first commit

.obsidian/graph.json

@@ -17,6 +17,6 @@
   "repelStrength": 10,
   "linkStrength": 1,
   "linkDistance": 250,
-  "scale": 0.701684858941973,
+  "scale": 0.27470181835878554,
   "close": true
 }

.obsidian/workspace.json

@@ -4,141 +4,34 @@
     "type": "split",
     "children": [
       {
-        "id": "c753d4022a90ce1a",
+        "id": "edcd4479d223a957",
         "type": "tabs",
         "children": [
           {
-            "id": "6463ec3a5ca1feba",
+            "id": "12d508c101b92b81",
             "type": "leaf",
             "state": {
               "type": "markdown",
               "state": {
-                "file": "Modelagem de Linguagem Causal.md",
+                "file": "Redes Neurais.md",
                 "mode": "source",
                 "source": false
               }
             }
           },
           {
-            "id": "7ea77571f7df743a",
+            "id": "ef913f02fd152902",
             "type": "leaf",
             "state": {
               "type": "markdown",
               "state": {
-                "file": "Modelagem de Linguagem Mascarada.md",
-                "mode": "source",
-                "source": false
-              }
-            }
-          },
-          {
-            "id": "cc7dea795bdf0ac7",
-            "type": "leaf",
-            "state": {
-              "type": "markdown",
-              "state": {
-                "file": "Camadas de Atenção.md",
-                "mode": "source",
-                "source": false
-              }
-            }
-          },
-          {
-            "id": "e68fe2bbc0c8bf2e",
-            "type": "leaf",
-            "state": {
-              "type": "markdown",
-              "state": {
-                "file": "Optimizing RAG.md",
-                "mode": "source",
-                "source": false
-              }
-            }
-          },
-          {
-            "id": "faa84a79600d8f1b",
-            "type": "leaf",
-            "state": {
-              "type": "markdown",
-              "state": {
-                "file": "BRAG.md",
-                "mode": "source",
-                "source": false
-              }
-            }
-          },
-          {
-            "id": "8d6d879b3a376267",
-            "type": "leaf",
-            "state": {
-              "type": "markdown",
-              "state": {
-                "file": "FP32.md",
-                "mode": "source",
-                "source": false
-              }
-            }
-          },
-          {
-            "id": "f00d197f4ebe14d6",
-            "type": "leaf",
-            "state": {
-              "type": "markdown",
-              "state": {
-                "file": "Encoder.md",
-                "mode": "source",
-                "source": false
-              }
-            }
-          },
-          {
-            "id": "1a340cf579fb53f5",
-            "type": "leaf",
-            "state": {
-              "type": "markdown",
-              "state": {
-                "file": "Attention works well.md",
-                "mode": "source",
-                "source": false
-              }
-            }
-          },
-          {
-            "id": "b52a1581a9d8dcf8",
-            "type": "leaf",
-            "state": {
-              "type": "image",
-              "state": {
-                "file": "agenteGen.jpg"
-              }
-            }
-          },
-          {
-            "id": "06cbbe049e01b25f",
-            "type": "leaf",
-            "state": {
-              "type": "markdown",
-              "state": {
-                "file": "Overlap.md",
-                "mode": "source",
-                "source": false
-              }
-            }
-          },
-          {
-            "id": "b9e600f3286a66a9",
-            "type": "leaf",
-            "state": {
-              "type": "markdown",
-              "state": {
-                "file": "Index Pipeline RAG.md",
+                "file": "NAR.md",
                 "mode": "source",
                 "source": false
               }
             }
           }
-        ],
-        "currentTab": 10
+        ]
       }
     ],
     "direction": "vertical"
@@ -188,7 +81,7 @@
       }
     ],
     "direction": "horizontal",
-    "width": 358.5
+    "width": 200
   },
   "right": {
     "id": "5612a97ef8df680b",
@@ -204,7 +97,7 @@
             "state": {
               "type": "backlink",
               "state": {
-                "file": "Index Pipeline RAG.md",
+                "file": "Redes Neurais.md",
                 "collapseAll": false,
                 "extraContext": false,
                 "sortOrder": "alphabetical",
@@ -221,7 +114,7 @@
             "state": {
               "type": "outgoing-link",
               "state": {
-                "file": "Index Pipeline RAG.md",
+                "file": "Redes Neurais.md",
                 "linksCollapsed": false,
                 "unlinkedCollapsed": true
               }
@@ -244,7 +137,7 @@
             "state": {
               "type": "outline",
               "state": {
-                "file": "Index Pipeline RAG.md"
+                "file": "Redes Neurais.md"
               }
             }
           }
@@ -265,53 +158,53 @@
       "command-palette:Open command palette": false
     }
   },
-  "active": "b9e600f3286a66a9",
+  "active": "12d508c101b92b81",
   "lastOpenFiles": [
-    "Pasted image 20240807153930.png",
-    "Pasted image 20240807153914.png",
-    "Pasted image 20240807153832.png",
-    "Overlap.md",
-    "Index Pipeline RAG.md",
-    "Pasted image 20240807153225.png",
-    "Modelagem de Linguagem Causal.md",
-    "AgenteGen.md",
-    "agenteGen.jpg",
-    "Attention works well.md",
-    "Pasted image 20240806185653.png",
-    "Encoder.md",
-    "Pasted image 20240805190947.png",
-    "FP32.md",
-    "Pasted image 20240805150010.png",
-    "BRAG.md",
-    "Pasted image 20240805144647.png",
-    "Optimizing RAG.md",
-    "Pasted image 20240803135635.png",
-    "Camadas de Atenção.md",
-    "Modelagem de Linguagem Mascarada.md",
-    "Retrieval.md",
-    "Categorize_an_Image.md",
-    "Img/RAG_custom_chatbot.png",
-    "RAG Native, Advanced, Modular.md",
-    "Custom RAG Chatbot.md",
-    "Encoder Decoder.md",
-    "Mixture of Experts.md",
-    "ML Scientist Roadmap.md",
-    "Anomaly Detection in Microsoft Azure.md",
-    "Anomaly Detection.md",
-    "AI frameworks.md",
-    "Accuracy.md",
-    "Response_Guardrails.md",
-    "Describe an Image.md",
-    "XGBoost Hyperparameters.md",
+    "TransNAR.md",
+    "Redes Neurais.md",
+    "NAR.md",
+    "Bias.md",
+    "GT.md",
+    "GNNs.md",
+    "GAN.md",
+    "KQL.md",
+    "NMT.md",
+    "Bot_Framework.md",
+    "Glossary/AI-900.md",
+    "Princípio Responsabilidade.md",
+    "Algoritmos de classificação.md",
+    "Algoritmo de Clustering.md",
+    "Regressão Linear Múltipla.md",
+    "AI-900.md",
+    "RAG Vector DBs.md",
+    "Database DataSets.md",
+    "DistilBERT.md",
+    "RoBERTa.md",
+    "BERT.md",
+    "Transformer.md",
+    "ResNets.md",
+    "U-Net.md",
+    "GRUs.md",
+    "LSTM.md",
+    "Pasted image 20240808191148.png",
+    "Pasted image 20240808185445.png",
+    "Pasted image 20240808183247.png",
+    "books/2_Ficha Cadastral.pdf",
+    "books/2_Ficha Cadastral.pdf.crdownload",
+    "books/LLMs_arquiteturas.pdf",
+    "books/LLMs_arquiteturas.pdf.crdownload",
+    "Img/ai_universe.gif",
+    "Pasted image 20240808124936.png",
+    "Img/llms_modulo.png",
+    "Img/TransNAR.png",
+    "mlAlgorithms.png",
+    "Img/graphragMS.gif",
+    "Img/agenteGen.jpg",
     "BD_Vector",
     "LlamaIndex",
     "ML",
     "FineTuning",
     "LangChain",
-    "LLMs",
-    "NLP",
-    "RAG",
-    "Glossary",
-    "Prediction"
+    "LLMs"
   ]
 }

AI Universe.md

@@ -0,0 +1 @@
+![[ai_universe.gif]]

AI-900.md

@@ -0,0 +1 @@
+![[Pasted image 20240808183247.png]]

Algoritmo de Clustering.md

@@ -0,0 +1,9 @@
+Um algoritmo de clustering é um exemplo de aprendizado não supervisionado, que agrupa pontos de dados que têm características semelhantes sem depender de treinamento e validação de previsões de rótulo. O aprendizado supervisionado é uma categoria de algoritmos de aprendizado que inclui regressão e classificação, mas não clustering. Algoritmos de classificação e regressão são exemplos de aprendizado de máquina supervisionado.
+
+O clustering é um tipo de aprendizado de máquina que analisa dados não rotulados para encontrar semelhanças presentes nos dados. Em seguida, agrupa (clusters) dados semelhantes. Neste exemplo, a empresa pode agrupar clientes online com base em atributos que incluem dados demográficos e comportamentos de compra. Em seguida, a empresa pode recomendar novos produtos para os grupos de clientes mais propensos a se interessar por eles. Classificação e classificação multiclasse são usadas para prever categorias de dados. A regressão é um cenário de aprendizado de máquina que é usado para prever valores numéricos.
+
+[Princípios de aprendizado de máquina – Treinamento | Microsoft Learn](https://learn.microsoft.com/training/modules/fundamentals-machine-learning/)
+
+[O que são modelos de classificação? ─ Treinamento | Microsoft Learn](https://learn.microsoft.com/training/modules/understand-classification-machine-learning/2-what-is-classification)
+
+[O que é clustering? ─ Treinamento | Microsoft Learn](https://learn.microsoft.com/training/modules/train-evaluate-cluster-models/2-what-is-clustering)

Algoritmos de classificação.md

@@ -0,0 +1,9 @@
+Qual tipo de algoritmo de aprendizado de máquina atribui itens a um conjunto de categorias predefinidas?
+
+Algoritmos de classificação são usados para prever uma categoria predefinida à qual pertence um valor de entrada. Algoritmos de regressão são usados para prever valores numéricos. Os algoritmos de clustering agrupam pontos de dados que têm características semelhantes. O aprendizado não supervisionado é uma categoria de algoritmos de aprendizado que inclui clustering, mas não regressão ou classificação.
+
+[Princípios de aprendizado de máquina – Treinamento | Microsoft Learn](https://learn.microsoft.com/training/modules/fundamentals-machine-learning/)
+
+[O que são modelos de classificação? ─ Treinamento | Microsoft Learn](https://learn.microsoft.com/training/modules/understand-classification-machine-learning/2-what-is-classification)
+
+[O que é clustering? ─ Treinamento | Microsoft Learn](https://learn.microsoft.com/training/modules/train-evaluate-cluster-models/2-what-is-clustering)

Attention works well.md

@@ -1 +1 @@
-![[Pasted image 20240806185653.png]]
+![[ATTENTION_WORKS_WELL.png]]

BERT.md

@@ -0,0 +1,4 @@
+**10. [[BERT]] (Bidirectional Encoder Representations from Transformers)**
+
+* Um modelo de processamento de linguagem natural que utiliza a arquitetura Transformer.
+* Desenvolvido originalmente para tarefas de classificação e análise de sentimento.

CNNs.md

@@ -0,0 +1,5 @@
+
+**3. Redes Neurais Convolucionais ([[CNNs]])**
+
+* Desenvolvidas para processar dados espaciais, como imagens.
+* Utilizam convoluções e poolings para extrair características.

Database DataSets.md

@@ -0,0 +1 @@
+![[Pasted image 20240808191148.png]]

Detecção de Objeto.md

@@ -0,0 +1,3 @@
+A detecção de objetos fornece a capacidade de gerar caixas delimitadoras que identificam os locais de diferentes tipos de veículos em uma imagem. As outras opções de resposta também processam imagens, mas seus resultados são diferentes.
+
+[Entender a pesquisa visual computacional – Treinamento | Microsoft Learn](https://learn.microsoft.com/training/modules/get-started-ai-fundamentals/4-understand-computer-vision)

DistilBERT.md

@@ -0,0 +1,6 @@
+
+**12. [[DistilBERT]] (Distilled BERT)**
+
+* Um modelo de processamento de linguagem natural que utiliza a arquitetura Transformer, mas com uma estrutura mais leve e
+eficiente.
+* Desenvolvido originalmente para tarefas de classificação e análise de sentimento.

Encoder.md

@@ -1 +1 @@
-![[Pasted image 20240805190947.png]]
+![[TRANSFORMER_ENCODE_DECODE.png]]

Fala de IA do Azure.md

@@ -0,0 +1,3 @@
+A **Fala de IA do Azure** fornece funcionalidades de conversão de fala em texto e de texto em fala por meio de reconhecimento de fala e síntese. Você pode usar modelos de serviço para Fala predefinidos e personalizados para diversas tarefas, desde transcrever áudio em texto com alta precisão, identificar alto-falantes em conversas, criar vozes personalizadas e muito mais.
+
+[Entender a Análise de Texto - Treinamento | Microsoft Learn](https://learn.microsoft.com/training/modules/analyze-text-with-text-analytics-service/2-understand-text-analytics)

GAN.md

@@ -0,0 +1,4 @@
+**14. Graph Attention Network ([[GAN]])**
+
+* Uma variação do modelo GNN que utiliza atenção mútua entre os nodos da rede para capturar dependências entre eles.
+* Desenvolvido originalmente para tarefas de classificação e análise de redes sociais.

GNNs.md

@@ -0,0 +1,4 @@
+**13. Graph Neural Networks ([[GNNs]])**
+
+* Desenvolvidos para processamento de dados estruturais, como grafos e redes sociais.
+* Utilizam operações em grafos para aprender características da rede.

GRUs.md

@@ -0,0 +1,4 @@
+**6. Gated Recurrent Units ([[GRUs]])**
+
+* Uma variação de RNNs que simplifica LSTMs removendo as células de memória.
+* Utilizam gates de atenção e esquecimento para controlar o fluxo de informação.

GT.md

@@ -0,0 +1,4 @@
+**15. Graph Transformer ([[GT]])**
+
+* Um modelo que combina a arquitetura GNN com a arquitetura Transformer para processamento de dados estruturais.
+* Utiliza atenção mútua e aprendizado de representações de contexto para capturar dependências entre os nodos da rede.

GraphRAG Microsoft.md

@@ -0,0 +1 @@
+![[graphragMS.gif]]

Index Pipeline RAG.md

@@ -1,5 +1,5 @@
-![[Pasted image 20240807153832.png]]
+![[KNOWLEDGE_RAG.png]]
 
-![[Pasted image 20240807153914.png]]
+![[RAG2.png]]
 
-![[Pasted image 20240807153930.png]]
+![[RAG1.png]]