Transcrição da Prova — Arthur Baltar Eler

Matrícula: 20223004240 • Turma2 • Prova Escrita 1 (Modelo A)

Data de Publicação

27/10/2026

Data de Modificação

22/10/2026

Voltar ao Quadro Geral de Notas | Visualizar Laudo Oficial em HTML

Transcrição da Prova Escrita 1 — Arthur Baltar Eler

Questão 1 — Triagem com dados heterogêneos (5,0 pts) — [Páginas 1 e 2]

  • Legibilidade da Questão: 90%

1.a Figura 1 e Decisão de Produção (Valor: 2,0) — [Página 1]

  • Resposta Manuscrita: > “A afirmação da equipe está equivocada, como nota-se no gráfico, o modelo aceita ~99,9% nessa base, porém na validação, a partir da época 8 revela que o modelo praticamente ‘decorou’ as respostas e não consegue generalizar, por isso a queda contínua não garante que o modelo esteja pronto para produção.”
  • Observações de Leitura (OCR): O discente usou aspas em ‘decorou’; identificou claramente a Época 8 e a falha de generalização/sobreajuste.

1.b Representação e Retropropagação (Valor: 2,0) — [Página 2]

  • Resposta Manuscrita: > “É desejável que as entradas sejam normalizadas para alimentar corretamente a MLP. O backpropagation por sua vez serve para ajustar os pesos durante o treinamento, pois manter fixo diminui os ganhos, e a generalização do modelo.”
  • Observações de Leitura (OCR): Termo “normalizadas” perfeitamente legível na primeira linha.

1.c Evidências de Confiança e Reprodutibilidade (Valor: 1,0) — [Página 2]

  • Resposta Manuscrita: > “Uma medida concreta para tal é o recall, pois priorizará os casos mais graves, dando prioridade de atendimento para esses. Com respeito às evidências adicionais, particionar os dados corrobora a melhoria, pois previne/mitiga o problema de ‘decorar respostas’. Já com relação às métricas de clínica, são úteis pois servem para comparar e avaliar a saída do modelo.”
  • Observações de Leitura (OCR): Citação explícita de “recall” e particionamento dos dados.

Questão 2 — Inspeção visual em condições novas (5,0 pts) — [Páginas 2 e 3]

  • Legibilidade da Questão: 88%

2.a Diagnóstico Experimental (Valor: 2,0) — [Página 2]

  • Resposta Manuscrita: > “Primeiro investigar as possibilidades: overfitting, covariate shift e outros. Se congelarmos as primeiras camadas e o erro persistir, significa que não é overfitting, se trocarmos a base verificamos a mudança de distribuição e tomamos conclusões com base na saída.”
  • Observações de Leitura (OCR): Citação literal dos termos em inglês “overfitting” e “covariate shift”.

2.b Arquitetura e Transferência de Aprendizado (Valor: 2,0) — [Página 3]

  • Diagrama / Elemento Visual: Sem diagrama desenhado no campo reservado; resposta puramente textual.
  • Resposta Manuscrita: > “Uma CNN é apropriada pois treinar do zero uma rede neural pra imagens é custoso computacionalmente. Usando uma base pré-treinada (transfer learning) ajuda. Porém, seria interessante congelar as primeiras camadas logo no início pra não ocorrer overfitting e deixar a head livre, que seria o ajuste fino pra identificar as peças produzidas. Por fim, regularizar a base ajudaria, pois popularizaria a base que pode estar viciando o modelo.”
  • Observações de Leitura (OCR): Menção a congelamento de camadas iniciais e ajuste da “head livre”.

2.c Cautela Amostral (Valor: 1,0) — [Página 3]

  • Resposta Manuscrita: > “Além de regularizar o modelo, se atentar a métrica f1-score que é usada quando um falso negativo custa caro, mas também um falso positivo, para ver se o modelo está equilibrado.”
  • Observações de Leitura (OCR): Foco na métrica balanceada F1-Score diante da disparidade de custos.

Questão 3 — Alerta que muda decisões (5,0 pts) — [Páginas 3 e 4]

  • Legibilidade da Questão: 86%

3.a Interpretação da Calibração e Crítica ao Limiar (Valor: 2,0) — [Página 3]

  • Diagrama / Elemento Visual: Sem anotações adicionais na Figura 2.
  • Resposta Manuscrita: > “Pois não leva em conta os custos dos falsos positivos e falsos negativos, que fazem esse classificador quebrar, por isso ele está mal calibrado.”
  • Observações de Leitura (OCR): Letra cursiva um pouco inclinada; resposta concisa.

3.b Custos Assimétricos e Capacidade Operacional (Valor: 2,0) — [Página 4]

  • Resposta Manuscrita: > “Tem que avaliar qual o mais custoso, se falso positivo, usar a métrica precision se falso negativo, usar recall, se ambos, f1-score. Provavelmente, o recall é a mais adequada, visto que o objetivo é preservar a vida humana.”
  • Observações de Leitura (OCR): Citação das métricas precision, recall e f1-score em função do custo clínico.

3.c Telemetria e Deriva de Conceito (Valor: 1,0) — [Página 4]

  • Resposta Manuscrita: > “Ter um calibrador automático, se a equipe médica reportar uma anomalia ele recalcula e ajusta, e aprende.”
  • Observações de Leitura (OCR): Ideia de loop de feedback clínico e recalibração.

Questão 4 — Busca de conhecimento para atendimento (5,0 pts) — [Páginas 4 e 5]

  • Legibilidade da Questão: 85%

4.a Representação Semântica e Limitações do Cosseno (Valor: 2,0) — [Página 4]

  • Resposta Manuscrita: > “Um contextualizado supera um estático pois verifica os vetores mais próximos para retornar. O cosseno não lida com todos por exemplo, pode retornar algo obsoleto, um documento irrelevante, ou não retornar nada se não tiver algo naquilo dito.”
  • Observações de Leitura (OCR): Aponta a limitação do cosseno em tratar normas obsoletas ou irrelevantes.

4.b Avaliação Rigorosa de Recuperação (Valor: 1,5) — [Página 5]

  • Resposta Manuscrita: > “Usar a proporção de consultas que retorna resultado é ruim pois se o que está sendo retornado não for útil como resposta é uma métrica vazia. É necessário um protocolo que melhore o retorno para algo relevante, com métricas melhores como: data de publicação (mais recente melhor).”
  • Observações de Leitura (OCR): Crítica à métrica ingênua de retorno; sugere critério temporal.

4.c Busca Híbrida e Governança (Valor: 1,5) — [Página 5]

  • Resposta Manuscrita: > “Adicionar uma busca léxica ajuda a aumentar a taxa de sucesso, pois além da busca semântica representada por vetores densos usando a similaridade cosseno, garante que a busca sintática encontre exatamente o que se procura, visto que ela analisa caracteres em ordem específica.”
  • Observações de Leitura (OCR): Associação entre busca léxica (caracteres/ordem específica) e busca semântica (vetores densos).

Questão 5 — Assistente que pode não responder (5,0 pts) — [Páginas 5 e 6]

  • Legibilidade da Questão: 88%

5.a Contestação do Maior Escore e Desenho da Abstenção (Valor: 2,0) — [Página 5]

  • Diagrama / Elemento Visual: Sem esquema gráfico desenhado.
  • Resposta Manuscrita: > “É possível que nem sempre o maior escore seja o documento esperado. Por isso, recomenda-se estratégias alternativas como retornar a partir de um limiar mínimo, ou comparar a diferença do primeiro pro segundo resultado, pois pode ser ilusória.”
  • Observações de Leitura (OCR): O aluno propôs exatamente a lógica dos dois parâmetros (\(\tau_1\) e \(\tau_2\)): limiar mínimo e diferença entre primeiro e segundo resultado.

5.b Conflito de Fontes e Validação Prévia (Valor: 2,0) — [Página 6]

  • Resposta Manuscrita: > “Verificar a atualidade dos documentos, se as normas são conflituosas provavelmente a mais atual é mais válida. Para além disso, normas são superiores em hierarquia comparado com perguntas/consultas, logo sua resposta deve prevalecer. É possível validar testando.”
  • Observações de Leitura (OCR): Identificação de hierarquia e atualidade/vigência das normas.

5.c Telemetria e Impacto Operacional (Valor: 1,0) — [Página 6]

  • Resposta Manuscrita: > “Ela fornece a informação se o modelo generaliza ou não. É necessário ver como ele responde para mudanças para entender isso.”
  • Observações de Leitura (OCR): Resposta curta conectando monitoramento à generalização perante mudanças.
De volta ao topo