Glossário de IA

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.

Multi-Task Learning treina um único modelo para executar multiplas tarefas simultaneamente, compartilhando representacoes entre elas. Melhora generalização é eficiência ao transferir conhecimento entre tarefas relacionadas como classificação é NER.

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.

Underfitting ocorre quando um modelo de ML é simples demais para capturar os padrões dos dados, resultando em desempenho ruim tanto no treinamento quanto na previsão de dados novos.

Zero-Shot Learning é a capacidade de um modelo realizar tarefas sem nenhum exemplo específico de treinamento. O modelo generaliza seu conhecimento para catégorias ou problemas nunca vistos antes.

Zero-Shot Prompting é a técnica de solicitar uma tarefa ao modelo de IA sem fornecer nenhum exemplo previo, confiando na capacidade do modelo de entender é executar a instrucao apenas com base em seu treinamento.