Crie um guia abrangente de padrões de design para engenheiros de IA, focado em mitigar vieses algorítmicos em sistemas de recomendação. O guia deve incluir:

1.  **Categorização dos vieses:** Exemplos práticos de como vieses de popularidade, endogamia e filtro-bolha se manifestam em sistemas de recomendação.
2.  **Padrões de detecção:** Métricas e métodos para identificar e quantificar a presença desses vieses (ex: Gini Coefficient, Personalized Recommendation Diversity).
3.  **Padrões de mitigação:** Estratégias de design aplicáveis em diferentes estágios do pipeline de IA (coleta de dados, modelagem, pós-processamento de resultados) para reduzir o impacto desses vieses. Inclua exemplos de algoritmos ou técnicas (ex: re-ranking com diversidade, calibração de dados, exploração-explotação balanceada).
4.  **Padrões de avaliação contínua:** Métodos para monitorar a eficácia das intervenções de mitigação ao longo do tempo e adaptar os padrões conforme o comportamento do sistema e dos usuários.
5.  **Considerações éticas e de usabilidade:** Como comunicar a transparência e a justiça do sistema aos usuários, e como envolver as partes interessadas no processo de design para garantir uma abordagem mais equitativa.

O guia deve ser prático, com foco em exemplos e diagramas, e direcionado a engenheiros de IA que trabalham com grandes volumes de dados e modelos complexos.