Centro Federal de Educação Tecnológica de Minas Gerais

"Na época 8 em diante há overfitting, isso indica uma baixa generalização, ou seja, é necessário usar o early stopping como forma de teste antes de realmente implantar o modelo."

"Os dados devem ser normalizados e codificados (one-hot encoding). A retropropagação calcula os gradientes do erro em relação aos pesos, permitindo ajustá-los pra minimizar perda."

"Separar dados de treino, validação e teste, avaliar recall, precisão e sensibilidade clínica, pra reproduzir experimentos, fixar a semente aleatória e registrar os parâmetros do treinamento."

"A rotina de investigação seria uma análise das imagens e os resultados do modelo, comparando os dados do turno diurno e noturno. Overfitting: uma diferença significativa entre resultado de treinamento e validação indicaria possível sobreajuste. Covariate shift: se as imagens noturnas apresentarem características diferentes das imagens de treinamento, pode haver mudança na distribuição dos dados. Falha de rotulação: pegaria amostras mal classificadas e pediria uma nova avaliação humana pra verificar se existem rótulos errados ou inconsistentes."

"Utilizaria uma CNN com transferência de aprendizado aproveitando um modelo pré-treinado com imagens gerais."

"Separaria um conjunto de teste independente (representando o turno noturno) com rótulos revisados por especialistas, avaliaria métricas como precisão, recall, F1-score e matriz de confusão considerando intervalos de confiança."

"A premissa da direção para fixar o limiar em 0,50 é falha porque previsão não é risco real de 50%, na verdade é 18%, o modelo está mal calibrado."

"É necessário encontrar um equilíbrio, já que os falsos positivos sobrecarregam e falsos negativos podem colocar pacientes em situação de risco."

"Ficar de olho em previsões, erros, calibração e entradas. Dependendo do contexto realizar uma revisão do modelo e até mesmo retreinamento."

"Embeddings estáticos atribuem um valor fixo a cada palavra, enquanto Transformers geram representações contextualizadas. A similaridade do cosseno mede proximidade entre vetores, mas não garante relevância."

"Retornar documentos não garante que sejam relevantes. Criaria um conjunto de consultas com documentos relevantes identificados por especialistas e avaliaria com Precision@K, Recall@K e MRR."

"Combinaria busca vetorial com busca lexical BM25, que identifica termos exatos, e filtros de metadados, como data e categoria, normas revogadas seriam marcadas como obsoletas e excluídas por padrão, priorizando documentos atuais e válidos."

"O sistema deve responder somente se o maior escore ultrapassar um limiar mínimo (T1) e a diferença entre os dois maiores escores ultrapassar outro limiar (T2), caso contrário deve se abster e solicitar revisão humana."

"Documentos conflitantes devem ser identificados e comparados por confiabilidade, data e autoridade da fonte. Se não for possível resolver o conflito, o sistema deve se abster. A política deve ser validada com casos de teste contendo documentos conflitantes."

"Monitoraria a taxa de abstenção, a precisão das respostas e os erros por tipo de consulta. Se as abstenções aumentarem, analisaria exemplos de consultas e documentos pra identificar a causa, ajustando os limiares ou melhorando a recuperação de documentos."