Across
- 3. Modelos computacionais, inspirados na estrutura e operação do cérebro humano, que procuram reproduzir características humanas, tais como: aprendizado, associação, generalização e abstração.
- 6. A ideia básica é descobrir, monitorar e melhorar processos reais, extraindo conhecimentos de logs de eventos disponíveis em diversos sistemas de informação.
- 8. Inspirados na teoria da evolução de Darwin, na qual os indivíduos mais adaptados possuem maior chance de sobrevivência.
- 9. “Evolução de programas computacionais usando analogias com muitos dos mecanismos utilizados pela evolução biológica natural. Pode ser vista como uma extensão dos AGs”.
- 12. Operações básicas tais como remoção de ruídos quando necessário, coleta da informação necessária para modelar ou estimar ruído, escolha de estratégias para manipular campos de dados ausentes, formatação de dados de forma a adequá-los à ferramenta de mineração.
- 13. Têm sido intensamente estudados e amplamente aplicados para resolver vários problemas científicos e de engenharia, tais como projeto de robô, despacho econômico de sistemas de energia e problemas de identificação de dobra de proteína, só para mencionar alguns. Estes algoritmos têm desfrutado de sucesso nas aplicações devido à sua simplicidade, robustez e flexibilidade. Os AEs atuam sobre uma população de possíveis soluções aplicando o princípio de diversidade de indivíduos e da sobrevivência de indivíduos mais fortes e bem adaptados ao ambiente, que se reproduzem através de operadores que imitam os conceitos genéticos, criando descendentes mais fortes que se aproximam da solução do problema.
- 14. Qualquer estudo feito computacionalmente envolvendo sentimentos, avaliações, atitudes, afeições, visões, emoções e subjetividade, expressos de forma textual.
- 18. Também conhecidos por “algoritmos bioinspirados”, nos quais a natureza é utilizada como fonte de inspiração ou metáfora para desenvolvimento de técnicas computacionais utilizadas para solucionar problemas complexos.
- 21. Painel visual que apresenta, de maneira centralizada, um conjunto informações: indicadores e suas métricas. Essas informações podem ser tanto indicadores da área de TI como de gestão empresarial.
- 22. O algoritmo usa um conjunto de dados de treinamento de clientes que cancelaram a assinatura de um serviço anteriormente. Com base no treinamento, o algoritmo prevê se um novo cliente encerrará a assinatura ou não com base nos parâmetros de entrada.
- 27. Tecnologia que usa inteligência artificial (IA) para criar vídeos falsos, mas realistas, de pessoas fazendo coisas que elas nunca fizeram na vida real.
- 28. Visam determinar relacionamentos entre conjuntos de itens. Um método bastante utilizado para esta finalidade é o APRIORI.
- 29. Tipo de tarefa que tenta descobrir tendências no banco de dados. Exemplo: análise de clusters
- 30. Ramo da AM que aprende com dados de teste que não foram rotulados, classificados ou categorizados previamente. Este tipo de aprendizado identifica semelhanças nos dados e reage com base na presença ou ausência de tais semelhanças em cada novo dado.
- 31. Representado como um conjunto de pontos (vértices) ligados por retas (as arestas). Dependendo da aplicação, as arestas podem ser direcionadas, e são representadas por "setas".
- 32. Área de IA cujo objetivo é o desenvolvimento de técnicas computacionais sobre o aprendizado bem como a construção de sistemas capazes de adquirir conhecimento de forma automática.
- 33. Ramo da computação que se propõe a simular a capacidade humana de pensar, perceber, tomar decisões e resolver problemas.
Down
- 1. Aplicação de técnicas analíticas para informações sobre condições de negócio no sentido de melhorá-las - de uma maneira automatizada, mas com a interpretação e respostas humanas.
- 2. Conjuntos de dados extremamente amplos e que, por este motivo, necessitam de ferramentas especialmente preparadas para lidar com grandes volumes, de forma que toda e qualquer informação nestes meios possa ser encontrada, analisada e aproveitada em tempo hábil.
- 4. Pode se referir a uma acumulação de teorias, ideias e conceitos ou ainda um produto resultante dessas aprendizagens. Para alguns autores, é considerado uma informação com utilidade.
- 5. Uso das técnicas de DM para descobrir e extrair automaticamente a informação de documentos na Web.
- 7. Envolve encontrar e interpretar padrões nos dados, de modo iterativo e interativo, por meio da repetição dos algoritmos e da análise de seus resultados.
- 10. Forma de representação de resultados de alguns métodos de classificação, por exemplo ID3 e C4.5.
- 11. Tradicionalmente, uma proposição lógica tem dois extremos: ou é “completamente verdadeiro” ou “completamente falso”. Nesta abordagem, uma premissa varia em grau de verdade de 0 a 1, o que leva a ser parcialmente verdadeira ou parcialmente falsa.
- 15. Usado para classificar imagens, reconhecer falas, detectar objetos e descrever conteúdos. Utiliza redes neurais para melhorar tarefas tais como reconhecimento de fala, visão computacional e processamento de linguagem natural. Sistemas como Siri e Cortana são parcialmente alimentados pela tecnologia.
- 16. Estrutura que armazena grande quantidade de dados e possibilita a utilização de métodos de mineração de dados para extração de “conhecimento”.
- 17. Também referenciada como Inteligência de Colônias ou Inteligência Coletiva, é um conjunto de técnicas baseadas no comportamento coletivo de sistemas auto organizados, distribuídos, autônomos, flexíveis e dinâmicos. Estes sistemas são formados por uma população de agentes computacionais simples que possuem a capacidade de perceber e modificar o seu ambiente de maneira local. Esta capacidade torna possível a comunicação entre os agentes, que captam as mudanças no ambiente geradas pelo comportamento de seus congêneres.
- 19. Ramo da AM que usa algoritmos que aprendem iterativamente a partir dos dados para permitir que os computadores encontrem informações ocultas sem serem explicitamente programados para onde procurar. Resolve problemas conhecidos e usa um conjunto de dados rotulado para treinar um algoritmo para realizar tarefas específicas.
- 20. Esta tarefa auxilia a prever o futuro, utilizando o passado como entrada. Para isso utilizam-se dados históricos.
- 23. Tipo de tarefa que procura explicar o banco de dados. Exemplo: análise de associação
- 24. Testa a capacidade de uma máquina exibir comportamento inteligente equivalente ao de um ser humano, ou indistinguível de um.
- 25. Esta tarefa identifica informações homogêneas de grupos heterogêneos entre os demais e aponta o item que melhor representa cada cluster.
- 26. Selecionar os métodos a serem utilizados para a efetiva busca por padrões de interesse numa forma particular de representação ou conjunto de representações; busca pelo melhor ajuste dos parâmetros do algoritmo para a tarefa em questão.