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.
Matemática para IA
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.
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.
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.