Glossary

0-9

1-shot learning 5G + AI 7D representation 0-shot learning 3D convolution 4D data 2-stage detector 6DoF pose estimation 8-bit quantization 9-layer network

A

AGI / Artificial General Intelligence Algorithm Attention Autoencoder Artificial Intelligence (AI)

B

Backpropagation BERT Bias Boosting Batch Normalization

C

Chatbot Classifier / Classification Clustering CNN / Convolutional Neural Network Cross-Validation

D

Data Augmentation Deep Learning Deepfake Deterministic Model Discriminative Model

E

Ensemble Learning Embedding Encoder Epoch Explainable AI (XAI)

F

Feature Extraction Fine-tuning Fusion / Multimodal Fusion Foundation Model Forward Propagation

G

Gradient Descent GAN / Generative Adversarial Network Grounding Generative AI Graph Neural Network (GNN)

H

Hidden Layer Hallucination Heuristic Hyperparameter Hierarchical Model

I

Intelligence Amplification / Augmentation Imbalanced Data Instance / Sample Instruction tuning Interpretability

J

JAX Jittering Joint Embedding JSONL / JSON-lines Juxtaposition

K

Knowledge Distillation KL Divergence (Kullback–Leibler Divergence)K-means Clustering K-Shot Learning Kernel Trick

L

Loss Function LSTM / Long Short-Term Memory Learning Rate Large Language Model (LLM)Latent Variable

M

Machine Learning (ML)Meta-learning Model Multi-head Attention Multimodal / Multimodality

N

Novelty Detection / Anomaly Detection NLP / Natural Language Processing NLU / Natural Language Understanding Normalization Neural Network

O

Online Learning Objective Function One-hot Encoding Optimizer Overfitting

P

Parameter Policy / Reinforcement Learning Policy Pooling Pretraining Prompt

Q

Quality Estimation Queue / Buffer Q-learning Quantization Query

R

Representation Learning Reinforcement Learning (RL)Retrieval Augmented Generation (RAG)Regularization RNN / Recurrent Neural Network

S

Sampling Self-Supervised Learning Supervised Learning Sequence Modeling Softmax

T

Training Data Tokenizer Transfer Learning Transformer Tuning / Hyperparameter Tuning

U

Unsupervised Learning Uncertainty Estimation Universal Approximation Theorem U-Net Underfitting

V

Vector Embedding Vanishing / Exploding Gradient Validation Set Variational Autoencoder (VAE)Vision Transformer (ViT)

W

Weak Supervision Weight Decay Whitening / Whitening Transformation Word Embedding Workflow

X

X-axis / feature axis XOR problem XAI / Explainable AI XLM XLNet

Y

Y-axis / feature axis Y-transform / YUV YAGNI (You Aren't Gonna Need It)Yield (model yield / throughput)Yoga of AI

Z

Zero-shot Learning / Zero-shot inference Zero-centric / Zero-bias initialization Z-score Normalization Zero-gradient phenomenon Zygosity in augmentation

O que é Amostragem

A amostragem refere-se ao processo de seleção de um subconjunto de indivíduos de uma população para estimar características de todo o grupo. Na estatística, é um método crucial de coleta de dados que permite aos pesquisadores tirar conclusões sem precisar investigar toda a população. Os métodos comuns de amostragem incluem amostragem aleatória, amostragem estratificada e amostragem sistemática, cada um com suas vantagens e desvantagens.

No mercado, a amostragem desempenha um papel vital ajudando as empresas a entender as preferências e comportamentos dos consumidores. Ao conduzir pesquisas e entrevistas com uma amostra do público-alvo, as empresas podem desenvolver estratégias que atendam melhor às demandas do mercado. Essa abordagem não apenas economiza tempo e recursos, mas também fornece insights valiosos.

Na ciência da computação, técnicas de amostragem são aplicadas em campos como processamento de sinais, análise de imagens e aprendizagem de máquina. Esses métodos permitem o manuseio e a análise eficaz de grandes conjuntos de dados, permitindo uma melhor tomada de decisões e modelagem preditiva.

Olhando para o futuro, à medida que a ciência de dados e a inteligência artificial continuam a evoluir, espera-se que os métodos de amostragem também avancem. Novas técnicas de amostragem adaptativa e inteligente podem aumentar a eficiência e a precisão, atendendo a necessidades analíticas mais complexas.