OSL: One-Shot Learning
One-Shot Learning (OSL) é um paradigma de aprendizado de máquina que se concentra na capacidade do modelo de aprender com uma única amostra de dados. Diferente de abordagens de aprendizado supervisionado tradicionais, que requerem grandes conjuntos de dados rotulados para treinar modelos precisos, o OSL visa desenvolver algoritmos que possam generalizar efetivamente a partir de […]
ZSL: Zero-Shot Learning
Zero-Shot Learning (ZSL) é uma técnica de aprendizado de máquina que permite a um modelo fazer predições sobre classes que não foram vistas durante o treinamento. Diferentemente de métodos convencionais que requerem dados rotulados de todas as classes, o ZSL aproveita a informação auxiliar, como descrições textuais ou embeddings semânticos, para generalizar para classes desconhecidas. […]
FSL: Few-Shot Learning
Few-Shot Learning (FSL) é uma abordagem em aprendizado de máquina e inteligência artificial que visa desenvolver modelos capazes de aprender e generalizar a partir de um número muito limitado de amostras de dados. Enquanto métodos tradicionais de aprendizado supervisionado exigem grandes conjuntos de dados rotulados para treinar modelos precisos, o FSL consegue obter desempenhos satisfatórios […]
SL: Supervised Learning
O Supervised Learning (SL), ou Aprendizado Supervisionado, é uma subárea da Inteligência Artificial (IA) que envolve o treinamento de modelos através de um conjunto de dados de entrada (features) e suas respectivas saídas desejadas (rótulos). Durante o treinamento, o algoritmo aprende a mapear automaticamente as entradas para as saídas corretas, buscando minimizar um determinado erro. […]
UL: Unsupervised Learning
O Unsupervised Learning (UL), ou Aprendizagem Não Supervisionada, é um ramo da Inteligência Artificial (IA) e Aprendizado de Máquinas (Machine Learning) que trata de sistemas capazes de identificar padrões e estruturas em dados sem a necessidade de rotulagem prévia. Diferentemente do Aprendizado Supervisionado, onde os modelos são treinados com um conjunto de entrada-resultado conhecido, no […]
SSL: Semi-Supervised Learning
O Semi-Supervised Learning (SSL) é uma abordagem de aprendizado de máquina que combina a utilização de dados rotulados e não rotulados para construir modelos preditivos. Diferentemente do aprendizado supervisionado, que requer um grande conjunto de dados rotulados, e do aprendizado não supervisionado, que não utiliza rótulos, o SSL explora a riqueza das informações contidas em […]
AL: Active Learning
Active Learning (AL) é uma técnica de aprendizagem de máquina em que o modelo ativamente seleciona os dados mais informativos para serem rotulados por um oráculo, geralmente um humano. Este processo iterativo permite que o modelo aprenda de forma mais eficiente, utilizando um menor conjunto de dados rotulados. A ideia por trás do AL é […]
KD: Knowledge Distillation
O Knowledge Distillation (KD) é uma técnica em machine learning que envolve a transferência de conhecimento de um modelo de redes neurais complexo e grande, chamado de ‘mestre’ ou ‘professor’, para um modelo menor e mais simples, conhecido como ‘estudante’. O objetivo central do KD é capturar a essência das decisões do modelo mestre, permitindo […]
TE: Textual Entailment
Textual Entailment (TE) é uma tarefa em Processamento de Linguagem Natural (PLN) que visa determinar a relação lógica entre duas declarações textuais: a primeira chamada de ‘premissa’ e a segunda de ‘hipótese’. A TE classifica a relação entre essas duas declarações em três categorias principais: ‘entailment’ (quando a hipótese é logicamente derivada da premissa), ‘contradiction’ […]
TC: Text Classification
A Classificação de Texto (Text Classification ou TC) é um processo de machine learning e processamento de linguagem natural que consiste em atribuir categorias predefinidas a documentos de texto. Essas categorias podem incluir tópicos específicos, emoções, avaliações, entre outros. O TC utiliza algoritmos que aprendem a partir de conjuntos de dados anotados, onde cada documento […]
