Glossário IA
O dicionário completo da Inteligência Artificial
Embedding de Entidade
Técnica de representação vetorial que transforma variáveis categóricas em vetores densos de baixa dimensão, capturando suas relações semânticas e similaridades dentro de um espaço contínuo.
Codificação de Característica Categórica
Processo de conversão de variáveis categóricas para um formato numérico adequado para modelos de machine learning, incluindo métodos como one-hot, label encoding e entity embeddings.
Dimensão do Embedding
Tamanho do vetor que representa cada entidade categórica, um hiperparâmetro crucial que equilibra a capacidade de expressão do modelo e o risco de overfitting.
Representação Aprendida
Representação vetorial dos dados adquirida automaticamente pelo modelo durante o treinamento, otimizada para a tarefa específica sem intervenção manual de engenharia de características.
Matriz de Embedding
Matriz de pesos contendo todos os vetores de embedding para uma dada variável categórica, onde cada linha corresponde à representação vetorial de uma categoria.
Características de Alta Cardinalidade
Variáveis categóricas com um grande número de valores únicos, onde os entity embeddings superam significativamente os métodos de codificação tradicionais como one-hot.
Inicialização do Embedding
Estratégia de inicialização dos pesos da camada de embedding, influenciando a velocidade de convergência e a qualidade final das representações aprendidas pelo modelo.
Regularização do Embedding
Técnicas como L2 ou dropout aplicadas especificamente às camadas de embedding para prevenir o overfitting e melhorar a generalização das representações vetoriais.
Visualização de Embeddings
Técnicas como t-SNE ou UMAP para projetar espaços de embedding de alta dimensão em 2D/3D, permitindo a análise visual de relações e clusters entre categorias.
Embeddings Entre Entidades
Abordagem avançada onde entidades de diferentes variáveis categóricas partilham um espaço de embedding comum, capturando relações inter-categóricas complexas.
Transferência de Aprendizagem de Embeddings
Reutilização de embeddings de entidades pré-treinados numa tarefa de origem para melhorar o desempenho numa tarefa alvo semelhante com menos dados de treino.
Topologia do Espaço de Embedding
Estrutura geométrica e relações de vizinhança no espaço de embedding, refletindo a hierarquia e as similaridades implícitas entre as categorias originais.
Convergência de Embeddings
Estabilização dos vetores de embedding durante o treino, indicando que o modelo aprendeu representações consistentes e ótimas para as entidades categóricas.
Fluxo de Gradiente de Embedding
Propagação do gradiente através da camada de embedding durante a retropropagação, mecanismo pelo qual as representações vetoriais são otimizadas para minimizar a perda.
Esparsidade de Embeddings
Propriedade dos espaços de embedding onde alguns vetores podem conter muitos zeros, por vezes introduzida intencionalmente para melhorar a eficiência computacional.
Interpolação de Embeddings
Capacidade dos espaços de embedding de representar conceitos intermédios por combinação linear de vetores existentes, demonstrando a continuidade semântica da representação.