Glossário IA
O dicionário completo da Inteligência Artificial
Aprendizagem Ativa para PNL
Paradigma de aprendizagem onde o modelo seleciona inteligentemente os exemplos textuais mais informativos para anotar, otimizando assim o uso dos recursos de anotação humana em tarefas de processamento de linguagem natural.
Aprendizagem Ativa Ponderada pela Densidade
Abordagem que combina a incerteza do modelo com a densidade dos exemplos no espaço de características, privilegiando amostras textuais incertas localizadas em regiões densas de dados.
Aprendizagem Ativa Baseada em Pool
Estrutura onde o algoritmo dispõe de um pool fixo de exemplos textuais não rotulados e seleciona iterativamente as instâncias mais informativas para anotação humana.
Aprendizagem Ativa Baseada em Fluxo
Paradigma onde os dados textuais chegam sequencialmente e o modelo deve decidir em tempo real se anota ou rejeita cada instância sem possibilidade de retroceder.
Aprendizagem Ativa em Modo de Lote
Variante que seleciona simultaneamente várias amostras textuais para anotação, otimizando os processos de anotação humana em lotes, mantendo a diversidade das instâncias escolhidas.
Aprendizagem Ativa para Rotulagem de Sequências
Especialização da aprendizagem ativa para tarefas de rotulagem de sequências como NER ou POS tagging, onde a seleção é feita ao nível de sequências ou tokens inteiros.
Seleção de Core-Set
Abordagem teórica que garante que o conjunto selecionado aproxima bem o conjunto completo de dados, frequentemente utilizada no contexto da aprendizagem ativa para PNL com garantias de desempenho.
Modelagem de Custo de Anotação
Técnica que integra os custos variáveis de anotação (tempo, expertise necessária) no processo de seleção de amostras, otimizando a relação custo-benefício em projetos de PNL.
Aprendizagem Ativa para Línguas de Baixos Recursos
Aplicação especializada da aprendizagem ativa para línguas com poucos dados disponíveis, utilizando estratégias de transferência e seleção adaptadas às restrições linguísticas.
Aprendizagem Ativa com Modelos Pré-treinados
Integração da aprendizagem ativa com modelos de linguagem pré-treinados como BERT, explorando representações contextuais para melhorar a seleção de amostras informativas.
Aprendizagem Ativa Multi-Tarefa
Estrutura onde um único conjunto de anotações é usado para melhorar várias tarefas de PNL simultaneamente, otimizando a seleção de amostras benéficas para todas as tarefas.
Aprendizagem Ativa para Classificação de Texto
Especialização da aprendizagem ativa para tarefas de classificação de documentos, utilizando estratégias adaptadas às particularidades dos dados textuais de alta dimensão.
Problema de Cold Start na Aprendizagem Ativa
Desafio inicial onde o modelo carece de dados rotulados para fazer previsões confiáveis, exigindo estratégias de inicialização como amostragem aleatória ou aprendizagem semi-supervisionada.