Glossário IA
O dicionário completo da Inteligência Artificial
Clustering
Técnicas de agrupamento automático de dados em clusters baseados em sua similaridade intrínseca sem rótulos predefinidos.
Redução de Dimensionalidade
Métodos para reduzir o número de variáveis, preservando a informação essencial contida nos dados.
Detecção de Anomalias
Identificação de observações que se desviam significativamente do comportamento normal dos dados sem supervisão explícita.
Aprendizagem de Representações
Descoberta automática de características discriminantes a partir de dados brutos para facilitar a análise posterior.
Estimativa de Densidade
Modelagem da distribuição subjacente dos dados para compreender sua estrutura probabilística.
Regras de Associação
Descoberta de relações interessantes entre variáveis em grandes bases de dados, tipicamente utilizada na análise de cesta de compras.
Análise de Componentes Principais (ACP)
Técnica linear de redução dimensional que transforma as variáveis em componentes ortogonais não correlacionados.
Mapas Auto-Organizados
Redes neurais competitivas que realizam uma projeção não linear de dados em uma grade topológica que preserva as vizinhanças.
Agrupamento Hierárquico
Construção de uma hierarquia de clusters por fusão sucessiva (aglomerativa) ou divisão sucessiva (divisiva) dos grupos.
Modelos de Mistura Gaussiana
Abordagem probabilística que modela os dados como uma combinação ponderada de várias distribuições gaussianas.
Algoritmos de Agrupamento Baseados em Densidade
Métodos que identificam grupos de pontos densos separados por regiões de baixa densidade sem a necessidade de um número de clusters a priori.
K-means e Variantes
Algoritmos de particionamento iterativos que agrupam os dados em torno de centroides para minimizar a variância intra-cluster.
Análise de Correspondências
Técnica de análise fatorial que explora as relações entre variáveis categóricas em tabelas de contingência.
Fatoração de Matriz Não Supervisionada
Decomposição matricial que descobre características latentes e representações esparsas dos dados.
Autoencoders
Redes neurais que aprendem representações compactadas eficientes através da reconstrução de suas entradas.