Glossário de IA

CDP (Customer Data Platform) e uma plataforma que unifica dados de clientes de multiplas fontes em perfis individuais completos. Com IA integrada, permite segmentacao avancada, personalizacao em tempo real e orquestracao de campanhas omnichannel.

Chinchilla Scaling refere-se a lei de escala otima proposta pelo artigo Chinchilla (DeepMind) que demonstrou que modelos devem ser treinados com muito mais dados do que a pratica anterior. Para cada dobro de parametros, dados tambem devem dobrar.

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

Data Catalog e um inventario organizado de todos os ativos de dados de uma organizacao, com metadados, descricoes, classificacoes e linhagem. Permite que analistas e cientistas de dados descubram e entendam os dados disponiveis para suas analises.

Data Democratization e o movimento de tornar dados acessiveis a todos os niveis da organizacao, nao apenas a especialistas tecnicos. Com IA e ferramentas self-service, qualquer colaborador pode acessar, entender e usar dados para tomar decisoes.

Data Drift e a mudanca na distribuicao estatistica dos dados de entrada de um modelo ao longo do tempo. Quando os dados em producao divergem significativamente dos dados de treinamento, o modelo pode produzir predicoes imprecisas ou incorretas.

Data Fabric e uma arquitetura de dados que utiliza integracao e automacao inteligente para conectar dados distribuidos em multiplos ambientes. Cria uma camada unificada de acesso e governanca independente de onde os dados estao armazenados fisicamente.

Data Lake e um repositorio centralizado que armazena grandes volumes de dados brutos em seu formato nativo, sejam estruturados, semiestruturados ou nao estruturados. Permite armazenar tudo primeiro e processar depois, oferecendo flexibilidade para diferentes tipos de analise.

Data Minimization e o principio de coletar e processar apenas os dados estritamente necessarios para o objetivo pretendido. Em IA, significa treinar modelos com o minimo de dados pessoais possiveis, reduzindo riscos de privacidade e melhorando governanca.

Data Pipeline e uma sequencia automatizada de etapas que movem e transformam dados desde sua origem ate o destino final. Engloba processos de ingestao, limpeza, transformacao e distribuicao de dados em ambientes de analytics e inteligencia artificial.

Data Pipeline e uma sequencia automatizada de etapas que movem e transformam dados desde sua origem ate o destino final. Engloba processos de ingestao, limpeza, transformacao e distribuicao de dados em ambientes de analytics e inteligencia artificial.

Data Warehouse e um sistema de armazenamento otimizado para analise de dados estruturados e historicos. Os dados sao organizados em schemas predefinidos e otimizados para consultas rapidas, servindo como base para relatorios de Business Intelligence e tomada de decisao.

Data-Driven Culture e uma cultura organizacional onde decisoes sao baseadas em dados e evidencias em vez de intuicao. Fundamental para o sucesso de projetos de IA, requer democratizacao de dados, letramento analitico e lideranca comprometida.

Datasheets for Datasets e uma proposta de documentacao padronizada para datasets usados em machine learning. Detalha motivacao, composicao, processo de coleta, pre-processamento, usos recomendados e consideracoes eticas do conjunto de dados.

dbt (data build tool) e uma ferramenta de transformacao de dados que permite aos analistas aplicar praticas de engenharia de software (versionamento, testes, documentacao) ao SQL. Transforma dados diretamente no Data Warehouse usando SQL com superpoderes.

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.

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.

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.

Integration refere-se a conexao entre diferentes sistemas, aplicacoes e bases de dados para permitir o fluxo automatico de informacoes. E a base de qualquer estrategia de automacao, garantindo que ferramentas diferentes trabalhem em conjunto de forma sincronizada.

A relacao entre LGPD (Lei Geral de Protecao de Dados) e IA abrange o uso de dados pessoais em treinamento de modelos, decisoes automatizadas e o direito do titular a explicacao. A conformidade exige bases legais claras e medidas tecnicas de protecao.

Market Intelligence com IA utiliza machine learning e NLP para coletar e analisar informacoes sobre tendencias de mercado, comportamento de consumidores e dinamicas do setor. Transforma grandes volumes de dados em insights estrategicos para tomada de decisao.

Master Data Management (MDM) e a disciplina que garante uma visao unica e confiavel dos dados mestres da organizacao, como clientes, produtos, fornecedores e funcionarios. Elimina duplicatas e inconsistencias mantendo uma unica verdade para cada entidade.

Metadata, ou metadados, sao dados sobre dados. Descrevem caracteristicas como estrutura, formato, origem, data de criacao e significado dos dados. Sao essenciais para catalogar, descobrir, governar e garantir a qualidade dos ativos de dados da organizacao.

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

OLTP (Online Transaction Processing) e a categoria de sistemas otimizados para processar transacoes individuais em tempo real, como vendas, pedidos e pagamentos. Prioriza velocidade de escrita, integridade de dados e alta concorrencia de usuarios simultaneos.

Privacy-Preserving Machine Learning e o conjunto de tecnicas que permite treinar e usar modelos de IA sem expor dados pessoais ou sensitiveis. Inclui aprendizado federado, privacidade diferencial, computacao segura multipartidaria e dados sinteticos.

Scaling Laws sao relacoes empiricas que descrevem como a performance de modelos de IA melhora previsivelmente com aumento de parametros, dados e compute. Publicadas por Kaplan et al. e refinadas pelo Chinchilla, guiam decisoes de investimento em treinamento.

Schema e a definicao formal da estrutura de dados, incluindo tabelas, colunas, tipos de dados, relacoes e restricoes. Funciona como a planta arquitetonica de um banco de dados, determinando como os dados sao organizados e validados.

Synthetic Data (dados sinteticos) sao dados gerados artificialmente por algoritmos ou modelos de IA que imitam as propriedades estatisticas de dados reais, usados para treinamento, testes e privacidade.

Dados sinteticos para privacidade sao conjuntos de dados artificiais gerados por algoritmos que preservam as propriedades estatisticas dos dados reais sem conter informacoes de individuos reais. Permitem treinar modelos e fazer analises sem riscos de privacidade.