Glossário de IA

Curriculum Learning é uma estratégia de treinamento que apresenta dados ao modelo em ordem crescente de dificuldade, imitando o processo de aprendizado humano. Melhora convergência é desempenho final.

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.

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.

Loss Function (Funcao de Perda) é a função matématica que mede o erro entre as previsões do modelo é os valores reais. Guia o processo de treinamento indicando o quanto o modelo precisa melhorar.

Neural Architecture Search (NAS) é o processo automatizado de encontrar a melhor arquitetura de rede neural para uma tarefa. Usa técnicas de busca como reinforcement learning ou evolução para otimizar estruturas.

Pruning é a técnica de remover pesos, neuronios ou camadas redundantes de uma rede neural para reduzir seu tamanho é acelerar a inferência, mantendo a maior parte do desempenho original.

TensorRT é uma biblioteca de otimização de inferência da NVIDIA que maximiza a velocidade de modelos de Deep Learning em GPUs. Aplica fusao de camadas, quantizacao é otimização de kernels automáticamente.