01
Fundações de IA
Entenda o que é IA, como os sistemas aprendem, onde falham e como julgar as reivindicações sem exageros.
Biblioteca de IA gratuita
Fundamentos guiasLivre para sempre.
84 guias em inglês simples, caminhos de aprendizagem estruturados e uma biblioteca aberta — criada por uma organização sem fins lucrativos 501(c)(3) independente para que qualquer pessoa possa entender a IA moderna.
84Guias gratuitos
1Faixas de tópico
~2 minPor guia
~3hTempo de leitura
Comece aqui
Cinco cursos baseados em resultados
Cada curso inclui resultados explícitos, competências mapeadas, atividades práticas e um objetivo final aplicado.
02
Usuário responsável de IA
Use a IA de forma produtiva enquanto protege a privacidade, verifica os resultados e preserva a responsabilidade humana.
03
IA no trabalho
Avalie casos de uso no local de trabalho, execute pilotos seguros, meça o valor e comunique as mudanças com responsabilidade.
04
Política e sociedade de IA
Analise os sistemas de IA por meio de direitos, equidade, governança, segurança e resultados de interesse público.
05
Construindo com Sistemas de IA
Entenda modelos de linguagem, recuperação, agentes, avaliação, custo e proteções de implantação por meio de design prático de sistema.
Faixas de tópico
Navegue por faixa
Entre na área de seu interesse. Cada faixa tem vários guias em inglês simples.
FundamentosConceitos centrais: como a IA funciona em alto nível.84 guias IA de linguagemLLMs, PNL, ChatGPT, prompts e compreensão de texto.155 guias IA visualGeração de imagens, visão computacional, vídeo e design.133 guias IA de áudioVoz, música, podcasting e IA com foco no áudio.117 guias EmpresasPerfis de OpenAI, Anthropic, Google, Meta e muito mais.121 guias AplicativosComo a IA aparece na codificação, na pesquisa, nos agentes e na vida diária.111 guias IndústriasIA em saúde, finanças, educação, energia e muito mais.91 guias TécnicoChips, ajuste fino, RAG, vetores e infraestrutura de IA.177 guias SociedadePreconceito, privacidade, direitos autorais, segurança e o futuro da IA.30 guias
Biblioteca completa
Todos os guias
84 de 1019 guias mostrados. Filtre por faixa ou pesquise acima.
Fundamentos
Validação Cruzada
A validação cruzada é uma técnica de reamostragem para estimar quão bem um modelo irá generalizar para dados não vistos.
FundamentosPrecisão e recall
Precisão e recall são duas métricas complementares para avaliar classificadores, especialmente quando as classes estão desequilibradas.
FundamentosFenômeno de Dupla Descida
A descida dupla é a observação surpreendente de que à medida que um modelo fica maior, o erro do teste primeiro piora perto do 'limiar de interpolação', mas depois melhora...
FundamentosTeoria do Kernel Neural Tangente
O Neural Tangent Kernel (NTK) é uma ferramenta matemática que mostra que redes neurais infinitamente amplas se comportam como um método de kernel fixo e específico durante…
FundamentosHipótese do Bilhete de Loteria
A hipótese do bilhete de loteria diz que dentro de uma grande rede neural inicializada aleatoriamente esconde-se uma pequena sub-rede - um 'bilhete premiado' - que, treinada…
FundamentosLeis de escala para redes neurais
As leis de escala são fórmulas empíricas que mostram que a perda de uma rede neural cai de forma previsível à medida que você aumenta o tamanho do modelo, o tamanho do conjunto de dados e a computação.
FundamentosTreinamento ideal para computação de chinchila
Chinchilla é uma descoberta da DeepMind de 2022 de que a maioria dos grandes modelos de linguagem estavam mal treinados: para um orçamento de computação fixo, você deve dimensionar os parâmetros…
FundamentosNormalização de recompensa agrupada em RLHF
A normalização de recompensas agrupadas padroniza as recompensas de um modelo dentro de um lote de respostas ao mesmo prompt, transformando pontuações ruidosas em um treinamento estável…
FundamentosModelos mundiais e simuladores aprendidos
Um modelo mundial é uma rede neural que aprende a prever como um ambiente muda ao longo do tempo, permitindo que uma IA “imagine” resultados futuros antes de agir.
FundamentosNormalização de comprimento na otimização de preferências
A normalização de comprimento ajusta os objetivos de ajuste de preferência para que os modelos parem de obter aprovação apenas escrevendo respostas mais longas.
FundamentosModelagem de recompensa Bradley-Terry
O modelo Bradley-Terry é um método estatístico centenário para transformar comparações entre pares (A vence B) em pontuações numéricas.
FundamentosDPO Iterativo e Ajuste de Preferência Online
O DPO iterativo alinha repetidamente um modelo de linguagem às preferências humanas ou de IA, gerando novas respostas, classificando-as e ajustando cada um desses novos pares…
Terminou de ler? Prove.
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.