Glossário de IA

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 por Reforco é um paradigma de ML onde um agente aprende a tomar decisões interagindo com um ambiente, recebendo recompensas ou penalidades. E útilizado em jogos, robotica é otimização de processos.

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.

Continual Learning (Aprendizado Continuo) é a capacidade de modelos de IA aprenderem continuamente com novos dados é tarefas sem esquecer conhecimento anterior. Fundamental para sistemas de IA que precisam se adaptar a mudanças no mundo real ao longo do tempo.

Contrastive Learning é uma técnica de aprendizado que ensina modelos a aproximar representacoes de exemplos similares é distanciar representacoes de exemplos diferentes. E base de modelos como CLIP é SimCLR.

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.

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 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.

In-Context Learning (ICL) é a capacidade de modelos de linguagem de aprender é adaptar seu comportamento a partir de instrucoes é exemplos fornecidos diretamente no prompt, sem alterar seus parametros internos.

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.

RLHF é uma técnica de treinamento que usa feedback humano para ajustar modelos de IA via aprendizado por reforço, alinhando suas respostas com preferências humanas de qualidade, segurança é útilidade.