Inteligência Artificial

Inteligência Artificial

1. Machine Learning

   • Aprendizado Supervisionado
     • Predição
       • Predição usa dados passados para prever valores contínuos, com modelos como regressão e redes neurais.
   • Aprendizado Não Supervisionado
     • Agrupamento
       • Agrupamento é uma técnica que organiza dados em grupos com base na semelhança entre eles.
     • Associação
       • Associação identifica relações e padrões entre variáveis em dados, sendo usada para descobrir conexões úteis, como na análise de compras.
   • Aprendizado por Reforço
     • Busca e Otimização
       • Busca e otimização buscam a melhor estratégia para maximizar recompensas ao longo do tempo, usando algoritmos como Q-Learning em áreas como jogos e robótica.
     • Recomendação
       • Recomendação usa dados de preferências para sugerir produtos, filmes ou músicas, com técnicas como filtragem colaborativa e redes neurais.
     • Reconhecimento
       • Reconhecimento identifica e classifica padrões em dados, sendo usado em reconhecimento facial, de voz e detecção de anomalias, com destaque para redes neurais convolucionais.
   • semissupervionado
   • PROCESSO DE MACHINE LEARNING
     • Etapa 2 – Escolha do modelo
     • Etapa 3 – Treinamento do modelo
     • Etapa 1 – Ordenação dos dados
     • Etapa 4 – Avaliação do modelo
     • Etapa 5 – Sintonia fina do modelo
   • MÉTRICAS COMUNS EM APRENDIZADO DE MÁQUINA
     • CATEGÓRICOS
       • Acurácia
       • Precisão
       • Revocação
       • Mensuração
       • Coeficiente de Correlação de Matthews
       • Especificidade
     • REGRESSIVOS
       • Área Sob a Curva (AUC)
       • Erro Médio Quadrático (MSE)
       • Raiz do Erro Médio Quadrático (RMSE)
       • Erro Médio Absoluto (MAE):
   • CONCEITOS BÁSICOS ESTATÍSTICOS
     • Média
     • Mediana
     • Moda
     • Desvio-padrão
     • Distribuição normal
     • Teorema de Bayes
     • Correlação
       • Maior que 0
       • 0
       • Menor que 0

2. Deep Learning

   • Redes Neurais Artificiais
     • CNN (Visão Computacional)
       • Redes neurais convolucionais (CNNs) são usadas para reconhecer padrões em imagens.
     • RNN / Transformers
       • Redes neurais artificiais são modelos inspirados no cérebro humano que aprendem padrões a partir de dados. São usadas em tarefas como reconhecimento de imagens, fala e previsão.
     • Rede adversária generativa (GAN)
       • Redes adversárias generativas (GANs) são modelos de IA que geram novos dados a partir de exemplos existentes, como imagens realistas.

3. IA Generativa

   • Geração de Texto
   • Geração de Imagens
   • Geração de Vídeos
   • Chatbots
   • modelos generativos:
     • Redes Adversariais Generativas (GAN)
       • Redes Adversariais Generativas (GANs) são modelos de IA que geram novos dados realistas a partir de dados existentes, como imagens e vídeos
     • Transformadores Generativos Pré-Treinados (GPT)
       • Modelos generativos pré-treinados são redes de IA treinadas com grandes quantidades de dados para gerar textos, imagens ou outros conteúdos.
   • SOBRE A IA GENERATIVA
     • Propriedade intelectual
       • A propriedade intelectual na IA generativa define quem possui os direitos do conteúdo criado por IA, sendo um tema ainda em debate e que depende da participação humana no processo.
     • Confiabilidade
       • A confiabilidade da IA generativa depende da qualidade dos dados e do modelo usado. Ela pode gerar respostas úteis, mas também cometer erros ou criar informações falsas, exigindo verificação humana.
     • Autoria
       • A autoria em IA generativa refere-se à criação de conteúdos (textos, imagens, músicas, vídeos) produzidos por modelos de inteligência artificial, muitas vezes com base em comandos do usuário.

4. Aplicações

   • Saúde
   • Educação
   • Finanças
   • Indústria
   • Visão Computaciona
   • Robótica
   • Biônica
   • Semiótica
   • Aprendizado de Máquina
   • Aprendizado Profundo

5. Ética

   • Privacidade
   • Viés Algorítmico
   • Impacto no Trabalho

6. IA forte

7. IA fraca

8. Superinteligente