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

Gabriel Batistuta Anicio Martins Silva

Matrícula: 20213006395 Turma: Turma 1 Data: 19/10/2026 Caligrafia: 75% (Baixa Legibilidade)
Nota Final
4,4
de 25,0 pontos
Aproveitamento: 17,6%

Quadro Consolidado de Desempenho

Questão Tópico Avaliado Pontuação Obtida Pontuação Máxima Aproveitamento
Questão 1 Triagem com dados heterogêneos (MLP e Treinamento) 2,0 5,0
40%
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) 1,1 5,0
22%
Questão 4 Busca de conhecimento (Embeddings, IR e Busca Híbrida) 0,0 5,0
0%
Questão 5 Assistente com abstenção (RAG, Limiares e Governança) 0,0 5,0
0%
TOTAL Nota Consolidada da Avaliação 4,4 25,0
17,6%

Questão 1 — Triagem com dados heterogêneos

2,0 / 5,0

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

1,1 / 2,0
Resposta Transcrita do Aluno:
"A queda contínua da perda de treino pode significar que o modelo está viciado para aquelas amostras."

1.b Representação de Entradas Heterogêneas e Retropropagação

0,6 / 2,0
Resposta Transcrita do Aluno:
"Devem ser categorizados, ... [separadamente]. O backpropagation ajusta os pesos para o modelo aproximar do resultado esperado."

1.c Evidências Clínicas de Confiança e Reprodutibilidade

0,3 / 1,0
Resposta Transcrita do Aluno:
"Garantir o learning transfer com tecnica como dropout para evitar o overfitting."

Questão 2 — Inspeção visual em condições novas

1,3 / 5,0

2.a Diagnóstico Experimental do Aumento de Alertas

1,0 / 2,0
Resposta Transcrita do Aluno:
"A amostragem de dados do modelo se baseia em imagens de peças produzidas durante o dia, logo não seria adequada para aplicar em peças produzidas durante a noite. Base de dados ruim para essa aplicação."

2.b Arquitetura CNN, Data Augmentation e Transfer Learning

0,2 / 2,0
Resposta Transcrita do Aluno:
"Aplicar em outro contexto."

2.c Cautela Amostral e Validação Robusta

0,1 / 1,0
Resposta Transcrita do Aluno:
"Com paciencia para avaliar melhor."

Questão 3 — Alerta que muda decisões

1,1 / 5,0

3.a Leitura da Curva de Calibração e Impacto Clínico

0,3 / 2,0
Resposta Transcrita do Aluno:
"Pois existem pontos que a calibração está bem próxima do ideal."

3.b Ajuste Operacional com Custos Assimétricos

0,6 / 2,0
Resposta Transcrita do Aluno:
"Menor taxa de falsos negativos."

3.c Telemetria e Monitoramento de Drift

0,2 / 1,0
Resposta Transcrita do Aluno:
"Análise ... ou algoritmo probabilístico."

Questão 4 — Busca de conhecimento para atendimento

0,0 / 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)

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

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]