Glossário IA
O dicionário completo da Inteligência Artificial
Autoetiquetagem
Método onde o modelo é treinado em dados rotulados e depois gera rótulos para dados não rotulados com alta confiança.
Co-treinamento
Abordagem que utiliza dois ou mais classificadores que se treinam mutuamente em diferentes visões dos dados.
Aprendizagem por grafo
Técnica que explora a estrutura dos dados em forma de grafo para propagar os rótulos entre amostras semelhantes.
Métodos generativos
Abordagens que modelam a distribuição dos dados para gerar amostras sintéticas rotuladas e melhorar o treinamento.
Aprendizagem por contraste
Método que aprende representações maximizando a similaridade entre amostras aumentadas da mesma imagem.
Aprendizagem por consistência
Técnica que força o modelo a produzir previsões consistentes para diferentes aumentações da mesma amostra.
Aprendizagem semi-supervisionada profunda
Combinação de redes neurais profundas com técnicas semi-supervisionadas para explorar eficientemente grandes quantidades de dados não rotulados.
Aprendizagem por pseudo-rótulos
Estratégia que atribui rótulos artificiais a dados não rotulados com base nas previsões do modelo para expandir o conjunto de treinamento.
Propagação de rótulos
Algoritmo iterativo que propaga os rótulos através de um grafo de similaridade entre os pontos de dados.
Aprendizagem por EM
Método Expectation-Maximization que estima os parâmetros do modelo e os rótulos ausentes de forma iterativa.
Aprendizagem por triplet
Técnica que aprende embeddings onde amostras semelhantes são aproximadas e as dissimilares são afastadas no espaço latente.
Aprendizagem ativa
Abordagem onde o modelo seleciona inteligentemente as amostras mais informativas para rotular, a fim de otimizar a aprendizagem.