Centro Federal de Educação Tecnológica de Minas Gerais

Campus VII — Unidade Timóteo • Departamento de Computação e Engenharia

Disciplina: Inteligência Artificial II (2026.2) Docente: Prof. Aléssio Miranda Júnior Avaliação: Prova Escrita 1 — Modelo A

Laudo de Avaliação Individual

Erick Reis Miranda

Matrícula: 20223004429 Turma: Turma 2 Data: 19/10/2026 Caligrafia: 85% (Média Legibilidade)
Nota Final
4,6
de 25,0 pontos
Aproveitamento: 18,4%

Quadro Consolidado de Desempenho

Questão Tópico Avaliado Pontuação Obtida Pontuação Máxima Aproveitamento
Questão 1 Triagem com dados heterogêneos (MLP e Treinamento) 1,3 5,0
26%
Questão 2 Inspeção visual em condições novas (CNN e Transfer Learning) 1,3 5,0
26%
Questão 3 Alerta que muda decisões (Calibração e Custos Clínicos) 1,6 5,0
32%
Questão 4 Busca de conhecimento (Embeddings, IR e Busca Híbrida) 0,4 5,0
8%
Questão 5 Assistente com abstenção (RAG, Limiares e Governança) 0,0 5,0
0%
TOTAL Nota Consolidada da Avaliação 4,6 25,0
18,4%

Questão 1 — Triagem com dados heterogêneos

1,3 / 5,0

1.a Diagnóstico da Curva de Aprendizado e Decisão de Produção

1,3 / 2,0
Resposta Transcrita do Aluno:
"Significa que o modelo deve estar entrando em overfitting, pois enquanto a de treino cai, a de validação sobe.
A queda não significa necessariamente que está pronto pois não leva em consideração o contexto, e se a de validação também estiver caindo por exemplo."

1.b Representação de Entradas Heterogêneas e Retropropagação

0,0 / 2,0
Resposta Transcrita do Aluno:
[Subitem deixado em branco pelo discente]

1.c Evidências Clínicas de Confiança e Reprodutibilidade

0,0 / 1,0
Resposta Transcrita do Aluno:
[Subitem deixado em branco pelo discente]

Questão 2 — Inspeção visual em condições novas

1,3 / 5,0

2.a Diagnóstico Experimental do Aumento de Alertas

0,8 / 2,0
Resposta Transcrita do Aluno:
"Provavelmente o modelo está sobreajustado devido a sua base de treinamento ser majoritariamente de imagens diurnas, então devido a mudança de iluminação o modelo dispara muito falsos alertas. Testar o funcionamento de dia e"

2.b Arquitetura CNN, Data Augmentation e Transfer Learning

0,4 / 2,0
Resposta Transcrita do Aluno:
"Ajustando a base de treinamento com mais imagens noturnas e reduzindo o fitting."

2.c Cautela Amostral e Validação Robusta

0,1 / 1,0
Resposta Transcrita do Aluno:
"Reduzindo o overfitting."

Questão 3 — Alerta que muda decisões

1,6 / 5,0

3.a Leitura da Curva de Calibração e Impacto Clínico

0,5 / 2,0
Resposta Transcrita do Aluno:
"No contexto clínico prestar mal calibrado é deixar muitos falsos negativos, ou seja alguém que precisa de ajuda não 'apitar'."

3.b Ajuste Operacional com Custos Assimétricos

1,1 / 2,0
Resposta Transcrita do Aluno:
"A equipe médica deve ser usada ao máximo, foco deve ser evitar falsos negativos, pois o custo deles é muito maior que os dos falsos positivos."

3.c Telemetria e Monitoramento de Drift

0,0 / 1,0
Resposta Transcrita do Aluno:
[Subitem deixado em branco pelo discente]

Questão 4 — Busca de conhecimento para atendimento

0,4 / 5,0

4.a Representação Semântica e Limitações do Cosseno

0,0 / 2,0
Resposta Transcrita do Aluno:
[Subitem deixado em branco pelo discente]

4.b Avaliação Rigorosa de Recuperação (IR)

0,4 / 1,5
Resposta Transcrita do Aluno:
"Pois não é porque uma consulta foi feita que ela está certa."

4.c Busca Híbrida e Governança de Normas

0,0 / 1,5
Resposta Transcrita do Aluno:
[Subitem deixado em branco pelo discente]

Questão 5 — Assistente que pode não responder

0,0 / 5,0

5.a Contestação do Maior Escore e Desenho da Abstenção

0,0 / 2,0
Resposta Transcrita do Aluno:
[Subitem deixado em branco pelo discente]

5.b Conflito Normativo e Validação Pré-Implantação

0,0 / 2,0
Resposta Transcrita do Aluno:
[Subitem deixado em branco pelo discente]

5.c Telemetria e Impacto Operacional

0,0 / 1,0
Resposta Transcrita do Aluno:
[Subitem deixado em branco pelo discente]