Fundamentos de IA - MirandasTech

Grade de cubos de vidro escuro com uma única coluna iluminada em ciano por um feixe de luz, alguns cubos violeta dentro dela e uma lupa ao lado, ao lado do título

Probabilidade

Probabilidade condicional e independência: do spam aos LLMs

Atualizar o universo de referência diante de informação observada e modelar quando eventos são dependentes, independentes ou independentes apenas sob uma condição.

Capa: cubo de vidro ciano ligado por um feixe de luz a um prisma violeta, com um feixe curvo de retorno ao cubo; título Matriz inversa: o caminho de volta

Matemática para IA

Matriz inversa: desfazendo transformações

Compreender a matriz inversa como a operação que desfaz uma transformação, conectando invertibilidade, determinante, sistemas lineares, perda de informação e computação numérica.

Árvore de decisão luminosa em ciano que nasce de um pedestal e termina em cubos de vidro, alguns reunidos numa bandeja violeta

Probabilidade

Combinatória para IA: permutações, combinações e probabilidade

Contar configurações sem enumerá-las uma a uma e transformar contagens em probabilidades apenas quando os resultados elementares forem equiprováveis.

Capa: cubo de vidro ciano ligado a um prisma violeta maior, um quadrado luminoso achatado numa linha; título Determinante: área e volume

Matemática para IA

Determinante: área, volume, orientação e perda de informação

Compreender o determinante geometricamente e usá-lo para identificar mudança de área e volume, inversão de orientação e perda de dimensão.

Capa: um dado de vidro ciano sobre um pedestal, cercado por três setores luminosos de tamanhos diferentes que fecham um círculo; título Probabilidade para IA

Probabilidade

Probabilidade para IA: incerteza, eventos e axiomas de Kolmogorov

Construir um modelo probabilístico coerente para representar incerteza e usar eventos e axiomas sem depender de fórmulas decoradas.

Capa: uma grade de vidro transformada de quatro formas, esticada, girada, espelhada e achatada, com um vetor ciano atravessando a grade central; título Transformações geométricas

Matemática para IA

Transformações geométricas: escala, rotação, reflexão e projeção

Enxergar matrizes como operações geométricas sobre o espaço e compreender como escala, rotação, reflexão e projeção formam a intuição necessária para redes neurais e Transformers.

Capa: um vetor de vidro ciano entra em uma máquina com grade 2 por 2 e sai esticado e inclinado em violeta, com um pequeno deslocamento; título Matrizes como transformações

Matemática para IA

Matrizes como transformações: entendendo de verdade y = Wx + b

Compreender matrizes como transformações de vetores e conectar essa interpretação diretamente às camadas de uma rede neural.

Fundamentos de IA

Similaridade de cosseno na prática: embeddings, busca semântica e RAG

Entenda como a similaridade de cosseno transforma geometria vetorial em embeddings, busca semântica, ranking Top-K e sistemas RAG.

Fundamentos de IA

Produto escalar: a operação que mede alinhamento entre vetores

Entenda o produto escalar, sua interpretação geométrica e por que essa operação aparece em redes neurais, embeddings, busca vetorial, RAG e Transformers.

Fundamentos de IA

Vetores como objetos geométricos: direção, magnitude, norma e distância

Entenda vetores como objetos geométricos e aprenda direção, magnitude, norma, normalização e distância — a base para embeddings, busca semântica, RAG e similaridade de cosseno.

Fundamentos de IA

Como a IA transforma o mundo em números: escalares, vetores, matrizes e tensores

Entenda como escalares, vetores, matrizes e tensores formam a base matemática dos modelos de IA, de embeddings a redes neurais e LLMs.