Glossário

Definições curtas dos termos que aparecem ao longo da trilha. Muitos são mantidos em inglês por serem consagrados na área, com a explicação em português. Use esta página como referência rápida sempre que esbarrar em um termo novo nas aulas.

A

Agente. Programa que percebe um contexto, decide e age, em geral usando um LLM como núcleo de raciocínio e ferramentas externas para executar ações.

Atenção (attention). Mecanismo que pondera a importância de diferentes partes da entrada ao gerar cada parte da saída.

B

Bag of Words. Representação de um texto pela contagem de palavras, ignorando a ordem.

BERT. Modelo Transformer do tipo encoder, treinado para entender texto a partir de contexto bidirecional.

C

Chain of Thought. Técnica de prompt que pede ao modelo para mostrar o raciocínio passo a passo antes da resposta final.

ChromaDB. Banco de dados vetorial leve, usado como padrão didático no módulo de RAG.

E

Embedding. Representação de uma palavra, frase ou documento como um vetor denso de números que captura significado.

Evasão. No contexto de Learning Analytics, o abandono de um curso ou disciplina, que se busca prever para intervir a tempo.

F

Few-shot. Estratégia de prompt em que se dão alguns exemplos ao modelo antes da tarefa real.

Fine-tuning. Ajuste de um modelo pré-treinado em dados específicos de uma tarefa ou domínio.

L

Learning Analytics. Coleta, medição e análise de dados sobre alunos e seus contextos, com o objetivo de entender e melhorar a aprendizagem.

LLM. Large Language Model, um modelo de linguagem de grande porte treinado em muito texto.

LSTM. Long Short-Term Memory, uma rede recorrente que lida melhor com dependências de longo prazo.

P

Prompt. A entrada em linguagem natural enviada a um LLM.

Pré-treino. Fase em que o modelo aprende padrões gerais da linguagem antes de qualquer ajuste específico.

R

RAG. Retrieval-Augmented Generation, abordagem que recupera trechos relevantes de uma base e os fornece ao LLM para gerar respostas fundamentadas.

RLHF. Reinforcement Learning from Human Feedback, técnica de alinhamento que usa preferências humanas para ajustar o comportamento do modelo.

RNN. Rede Neural Recorrente, arquitetura que processa sequências mantendo um estado interno.

S

Self-attention. Atenção em que cada posição da sequência olha para as demais posições da própria sequência.

Sentence Transformer. Modelo que gera embeddings de frases inteiras, úteis em busca semântica.

Structured output. Saída do modelo em um formato definido, como JSON, para facilitar o uso por outros programas.

T

TF-IDF. Term Frequency-Inverse Document Frequency, medida que valoriza palavras frequentes em um documento e raras no conjunto.

Tokenização. Processo de quebrar o texto em unidades menores, os tokens.

Tool calling. Capacidade de um agente de chamar funções ou ferramentas externas para realizar ações.

Transformer. Arquitetura baseada em atenção que é a base dos LLMs modernos.

V

Validação. Avaliação de um modelo em dados separados do treino, para estimar o desempenho em dados novos.

Vetor. Lista ordenada de números, usada para representar dados de forma que o modelo consiga processar.