O que vem pela frente¶
Você já teve contato com os blocos de base: estatística descritiva, distribuições e NumPy. O que vem a seguir vai construir sobre esses conceitos — e algumas coisas vão parecer intimidadoras na primeira vez que aparecerem.
Esta seção existe para que você as reconheça quando chegarem.
Fórmulas: o que fazer quando aparecerem¶
Matemática em IA não é decoreba. Cada fórmula é uma forma compacta de descrever algo que o modelo está fazendo — medir um erro, ajustar um peso, tomar uma decisão.
Quando você ver algo como:
A pergunta certa não é "o que significa cada símbolo?" — é "o que essa fórmula está tentando medir?". Nesse caso: o quanto as previsões do modelo estão errando em relação aos valores reais.
Como ler fórmulas
Busque a intuição antes da matemática. Entender o que algo faz é mais útil do que entender como, especialmente no início. O detalhamento vem com a prática.
Dois conceitos que vão aparecer muito¶
Função de custo — mede o erro do modelo. O treinamento inteiro gira em torno de minimizar esse valor.
Gradiente descendente — o mecanismo que o modelo usa para aprender, ajustando seus parâmetros na direção que reduz o erro a cada iteração.
Esses dois trabalham juntos em praticamente todo algoritmo de aprendizado de máquina. Na Insper AI, você vai vê-los funcionando em código nas próximas aulas.
Não se preocupe agora
Esses conceitos vão ser destrinchados com calma — com código e exemplos concretos. Por enquanto, basta saber que eles existem e que têm um papel central no treinamento de modelos.