenvidiaprocessamento
MLOps e Infraestrutura
Inference Pipeline
Inference pipeline é o fluxo em produção que recebe dados novos, prepara as entradas, executa o modelo treinado e entrega a previsão a outro sistema.
inference-pipelineinferênciaproduçãopredição
MLOps e Infraestrutura
Kubernetes para ML
Kubernetes para ML é o uso do orquestrador de containers para treinar, servir e escalar modelos de machine learning com automação e recuperação de falhas.
kubernetesk8smlorquestração
MLOps e Infraestrutura
Laténcia
Latência é o tempo entre o envio de uma requisição e a chegada da resposta. Em IA, mede quanto um modelo demora para responder e pesa em chatbots e antifraude.
latênciatempo-respostaperformanceotimização
MLOps e Infraestrutura
LLMOps
LLMOps é o conjunto de práticas para operar modelos de linguagem em produção, cobrindo prompts, avaliação, custos, segurança e monitoramento contínuo.
llmopsllmproduçãoprompts
MLOps e Infraestrutura
ML Pipeline
ML Pipeline é a sequência automatizada que leva um modelo de machine learning dos dados brutos à produção: preparo, treino, avaliação e implantação.
ml-pipelinemachine-learningautomaçãotreinamento
MLOps e Infraestrutura
MLOps
MLOps é a disciplina que aplica práticas de DevOps ao ciclo de vida de modelos de machine learning. Abrange treinamento, deploy, monitoramento é manutenção de modelos em produção, garantindo que a IA entregue valor de forma continua é confiavel.
mlopsmachine-learningdevopsprodução
MLOps e Infraestrutura
Model Drift
Model drift é a perda gradual de acerto de um modelo de machine learning em produção, causada por mudanças nos dados ou no comportamento do mundo real.
model-driftdegradaçãoproduçãomonitoramento
MLOps e Infraestrutura
Model Monitoring
Model Monitoring é o acompanhamento contínuo de modelos de machine learning em produção para detectar queda de desempenho, drift de dados e falhas técnicas.
model-monitoringmonitoramentoproduçãoperformance
MLOps e Infraestrutura
Model Registry
Model Registry é o repositório que guarda, versiona e controla os modelos de machine learning, com métricas, origem dos dados e quem aprovou cada versão.
model-registryversionamentomodelosmlops
MLOps e Infraestrutura
Model Versioning
Model Versioning é o controle de versões de modelos de machine learning, com pesos, dados, código e parâmetros, para reproduzir, comparar e reverter modelos.
model-versioningversionamentoreproducibilidademlops
MLOps e Infraestrutura
ModelOps
ModelOps é a disciplina que coloca em produção e governa todos os modelos de uma empresa, de machine learning a regras e LLMs, com inventário e monitoramento.
modelopsmodelosgovernancaoperacionalizacao
MLOps e Infraestrutura
On-Premise AI
On-premise AI é rodar modelos de inteligência artificial em servidores da própria empresa, sem enviar dados à nuvem, com controle total sobre eles.
on-premiselocalsegurançaprivacidade
MLOps e Infraestrutura
Real-Time Inference
Real-time inference é o uso de um modelo de IA para responder a cada requisição no momento em que ela chega, com latência baixa o bastante para o usuário.
real-time-inferencetempo-realprediçãoapi
MLOps e Infraestrutura
Scalability
Scalability, ou escalabilidade, é a capacidade de um sistema de IA aumentar ou reduzir recursos conforme a demanda, mantendo desempenho e custo sob controle.
scalabilityescalabilidadeauto-scalinginfraestrutura
MLOps e Infraestrutura
Serverless AI
Serverless AI é rodar modelos de IA sem administrar servidores nem GPUs: o provedor de nuvem escala a infraestrutura e a empresa paga só pelo uso real.
serverlesscloudiagerênciado
MLOps e Infraestrutura
Throughput
Throughput é a quantidade de requisicoes ou predições que um sistema de IA consegue processar por unidade de tempo. Medido em requisicoes por segundo (RPS), indica a capacidade de vazao do sistema é e critico para aplicações de alto volume.
throughputvazaoperformanceescalabilidade
MLOps e Infraestrutura
TPU
TPU (Tensor Processing Unit) é o chip criado pelo Google para acelerar treinamento e inferência de modelos de IA, oferecido aos clientes pelo Google Cloud.
tpugooglehardwaretensor
MLOps e Infraestrutura
Training Pipeline
Training pipeline é o fluxo automatizado que prepara dados, treina, avalia e registra um modelo de machine learning, de forma repetível e rastreável.
training-pipelinetreinamentoautomaçãoml

Serviços de tecnologia ao Mercados de luxo

Glossário...

Acreditamos que a alquimia de Retórica, Criatividade e variadas Habilidades humanas criam resultados incríveis.
WhatsApp
WhatsApp

Converse com a Trilion

Diga-nos o seu nome, e a conversa abre em seguida