Glossário de IA

Edge AI e a execucao de modelos de inteligencia artificial diretamente em dispositivos locais (edge), como smartphones, cameras e sensores IoT, sem depender de conexao com a nuvem. Oferece baixa latencia, privacidade de dados e operacao offline.

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

Email Automation e o uso de tecnologia para enviar, responder e gerenciar e-mails de forma automatica com base em regras e gatilhos predefinidos. Inclui sequencias de marketing, respostas automaticas, triagem inteligente e encaminhamento de mensagens.

Email Personalization com IA vai alem do nome no assunto, usando machine learning para personalizar conteudo, ofertas, timing e frequencia de emails individualmente. Aumenta open rates, click-through e conversoes com mensagens genuinamente relevantes.

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

Embedding e a representacao numerica (vetor) de texto, imagens ou outros dados em um espaco multidimensional, onde itens semanticamente similares ficam proximos, possibilitando busca e comparacao por significado.

Embedding Database e um sistema de armazenamento otimizado para guardar e consultar embeddings, que sao representacoes vetoriais densas de dados. Sinonimo de Vector Database, e essencial para aplicacoes de IA que dependem de busca por similaridade semantica.

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

Endpoint de IA e uma URL de API que expoe um modelo de machine learning para consumo em producao. Recebe dados de entrada via requisicao HTTP e retorna predicoes do modelo, sendo a interface entre aplicacoes de negocio e modelos de IA.

Ensemble Learning e a tecnica de combinar multiplos modelos para obter previsoes mais robustas e precisas do que qualquer modelo individual. As estrategias principais sao Bagging, Boosting e Stacking.

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

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

ETL (Extract, Transform, Load) e o processo de extrair dados de diversas fontes, transforma-los em um formato padronizado e carrega-los em um destino como um Data Warehouse. E o padrao classico para integracao e preparacao de dados para analise.

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

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

Exception Handling em automacao e o conjunto de tecnicas para lidar com erros e situacoes inesperadas durante a execucao de robos. Inclui captura de erros, tentativas de recuperacao, notificacao de responsaveis e registro detalhado de falhas para analise.

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

Explicabilidade ou XAI (Explainable AI) e a capacidade de entender e interpretar como um modelo de IA chega a suas decisoes. Fundamental para regulacao, confianca do usuario e depuracao de modelos complexos como redes neurais profundas.

F1-Score e a media harmonica entre Precisao e Recall, fornecendo uma metrica unica e balanceada para avaliar classificadores. E especialmente util quando as classes sao desbalanceadas.

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

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

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

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

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

Feature Store e um repositorio centralizado para armazenar, versionar e servir features (variaveis) utilizadas em modelos de machine learning. Garante consistencia entre treinamento e producao, evitando duplicacao de esforco na engenharia de features.

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

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

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

FID (Frechet Inception Distance) e uma metrica para avaliar qualidade de imagens geradas por IA, comparando a distribuicao estatistica das imagens geradas com imagens reais. Menor FID indica imagens mais realistas e diversas.