Glossário IA
O dicionário completo da Inteligência Artificial
Fatoração de Matrizes Online (OMF)
Conjunto de técnicas que decompõem uma matriz em fatores de classificação inferior de forma sequencial, atualizando os fatores à medida que novos dados chegam, sem a necessidade de um retreinamento completo.
Descida de Gradiente Estocástica (SGD) para OMF
Algoritmo de otimização iterativo que atualiza os fatores matriciais usando o gradiente da função de perda calculado em uma única amostra (ou um mini-lote) por vez, ideal para fluxos de dados.
SVD Incremental
Variante da Decomposição em Valores Singulares que atualiza os vetores singulares e os valores singulares existentes para incorporar novas colunas ou linhas de dados sem recalcular desde o início.
Rastreamento de Subespaço Aproximado por Projeção (PAST)
Algoritmo recursivo que rastreia o subespaço gerado pelos vetores próprios dominantes de uma matriz de covariância em tempo real, minimizando uma função de custo de mínimos quadrados.
Esquecimento Exponencial (Exponential Forgetting)
Mecanismo que atribui mais peso às observações recentes do que às antigas no processo de atualização, permitindo que o modelo se adapte às mudanças na distribuição dos dados (deriva de conceito).
Sistemas de Recomendação em Streaming
Sistemas de recomendação que utilizam a fatoração de matrizes online para atualizar continuamente os perfis de usuários e itens a partir de novas interações, garantindo sugestões relevantes em tempo real.
Método dos Mínimos Quadrados Recursivos (RLS)
Algoritmo de adaptação que minimiza uma função de custo de mínimos quadrados ponderada de forma recursiva, oferecendo uma convergência rápida ao custo de uma complexidade computacional mais alta que o SGD.
Atualização por Bloco (Block Update)
Estratégia onde os fatores matriciais não são atualizados para cada novo dado, mas após o acúmulo de um bloco de observações, oferecendo um compromisso entre reatividade e eficiência computacional.
Fatoração de Matrizes Não-Negativas (NMF) Online
Variante da fatoração de matrizes online que impõe restrições de não-negatividade nos fatores, produzindo decomposições aditivas e interpretáveis, frequentemente utilizada para análise de texto ou imagem.
Função de Perda Online
Medida de erro calculada sobre novas observações para guiar a atualização dos fatores, tipicamente o erro quadrático médio ou uma divergência (ex: divergência KL para dados de contagem).
Robustez a Dados Atípicos (Outliers)
Capacidade de um algoritmo de fatoração online de não ser significativamente degradado pela presença de ruído ou observações errôneas no fluxo de dados, frequentemente através de funções de perda robustas.
Complexidade por Amostra (Per-Sample Complexity)
Medida do custo computacional (tempo e memória) necessário para atualizar os fatores matriciais com uma única nova observação, um critério chave para avaliar a escalabilidade dos algoritmos online.
Inicialização a Frio (Cold-Start)
Desafio da fatoração online onde o modelo deve fornecer previsões antes de ter acumulado dados suficientes para estimar de forma confiável os fatores latentes de novos usuários ou itens.
Algoritmo de Oja
Algoritmo estocástico simples para o cálculo online do vetor próprio principal de uma matriz de covariância, fundamental para o rastreamento de subespaços em tempo real.