Curso intensivo de IA: Terminologia básica para investidores em inteligência artificial - American Institute for Crypto Investors

AI Crash Course: Terminologia básica para investidores em inteligência artificial – American Institute for Crypto Investors

Carimbo de data / hora: 26 de maio de 2023 12h
Nó Fonte: 2679774

Uma das minhas principais regras para investidores em ativos digitais é ser capaz de explicar seus investimentos, mas com a IA avançando tão rápido quanto você pode dizer inteligência artificial, é mais fácil dizer do que fazer.

Especialmente com frases como aprendizado profundo, redes neurais e processamento de linguagem natural sendo lançadas como se fossem inglês básico.

A curva de aprendizado da IA ​​pode ser ainda mais acentuada para novos investidores. Quando entrei neste mercado, entendi talvez 10% do que estava lendo. Mas assim que consegui definir algum jargão básico relacionado à IA, foi quando finalmente compreendi a magnitude do que essa tecnologia poderia fazer. E então Pude explicar meus investimentos.

Para ajudá-lo a fazer o mesmo, reuni flashcards com terminologia básica de IA para ajudá-lo a entender como ela funciona e por que é valiosa.

Há também um vídeo rápido que quero que você assista, onde mostrarei cada definição e fornecerei exemplos de como ela se relaciona com a IA.

Comece seu curso intensivo de IA aqui…

Passo um: Comece assistindo ao curso intensivo de 15 minutos, no qual abordarei 16 definições básicas que todo investidor de IA deve conhecer.

Passo dois: Use os flashcards abaixo para estudar essas definições. Você não precisa memorizá-los perfeitamente, mas deve ser capaz de explicar os termos para outra pessoa.

Aqui estão as definições para você consultar:

  1. Aprendizado de Máquina: Um subconjunto de IA que envolve o desenvolvimento de algoritmos e modelos estatísticos que permitem que os computadores aprendam com os dados e façam previsões ou decisões sem serem explicitamente programados para isso.
  2. Aprendizado profundo: Um subconjunto de aprendizado de máquina que usa redes neurais artificiais com muitas camadas para permitir que os computadores aprendam com grandes quantidades de dados não estruturados.
  3. Processamento de linguagem natural (PNL): Um subconjunto de IA que envolve máquinas de ensino para entender, interpretar e responder à linguagem humana.
  4. Robótica: Um campo da IA ​​que envolve o design e desenvolvimento de robôs, que são máquinas que podem realizar tarefas de forma autônoma ou com orientação humana.
  5. Visão computacional: Um subconjunto de IA que envolve ensinar computadores a interpretar e analisar imagens e vídeos.
  6. Redes neurais: Um tipo de modelo de aprendizado de máquina inspirado na estrutura e função do cérebro humano.
  7. Aprendizagem por Reforço: Um tipo de aprendizado de máquina que envolve o treinamento de agentes para realizar ações em um ambiente para maximizar um sinal de recompensa.
  8. Geração de linguagem natural (NLG): Um subconjunto de processamento de linguagem natural (NLP) que envolve máquinas de ensino para gerar linguagem semelhante à humana.
  9. Sistemas especializados: Sistemas de IA que imitam as habilidades de tomada de decisão de um especialista humano em um domínio específico.
  10. Mineração de dados: O processo de descobrir padrões e insights em grandes conjuntos de dados usando métodos estatísticos e computacionais.
  11. Big Data: Conjuntos de dados extremamente grandes que podem ser analisados ​​para revelar padrões, tendências e associações, especialmente relacionados ao comportamento e interações humanas.
  12. Ética da Inteligência Artificial: O estudo das implicações éticas, sociais e políticas dos sistemas e aplicativos de IA.
  13. AI explicável: Sistemas e modelos de IA que podem fornecer explicações ou justificativas para suas decisões ou previsões.
  14. Redes Geradoras Adversariais (GAN): Um tipo de modelo de aprendizado profundo que envolve duas redes neurais, uma gerando dados falsos e a outra distinguindo entre dados reais e falsos.
  15. Redes Neurais Convolucionais (CNNs): um tipo de rede neural comumente usada para tarefas de reconhecimento de imagem e visão computacional.
  16. Alucinações (na IA): O fenômeno em que um grande modelo de linguagem gera texto que parece ser coerente e significativo, mas na verdade não é fundamentado na realidade ou baseado em informações factuais.

Aprenda esses termos e você estará no caminho certo para se tornar um especialista em investimentos em IA.

Desbloqueie suas primeiras quatro escolhas de IA aqui.

Fica líquido,

Estrategista-chefe de criptomoedas, Instituto Americano para Investidores de Criptomoedas

Carimbo de hora:

Mais de Instituto Americano para Investidores de Criptomoedas