Glossário

Inferência causal

O que é Inferência causal?

A inferência causal abrange métodos para deduzir relações de causa e efeito a partir de dados, em vez de apenas identificar correlações. Responde a perguntas como "O que teria acontecido se não tivéssemos tomado esta medida?". Entre as ferramentas contam-se experiências aleatorizadas, como os testes A/B, os grafos causais e técnicas estatísticas para dados observacionais. Exemplo: verificar se uma campanha de descontos aumentou de facto as vendas ou se estas teriam subido de qualquer forma por razões sazonais.

Temas

Estatística
Causa e efeito
Análise

Experimentar o KI.ordo

Agentes, fluxos e modelos num só espaço de trabalho – demonstração gratuita de 24 horas.

Iniciar demonstração

← Todos os termos

Termos relacionados

Redes bayesianas

As redes bayesianas são modelos gráficos que representam variáveis como nós e as suas dependências probabilísticas como setas dirigidas. Com base no teorema de Bayes, mostram como novas observações alteram a probabilidade de outros acontecimentos. Um exemplo é o apoio ao diagnóstico: estimar a causa mais provável a partir dos sintomas observados. Os seus pontos fortes são a transparência e a capacidade de lidar com dados incertos ou incompletos.

Probabilidade
Modelos gráficos
+1

Análise preditiva

A análise preditiva utiliza dados históricos, estatística e aprendizagem automática para estimar acontecimentos futuros prováveis. Responde a perguntas como: que clientes estão prestes a cancelar? De quanto stock será necessário no próximo mês? Quando é provável que uma máquina avarie? Os resultados são probabilidades, não certezas. O seu valor depende muito da qualidade dos dados e de as previsões se refletirem efetivamente em decisões e processos.

análise de dados
previsão
+1

Bias

Em IA, o enviesamento (bias) designa uma distorção sistemática dos resultados. Resulta frequentemente de dados de treino desequilibrados ou historicamente distorcidos, mas também do design do modelo ou da forma como uma pergunta é formulada. Um exemplo conhecido: uma ferramenta de triagem de candidatos que aprende com decisões de contratação anteriores pode perpetuar desvantagens existentes. Em estatística, bias designa também o desvio de uma estimativa em relação ao valor real. As contramedidas incluem dados diversificados, auditorias regulares e decisões humanas em questões de pessoal.

Ética da IA
Fairness
+1

Análise exploratória de dados (EDA)

A análise exploratória de dados (EDA, do inglês exploratory data analysis) é o primeiro olhar, aberto, sobre um conjunto de dados: calculam-se valores-resumo, examinam-se distribuições e gráficos e procuram-se padrões, valores atípicos e valores em falta – ainda sem uma hipótese definida. Ajuda a avaliar a qualidade dos dados e a encontrar questões pertinentes para análises ou modelações posteriores. Exemplo: antes de uma previsão de vendas, a EDA revela que um mês foi registado de forma incompleta devido a uma migração de sistema.

Análise de dados
Estatística
+1

Modelo