Este glossário surgiu primeiramente como uma pesquisa sobre o tema do seminário, e posteriormente como um auxílio para os assuntos e materiais trazidos pelos palestrantes. Ele contém vocabulário recorrente relacionado a tecnologias como inteligência artificial, máquinas, programação, etc.

Algoritmos:

Em matemática e ciência da computação, um algoritmo é uma sequência finita de ações executáveis que visam obter uma solução para um determinado tipo de problema.

Algoritmos Caixa-Preta:

O termo é utilizado quando um processo de decisão de um algoritmo não pode ser facilmente explicado pelo computador ou pelos pesquisadores por trás dos códigos.

Aprendizagem não supervisionada (ou Unsupervised Learning):

Geralmente resumida como um modelo onde as máquinas ensinam a si mesmas o que fazer, essa abordagem fornece dados sem rótulos às máquinas, que devem encontrar formas de encontrar significados para os dados sem instruções

Aprendizagem por reforço (ou Reinforcement Learning): 

Processo de aprendizado onde o sistema é recompensado por acertos, começando sem conhecimentos e progredindo por meio da prática e dos feedbacks. 

Aprendizagem supervisionada (ou Supervised Learning): 

Técnica que ensina a um algoritmo como resolver tarefas específicas usando dados que foram anteriormente classificados por humanos. A detecção de spam geralmente funciona assim

Big Data: 

É o termo em tecnologia da informação que trata sobre grandes conjuntos de dados que precisam ser processados e armazenados.

Computação Cognitiva: 

Os avanços que permitem que computadores aprendam, desenvolvam raciocínios e tomem decisões são todos enquadrados sob esse termo.

Datalake: 

Repositório que centraliza e armazena todos os tipos de dados gerados pela e para a empresa. Ele é depositado ainda bruto, sem o processamento, análise e governança. 

Deep Learning: 

Técnica de Aprendizado de Máquina que utilliza as redes neurais artificiais para processar as informações e aprendizagem. Capaz de trabalhar com análise de dados brutos, o Deep Learning propicia a classificação de informações contidas em diferentes formatos como áudio (reconhecimento de fala), imagens (reconhecimento facial), entre outros. Máquinas, assim como humanos, podem aprender a partir de exemplos, se beneficiar com feedbacks e armazenar o conhecimento adquirido 

Few-Shot Learning:  

Podendo ser traduzido livremente como Aprendizado em poucas tomadas, é uma técnica que visa fornecer o aprendizado para um sistema de Inteligência Artificial com o mínimo de treinamento possível, com foco na eficiência. 

Inteligência Artificial:

Avanço tecnológico que permite que sistemas simulem uma inteligência similar à humana.

Inteligência Artificial Explicável (ou Explainable AI, ou ainda X.A.I.):

Uma Inteligência Artificial capaz de explicar aos seus operadores humanos quais foram os dados utilizados para que ela chegasse a determinada conclusão 

Inteligência Artificial Forte (ou Strong AI):

Também conhecida como Inteligência Geral Artificial, se refere a um sistema hipotético onde uma Inteligência Artificial seria capaz de realizar qualquer tarefa e aprender sobre qualquer habilidade. Apesar de esse ser o rumo que os avanços visam, ainda não dispomos de uma tecnologia capaz de dominar todo tipo de atividade

Inteligência Artificial Fraca (ou Weak AI):

Uma Inteligência Artificial capaz de executar apenas um determinado número de tarefas. É o estágio de desenvolvimento de IAs que atualmente dispomos no mundo

Machine Learning:

Sistema que é capaz de adquirir e acumular conhecimento e, assim, melhorar a performance em tarefas específicas. Essa é a área da Inteligência Artificial que atualmente chama mais atenção dos pesquisadores. O machine learning é um método de análise de dados que automatiza a construção de modelos analíticos. É um ramo da inteligência artificial baseado na ideia de que sistemas podem aprender com dados e tomar decisões com o mínimo de intervenção humana.

Processamento de Linguagem Natural: 

Campo que une a Inteligência Artificial à Linguística e pesquisa soluções para a geração e compreensão automática de línguas humanas naturais, faladas ou escritas.

Redes Adversárias Geradoras (ou Generative Adversarial Networks):  

Modelo onde duas redes neurais, uma geradora e uma discriminadora, trabalham em conjunto para distinguir dados reais de dados falsos 

Rede Neural Artificial:

 É um algoritmo que simula o funcionamento cerebral, servindo a um sistema que adquire conhecimento por meio da experiência.

Transferência de Aprendizado:

Método onde um sistema se concentra em armazenar o conhecimento adquirido na resolução de um determinado problema e então aplica o que aprendeu em uma outra tarefa não relacionada, mas semelhante.Máquinas podem desenvolver seus próprios métodos de aprendizagem, lidar com dados não classificados e até mesmo ensinar conceitos aprendidos a outras máquinas

Visão Computacional:

O campo da Inteligência Artificial voltado para máquinas que interpretam imagens ou dados multidimensionais, como os algoritmos de reconhecimento facial.