Aprendizado autossupervisionado

Autores

Rafael Teixeira Sousa
Universidade Federal do Mato Grosso
https://orcid.org/0000-0001-5998-046X
Taciana Novo Kudo
Universidade Federal de Goiás
https://orcid.org/0000-0002-7238-0562
Renata Dutra Braga
Universidade Federal de Goiás
https://orcid.org/0000-0002-3448-0343
Ricardo Augusto Pereira Franco
Universidade Federal de Goiás
https://orcid.org/0000-0001-7169-3367
Luciana de Oliveira Berretta
Universidade Federal de Goiás
https://orcid.org/0000-0003-1857-8989
Arlindo Rodrigues Galvão Filho
Universidade Federal de Goiás
https://orcid.org/0000-0003-2151-8039

Palavras-chave:

aprendizado, ciência da computação - estudo e ensino, inteligência artificial, programação (computadores), modelos generativos, modelos autorregressivos, fluxos de normalização, redes adversárias generativas

Sinopse

Esta publicação traz o microcurso de Fundamentos da IA Generativa: aprendizado autossupervisionado, motivado pela extraordinária e veloz ascensão da inteligência artificial generativa no cenário tecnológico global. Ferramentas capazes de criar textos, imagens, códigos e vídeos tornaram-se onipresentes, criando uma demanda urgente por profissionais que não apenas saibam utilizar essas tecnologias, mas que compreendam profundamente seus mecanismos internos para poder inovar e desenvolver novas soluções. O e-book foi concebido para ser um guia fundamental. Em vez de focar apenas nas aplicações, mergulha nos princípios que as tornam possíveis, com um foco especial no aprendizado autossupervisionado. Explora como essa abordagem revolucionária permite que os modelos aprendam com a imensidão de dados não rotulados da internet, tornando-se o verdadeiro motor da IA generativa. Ao longo das unidades, explora-se desde os conceitos básicos de probabilidade até as arquiteturas dos principais modelos generativos — autorregressivos, GANs, de difusão e de fluxo — construindo uma base conceitual sólida.

Downloads

Não há dados estatísticos.

Downloads

Publicado

15 janeiro 2026

Licença

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Detalhes sobre essa publicação

ISBN-13 (15)

978-85-495-1246-8

Publication date (01)

15/01/2026