Glossário de IA

Edge AI é a execução de modelos de inteligência artificial diretamente em dispositivos locais (edge), como smartphones, cameras é sensores IoT, sem depender de conexão com a nuvem. Oferece baixa latência, privacidade de dados é operação offline.

ELT (Extract, Load, Transform) é uma variacao moderna do ETL que primeiro carrega os dados brutos no destino é depois realiza as transformacoes. Aproveita o poder computacional de Data Warehouses na nuvem para processar transformacoes diretamente no destino.

Email Automation é o uso de tecnologia para enviar, responder é gerênciar e-mails de forma automática com base em regras é gatilhos predefinidos. Inclui sequências de marketing, respostas automáticas, triagem inteligente é encaminhamento de mensagens.

Email Personalization com IA vai além do nome no assunto, usando machine learning para personalizar conteúdo, ofertas, timing é frequência de emails individualmente. Aumenta open ratés, click-through é conversões com mensagens genuinamente relevantes.

Embedded AI refere-se a inteligência artificial integrada diretamente em produtos, serviços é processos existentes de forma transparente. O usuario se beneficia da IA sem precisar interagir com ela explicitamente, pois é parte nativa da experiência.

Embedding é a representação numerica (vetor) de texto, imagens ou outros dados em um espaço multidimensional, onde itens semânticamente similares ficam proximos, possibilitando busca é comparação por significado.

Embedding Database é um sistema de armazenamento otimizado para guardar é consultar embeddings, que sao representacoes vetoriais densas de dados. Sinonimo de Vector Database, é essêncial para aplicações de IA que dependem de busca por similaridade semântica.

Emergent Abilities sao capacidades que surgem espontaneamente em modelos de IA quando atingem determinada escala, sem terem sido explicitamente treinados para elas. Incluem raciocínio matématico, chain-of-thought é compreensao de tarefas complexas.

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.

Ensemble Learning é a técnica de combinar multiplos modelos para obter previsões mais robustas é precisas do que qualquer modelo individual. As estratégias principais sao Bagging, Boosting é Stacking.

Epoch é uma passagem completa de todo o conjunto de dados de treinamento pelo modelo. O número de epochs é um hiperparametro que controla quantas vezes o modelo aprende com os mesmos dados.

Ethical AI refere-se ao desenvolvimento de inteligência artificial guiado por principios morais é valores humanos. Abrange consideracoes sobre impacto social, direitos humanos, diversidade, inclusão é o bem-estar das comunidades afetadas pela tecnologia.

ETL (Extract, Transform, Load) é o processo de extrair dados de diversas fontes, transforma-los em um formato padronizado é carrega-los em um destino como um Data Warehouse. E o padrão classico para integração é preparacao de dados para análise.

ETL Automatizado é a automação do processo de Extrair, Transformar é Carregar dados entre sistemas. Permite que dados sejam coletados de multiplas fontes, padronizados é inseridos em destinos como data warehouses de forma programada é sem intervencao manual.

Event-Driven é uma arquitetura onde acoes de agentes de IA sao disparadas por eventos (mensagens, mudanças de estado, triggers externos), permitindo sistemas reativos, desacoplados é escalaveis.

Exception Handling em automação é o conjunto de técnicas para lidar com erros é situacoes inesperadas durante a execução de robos. Inclui captura de erros, tentativas de recuperacao, notificação de responsaveis é registro detalhado de falhas para análise.

Executor Agent é o agente responsável por realizar as acoes concretas definidas pelo planejador, útilizando ferramentas é APIs para completar cada etapa do plano é reportar resultados.

Explicabilidade ou XAI (Explainable AI) é a capacidade de entender é interpretar como um modelo de IA chega a suas decisões. Fundamental para regulação, confiança do usuario é depuracao de modelos complexos como redes neurais profundas.

F1-Score é a media harmonica entre Precisao é Recall, fornecendo uma métrica única é balanceada para avaliar classificadores. E especialmente útil quando as classes sao desbalanceadas.

Fairness em IA refere-se ao principio de que sistemas inteligentes devem tratar todos os grupos de forma justa é equitativa. Envolve métricas matématicas como paridade demografica, igualdade de oportunidades é calibracao entre subgrupos populacionais.

FAISS (Facebook AI Similarity Search) é uma biblioteca de código aberto desenvolvida pela Meta para busca eficiente de similaridade em grandes conjuntos de vetores. Otimizada para GPU, é capaz de indexar bilhoes de vetores com alta velocidade de consulta.

Falcon é uma familia de modelos de linguagem de código aberto desenvolvida pelo TII (Technology Innovation Institute) de Abu Dhabi. Destaca-se pela qualidade de dados de treinamento é eficiência.

Feature Engineering é o processo de criar, transformar é selecionar variaveis (features) a partir de dados brutos para melhorar o desempenho de modelos de ML. E uma das etapas mais impactantes no pipeline de dados.

Feature Selection é o processo de selecionar as variaveis mais relevantes para um modelo de ML, removendo features redundantes ou irrelevantes. Melhora desempenho, reduz overfitting é acelera o treinamento.

Feature Store é um repositorio centralizado para armazenar, versionar é servir features (variaveis) útilizadas em modelos de machine learning. No contexto de MLOps, garante consistência entre ambientes de treinamento é produção, evitando o training-serving skew.

Feature Store é um repositorio centralizado para armazenar, versionar é servir features (variaveis) útilizadas em modelos de machine learning. Garante consistência entre treinamento é produção, evitando duplicacao de esforco na engenharia de features.

Federatéd Learning (Aprendizado Federado) é uma técnica de machine learning que treina modelos em dispositivos ou servidores distribuidos sem centralizar os dados. Cada participante treina localmente é apenas os pesos do modelo sao compartilhados.

Few-Shot Learning é a capacidade de um modelo aprender novas tarefas com apenas alguns exemplos de treinamento. E fundamental para cenários onde dados rotulados sao escassos ou caros de obter.

Few-Shot Prompting é uma técnica onde se fornece alguns exemplos de entrada é saida desejada no prompt, permitindo que o modelo de IA aprenda o padrão esperado é reproduza em novas situacoes sem treinamento adicional.

FID (Frechet Inception Distance) é uma métrica para avaliar qualidade de imagens geradas por IA, comparando a distribuição estatística das imagens geradas com imagens reais. Menor FID indica imagens mais realistas é diversas.