Transcrição da Prova — Danyel Martins Zini Silva

Matrícula: 20243014020 • Turma2 • Prova Escrita 1 (Modelo A)

Data de Publicação

27/10/2026

Data de Modificação

22/10/2026

Transcrição da Prova Escrita 1 — Danyel Martins Zini Silva

Resposta Manuscrita: > “A partir da época 8 o modelo deixa de treinar a partir dos dados e começa a memorizar os treinos, por isso que há um aumento da perda de validação, ou melhor overfitting.”
Observações de Leitura (OCR): Identifica a transição de aprendizado para memorização e a elevação da perda de validação caracterizando overfitting a partir da Época 8.

Resposta Manuscrita: > “Devem ser por dados filtrados utilizando funções de vetorização como a Pandas e de cálculo como a Numpy.a retropropagação são usados calculos com gradient para encontrar o melhor passo para cada época.”
Observações de Leitura (OCR): Citação pragmática de bibliotecas de manipulação/vetorização (Pandas/NumPy) e cálculo de gradientes para ajuste de passo por época.

Resposta Manuscrita: > “Através do treinamento há critérios feitos para aproximar da definição de um bom modelo como o conjunto de dados de variáveis perda, acurácia por parte dos testes efetuados.”
Observações de Leitura (OCR): Menção ao acompanhamento de perda e acurácia no teste.

Resposta Manuscrita: > “No overfitting haveria falhas nos resultados, pois os resultados fugiriam do padrão esperado.covariate shift os resultados seriam somente peças extremamente semelhantes que o modelo usou no treino.”
Observações de Leitura (OCR): Tenta contrastar o comportamento no sobreajuste com a dependência da distribuição de treino no covariate shift.

Diagrama / Elemento Visual: Sem diagrama desenhado.
Resposta Manuscrita: > “É apropriado devido a ser um modelo redes escondidas que conseguem retirar múltiplos resultados a partir de fragmento da imagem. Com isso, com o modelo pré-treinado e com os resultados quase certos, é possível congelar o treinamento e selecionar os dados restantes para a finalização do treino, para evitar um overfitting.”
Observações de Leitura (OCR): Refere-se à extração de características locais em fragmentos e propõe congelamento para mitigação de sobreajuste.

Resposta Manuscrita: > “Evitar inserir imagens de treino fora do contexto da noite, rotulando as imagens mais visíveis para o treino do modelo.”
Observações de Leitura (OCR): Cuidado na seleção amostral e rotulação de imagens visíveis.

Diagrama / Elemento Visual: Sem marcações adicionais sobre a Figura 2.
Resposta Manuscrita: > “A falta de um limiar variável acarreta em uma falha que pode trazer conforme mais dados são inseridos, nesse contexto os valores recebidos que não eram de risco alterando assim o peso mas necessariamente precisaria que alterasse o limiar também.”
Observações de Leitura (OCR): Argumenta a favor de ajuste ou variabilidade do limiar conforme o risco.

Resposta Manuscrita: > “O estático realiza uma busca por parâmetros similares e retorna a chunk a que represente. Já a contextualizada define o contexto do parâmetro e retorna as chunks que se correlaciona.uso do cosseno traz uma validação de parâmetros entre pontos distintos, sendo mais preciso o uso de ReLU para ordenar.”
Observações de Leitura (OCR): Aborda o particionamento em chunks e a captura de correlação contextual; sugere função de ativação na ordenação.

Resposta Manuscrita: > “Para um resultado ótimo, é necessário o uso de função de ativação para a validade do resultado.”
Observações de Leitura (OCR): Foco na validação da saída.

Resposta Manuscrita: > “Pela precisão da busca híbrida, na busca por chunks e parâmetros contextualizados.”
Observações de Leitura (OCR): Aponta precisão da busca híbrida integrando chunks e contexto.

Diagrama / Elemento Visual: Esboço manuscrito de curva de ativação não linear (curva em S / sigmoide) sobre eixos ortogonais na parte inferior da página.
Resposta Manuscrita: > “O retorno de maior escore é realmente busca vetorial mais bruta, com intuito de retornar somente o documento que mais se relaciona ao contexto.”
Observações de Leitura (OCR): Qualifica a escolha exclusiva do maior escore como mecanismo bruto e insuficiente.

Resposta Manuscrita: > “Através do vetor mais relacionado ao contexto de busca, caso não exista um relacionamento mínimo não seria possível haver uma resposta.”
Observações de Leitura (OCR): Estabelece a condição de relacionamento mínimo para emissão de resposta (ideia de limiar de corte).

Resposta Manuscrita: > “Através da taxa de acerto e retorno de resultados através do modelo em produção, caso se modifique os documentos, um novo Embedding será realizado aos documentos, e os parâmetros do modelo se manterá diferente da base desses vetores.”
Observações de Leitura (OCR): Aponta a necessidade de recomputação de embeddings (reindexação) quando há modificação documental.