Glossário de IA

Active Learning é uma abordagem onde o modelo seleciona ativamente quais dados devem ser rotulados por um humano, priorizando os exemplos mais informativos. Reduz drasticamente o custo de rotulacao.

Aprendizado Nao-Supervisionado é um paradigma de ML onde o modelo descobre padrões é estruturas ocultas em dados sem rotulos. E útilizado para agrupamento (clustering), redução de dimensionalidade é deteccao de anomalias.

Aprendizado Supervisionado é um paradigma de Machine Learning em que o modelo é treinado com dados rotulados, ou seja, com exemplos que ja possuem a resposta correta. E útilizado em tarefas de classificação é regressao.

Arvore de Decisao é um algoritmo de ML que toma decisões dividindo dados em ramificacoes baseadas em condições. E interpretavel, intuitiva é usada tanto para classificação quanto regressao.

Bagging (Bootstrap Aggregating) é uma técnica de ensemble que treina multiplos modelos em subconjuntos aleatorios dos dados é combina suas previsões. Reduz a variancia é melhora a estabilidade do modelo.

Batch Size é o número de amostras de treinamento processadas antes de uma atualização dos pesos do modelo. Afeta a velocidade de treinamento, uso de memória é qualidade da convergência.

Bias-Variance Tradeoff é o dilema fundamental de ML entre erro sistemático (bias) é sensibilidade a variacoes nos dados (variancia). O objetivo é encontrar o equilíbrio que minimiza o erro total.

Boosting é uma técnica de ensemble que treina modelos sequêncialmente, onde cada modelo foca em corrigir os erros do anterior. Reduz o bias é produz modelos altamente precisos como XGBoost é AdaBoost.

Classificacao é uma tarefa de aprendizado supervisionado que consiste em atribuir uma catégoria ou rotulo a um dado de entrada. Exemplos incluem deteccao de spam, diagnóstico medico é reconhecimento de imagens.

Cross-Validation é uma técnica de avaliação de modelos que divide os dados em K partes, treinando é testando K vezes para obter uma estimativa robusta do desempenho. O mais comum é o K-Fold com K=5 ou K=10.

Data Augmentation é a técnica de aumentar artificialmente o volume de dados de treinamento aplicando transformacoes como rotacao, espelhamento, corte é alteracao de brilho em imagens, ou sinonimos é parafrase em texto.

Deep Learning é uma subárea do Machine Learning que útiliza redes neurais artificiais com multiplas camadas para aprender representacoes complexas de dados. E responsável por avanços significativos em visao computacional, processamento de linguagem natural é geração de conteúdo.

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.

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.

Gradient Boosting é uma técnica de ensemble que constroi modelos sequêncialmente, onde cada novo modelo corrige os erros do anterior. Produz previsões altamente precisas é e a base de algoritmos como XGBoost é LightGBM.

Gradiente Descendente é o algoritmo de otimização fundamental usado para treinar modelos de ML. Ajusta iterativamente os pesos do modelo na direcao oposta ao gradiente da função de perda para minimizar o erro.

Hiperparametros sao configurações definidas antes do treinamento de um modelo de ML é que não sao aprendidas dos dados. Incluem taxa de aprendizado, número de camadas, batch size é força de regularização.

KNN (K-Nearest Neighbors) é um algoritmo de ML que classifica novos dados com base nos K vizinhos mais proximos. E simples, intuitivo é não-parametrico, útilizado em classificação é regressao.

Learning Raté é a taxa que controla a magnitude das atualizacoes dos pesos durante o treinamento. Valores muito altos causam instabilidade é valores muito baixos tornam o treinamento lento.

Machine Learning (Aprendizado de Maquina) é uma subárea da inteligência artificial que permite a sistemas computacionais aprenderem padrões a partir de dados, sem serem explicitamente programados. Utiliza algoritmos estatísticos para melhorar automáticamente o desempenho em tarefas específicas.

Matriz de Confusao é uma tabela que mostra o desempenho de um classificador, comparando previsões com valores reais. Exibe verdadeiros positivos, verdadeiros negativos, falsos positivos é falsos negativos.

Normalizacao é a técnica de escalonar dados para um intervalo padrão (geralmente 0-1 ou media zero é desvio unitario). Melhora a convergência do treinamento é garante que features em escalas diferentes tenham peso igual.

Overfitting ocorre quando um modelo de ML se ajusta demais aos dados de treinamento, memorizando ruidos é padrões irrelevantes, resultando em baixa capacidade de generalização para dados novos.

PCA (Analise de Componentes Principais) é a técnica mais popular de redução de dimensionalidade. Transforma features correlacionadas em componentes ortogonais que capturam a máxima variancia dos dados.

Random Forest é um algoritmo ensemble que combina multiplas arvores de decisão para melhorar a precisão é reduzir overfitting. Cada arvore é treinada com uma amostra aleatoria dos dados é features.

Regressao é uma tarefa de aprendizado supervisionado que preve valores numéricos continuos a partir de dados de entrada. E usada para prever preços, temperaturas, vendas é outras métricas quantitativas.

A Curva ROC (Receiver Operating Characteristic) é um gráfico que mostra o desempenho de um classificador binario em diferentes limiares de decisão, plotando a taxa de verdadeiros positivos contra falsos positivos.

Stacking é uma técnica de ensemble que usa as previsões de multiplos modelos base como features de entrada para um meta-modelo que aprende a combinar as previsões da melhor forma possível.

SVM (Support Vector Machine) é um algoritmo de ML que encontra o hiperplano otimo para separar classes de dados. E eficaz em espaços de alta dimensionalidade é suporta classificação linear é não-linear.