Glossário

Métodos de Monte Carlo

O que é Métodos de Monte Carlo?

Os métodos de Monte Carlo são técnicas de cálculo que utilizam um número muito elevado de amostras aleatórias para aproximar resultados difíceis de calcular analiticamente. Um sistema é simulado milhares de vezes com pressupostos variados de forma aleatória, e a distribuição dos resultados é analisada. As organizações utilizam-nos na análise de risco, no planeamento de projetos ou na avaliação de carteiras. Em IA, estes métodos são usados, entre outras áreas, na aprendizagem por reforço e na pesquisa em árvore para jogos.

Temas

simulação
estatística
análise de risco

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

Aprendizagem por reforço (RL)

A aprendizagem por reforço é um ramo da aprendizagem automática em que um agente aprende por tentativa e erro. Atua num ambiente, recebe recompensas por bons resultados e penalizações por maus resultados e, desta forma, desenvolve uma estratégia que maximiza a recompensa total. Entre os exemplos conhecidos contam-se programas que dominam jogos de tabuleiro como o Go, o controlo de robôs e a afinação de modelos de linguagem com base em avaliações humanas.

método de aprendizagem
recompensa
+1

Modelação preditiva

A modelação preditiva é o núcleo técnico da análise preditiva: com dados de exemplo de resultados conhecidos, constrói-se um modelo que prevê um valor ou uma classe para casos novos. Entre os métodos comuns contam-se a regressão, as árvores de decisão, as florestas aleatórias e as redes neuronais. Um modelo pode, por exemplo, estimar o preço de um imóvel a partir da área, da localização e do ano de construção. Antes da utilização, é testado com dados reservados para detetar o sobreajuste.

modelação
previsão
+1

Modelo oculto de Markov (HMM)

Um modelo oculto de Markov (HMM, do inglês hidden Markov model) é um modelo estatístico para sequências em que os estados reais estão ocultos e só podem ser deduzidos a partir de sinais observáveis. Descreve a probabilidade de um estado suceder a outro e de cada estado produzir uma dada observação. Os HMM foram durante muito tempo a norma no reconhecimento de voz e na anotação morfossintática; hoje continuam a ser usados, por exemplo, na bioinformática e na análise de séries temporais.

Estatística
Modelos de sequência
+1