Glossário de IA

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

Multi-Task Learning treina um unico modelo para executar multiplas tarefas simultaneamente, compartilhando representacoes entre elas. Melhora generalizacao e eficiencia ao transferir conhecimento entre tarefas relacionadas como classificacao e NER.

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

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

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

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