Questão 1 — Triagem com dados heterogêneos
3,4 / 5,01.a Diagnóstico da Curva de Aprendizado e Decisão de Produção
1,8 / 2,0Resposta Transcrita do Aluno:
"A curva de Loss_Treino cair para as 30 épocas, mas Loss_Val começar a subir na época 8, significa overfitting, ou seja, a rede decorou os dados de treino e não se dá bem com os dados que ela não conhece. A afirmação da equipe está errada. Esse modelo não vai apresentar bons resultados para dados novos (teste)."
Parecer Analítico do Docente:
Diagnóstico preciso e claro: identificou a divergência na Época 8 com o loss de validação subindo, caracterizou sobreajuste/memorização e refutou a implantação em produção por falha de generalização.
1.b Representação de Entradas Heterogêneas e Retropropagação
1,0 / 2,0Resposta Transcrita do Aluno:
"As entradas tem que ser todos numéricos, a rede não pode receber textos. Com isso, os atributos textuais devem ser transformados em números. O Backpropagation serve para voltar no início da rede, atualizando os pesos de acordo com o resultado da saída. A rede dando um resultado inesperado, com o backpropagation atualiza os pesos que não contribui para um resultado melhor."
Parecer Analítico do Docente:
Compreendeu a obrigatoriedade da representação numérica e a mecânica geral do backpropagation para atualização de pesos. Não citou os métodos específicos (normalização, One-Hot/Embeddings) nem os gradientes via regra da cadeia.
1.c Evidências Clínicas de Confiança e Reprodutibilidade
0,6 / 1,0Resposta Transcrita do Aluno:
"Além do gráfico de Loss dado, ao terminar o treino, com o conjunto de teste, métricas como acurácia, precision, recall, f1, etc, são usadas para avaliar o resultado do modelo para os dados que ele nunca viu."
Parecer Analítico do Docente:
Citou a partição de teste para dados não vistos e um conjunto abrangente de métricas (precision, recall, f1). Omitiu a fixação de sementes aleatórias e versionamento para reprodutibilidade.