Transcrição da Prova — Matheus Benevenuto Ferreira
Matrícula: 20223004509 • Turma2 • Prova Escrita 1 (Modelo A)
Voltar ao Quadro Geral de Notas | Visualizar Laudo Oficial em HTML
Transcrição Fiel da Prova Escrita 1 — Modelo A
Discente: Matheus Benevenuto Ferreira
Matrícula: 20223004509
Turma: turma2
Taxa de Legibilidade Estimada: 89%
Questão 1 — Triagem com dados heterogêneos (5,0 pontos)
Item 1.a — Figura 1 e Decisão de Produção (2,0 pontos)
“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).”
Observações de Leitura (OCR): Cursiva bem legível; aponta com exatidão a bifurcação na época 8 caracterizando o sobreajuste e a consequente falha de generalização para dados inéditos.
Item 1.b — Representação e Retropropagação (2,0 pontos)
“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.”
Observações de Leitura (OCR): Destaca a conversão obrigatória de texto em representação numérica e a propagação reversa do erro para calibrar pesos.
Item 1.c — Evidências de Confiança e Reprodutibilidade (1,0 ponto)
“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.”
Observações de Leitura (OCR): Cita avaliação em conjunto de teste e métricas multidimensionais (precision, recall, f1).
Questão 2 — Inspeção visual em condições novas (5,0 pontos)
Item 2.a — Diagnóstico Experimental (2,0 pontos)
[NÃO RESPONDEU / EM BRANCO]
Observações de Leitura (OCR): Campo deixado em branco pelo aluno.
Item 2.b — Arquitetura e Transferência de Aprendizado (2,0 pontos)
“CNN é uma rede neural própria para trabalhar com imagens. Ao receber a imagem, consegue trabalhar com cor (RGB) ou com escala de cinza. Assim, conseguindo identificar imagens com claridade ou sem.”
Observações de Leitura (OCR): Destaca o processamento matricial/multicanal da CNN sobre canais RGB ou escala de cinza.
Item 2.c — Cautela Amostral (1,0 ponto)
[NÃO RESPONDEU / EM BRANCO]
Observações de Leitura (OCR): Campo deixado em branco pelo aluno.
Questão 3 — Alerta que muda decisões (5,0 pontos)
Item 3.a — Interpretação da Calibração e Crítica ao Limiar (2,0 pontos)
“Estar mal calibrado significa o modelo prever um valor onde ele tinha que acertar, isso pode ser fatal, pois o modelo pode diagnosticar um paciente sem nenhuma doença, mas ser falso. A premissa de limiar a 0,5 ser falho, faz o modelo acerta menos que ele deveria acertar.”
Observações de Leitura (OCR): Discute as consequências clínicas graves de previsões probabilísticas descalibradas.
Item 3.b — Custos Assimétricos e Capacidade Operacional (2,0 pontos)
“Por ser um hospital, FP tem que ter prioridade alta, pois indica que o modelo classificou algo como F sendo que tinha que ser P. Para FF, não tem que haver muita preocupação.” (Anotações laterais esquemáticas: “VP \(\rightarrow\), VF \(\rightarrow\), FP \(\rightarrow\), FF \(\rightarrow\)”)
Observações de Leitura (OCR): O estudante inverte pontualmente a nomenclatura teórica tradicional (chamando a omissão do positivo de FP), mas anota os quatro quadrantes ao lado.
Item 3.c — Telemetria e Deriva de Conceito (1,0 ponto)
[NÃO RESPONDEU / EM BRANCO]
Observações de Leitura (OCR): Campo deixado em branco pelo aluno.
Questão 4 — Busca de conhecimento para atendimento (5,0 pontos)
Item 4.a — Representação Semântica e Limitações do Cosseno (2,0 pontos)
“Embeddings estáticos não possuem contexto pelos vetores, são apenas números no espaço. Embeddings contextualizados os vetores no espaço tem relação uns com outros.”
Observações de Leitura (OCR): Distingue vetores descontextualizados isolados de representações contextuais inter-relacionadas.
Item 4.b — Avaliação Rigorosa de Recuperação (1,5 pontos)
[NÃO RESPONDEU / EM BRANCO]
Observações de Leitura (OCR): Campo deixado em branco pelo aluno.
Item 4.c — Busca Híbrida e Governança (1,5 pontos)
“Vetores puros não possui significado. Uma abordagem híbrida consegue filtrar no espaço combinações semelhantes, retornando os melhores resultados parecidos com a busca.”
Observações de Leitura (OCR): Destaca o benefício da busca híbrida para refinar correspondências no espaço vetorial.
Questão 5 — Assistente que pode não responder (5,0 pontos)
Item 5.a — Contestação do Maior Escore e Desenho da Abstenção (2,0 pontos)
[NÃO RESPONDEU / EM BRANCO]
Observações de Leitura (OCR): Campo deixado integralmente em branco pelo aluno.
Item 5.b — Conflito de Fontes e Validação Prévia (2,0 pontos)
[NÃO RESPONDEU / EM BRANCO]
Observações de Leitura (OCR): Campo deixado integralmente em branco pelo aluno.
Item 5.c — Telemetria e Impacto Operacional (1,0 ponto)
[NÃO RESPONDEU / EM BRANCO]
Observações de Leitura (OCR): Campo deixado integralmente em branco pelo aluno.
Espaço para Rascunho ou Cálculos Adicionais (Opcional)
[NÃO RESPONDEU / EM BRANCO]