Prova Teórica 2 — Planejamento e Ementa

Módulos 2 (Final) e 3: Embeddings, Transformers, Atenção e Spring AI RAG (2026.2)

Data de Publicação

27/10/2026

Data de Modificação

22/10/2026

Nota📌 Informações Gerais da Avaliação
  • Data Oficial de Aplicação: 23 de Novembro de 2026 (Segunda-feira)
  • Local: Sala 40
  • Horários:
    • 🕒 Turma 1: 14:55 às 16:35
    • 🕒 Turma 2: 16:35 às 18:15
  • Valor: 25,0 Pontos
  • Natureza: Individual, presencial, manuscrita e sem consulta
  • Navegação: ← Voltar ao Hub Geral de Provas | Plano de Ensino & Cronograma

1. Escopo e Ementa Detalhada

A Prova Teórica 2 encerra o ciclo conceitual da disciplina, cobrindo o fechamento do Módulo 2 (espaço latente e recuperação de informação) e a totalidade do Módulo 3 (IA Generativa aplicada, arquitetura Transformer e RAG Corporativo):

Tópico 1: Espaços Latentes e Word Embeddings (Cap. 09)

  • Representação vetorial densa de palavras e documentos no \(\mathbb{R}^d\).
  • Hipótese Distribucional (“you shall know a word by the company it keeps”).
  • Modelos semânticos estáticos (Word2Vec CBOW/Skip-gram) vs. representações contextuais profundas.
  • Propriedades geométricas do espaço latente (aritmética vetorial e relações análogas).

Tópico 2: Busca Semântica e Engenharia de Recuperação (Cap. 10)

  • Formulação geométrica da Similaridade de Cosseno: \[\text{sim}(\mathbf{u}, \mathbf{v}) = \frac{\mathbf{u} \cdot \mathbf{v}}{\|\mathbf{u}\|_2 \|\mathbf{v}\|_2}\]
  • Limitações operacionais de busca por similaridade pura: abismo semântico (semantic gap), perda de negações e sensibilidade a vocabulário.
  • Métricas de avaliação em Recuperação de Informação (IR): Recall@K, Precision@K, Mean Reciprocal Rank (MRR) e nDCG.
  • Busca Híbrida: fusão de ranqueamento denso (vetorial) com recuperação esparsa baseada em termos (BM25 / TF-IDF).

Tópico 3: Bancos de Dados Vetoriais e Contratos Determinísticos (Cap. 11)

  • Arquitetura interna de Vector Stores (ex.: ChromaDB): coleções, esquemas de metadados e persistência em disco.
  • Algoritmos de Busca por Vizinhos Mais Próximos Aproximados (ANN): grafos HNSW (Hierarchical Navigable Small World), trade-offs entre precisão, latência e consumo de memória.
  • Filtros estruturados pré e pós-recuperação (Payload Filtering).

Tópico 4: Ingestão de Documentos, Tokenização e Chunking (Cap. 12)

  • Extração estruturada e auditável de documentos complexos (PDFs, relatórios técnicos).
  • Estratégias de particionamento textual (Chunking): por tamanho fixo, sentenças semânticas e recursivo.
  • Janelas de sobreposição (Overlap) e seus impactos na continuidade informacional e no Recall@K.
  • Contagem rigorosa de tokens vs contagem de caracteres e limites contextuais de LLMs.

Tópico 5: A Revolução Transformer e o Mecanismo de Atenção (Cap. 13)

  • O colapso das redes recorrentes (RNNs/LSTMs) diante de dependências de longo alcance e paralelização.
  • O Mecanismo de Auto-Atenção (Scaled Dot-Product Self-Attention): \[\text{Attention}(Q, K, V) = \text{softmax}\left(\frac{Q K^T}{\sqrt{d_k}}\right) V\]
  • Significado operacional e dimensões dos tensores de Consulta (\(Q\)), Chaves (\(K\)) e Valores (\(V\)).
  • O papel do fator de escala \(\frac{1}{\sqrt{d_k}}\) para estabilização de gradientes em ativações Softmax.
  • Multi-Head Attention: projeções em múltiplos subespaços de representação.
  • Máscaras causais em decodificadores (GPT) e representações bidirecionais em codificadores (BERT).

Tópico 6: RAG Corporativo e Arquitetura com Spring AI (Cap. 14 a 22)

  • Arquitetura completa de Retrieval-Augmented Generation: orquestração, leitores de documentos (DocumentReader), transformadores (TokenTextSplitter) e gravadores (VectorStore).
  • Prevenção de alucinações e ancoragem factual (Grounding).
  • Políticas formais de abstenção: mecanismos de duplo limiar de similaridade (\(\tau_1\) e \(\tau_2\)) e resolução de contradições normativas por proveniência e metadados.
  • Avaliação quantitativa de pipelines RAG via framework Ragas: faithfulness, answer relevance e context precision.

2. Formato e Dinâmica da Prova

  • Estrutura: 5 questões analíticas baseadas em problemas práticos de engenharia de software e arquitetura de IA corporativa (valor: 5,0 pontos por questão).
  • Foco Avaliativo: Raciocínio crítico, cálculo matricial passo a passo de tensores \(Q, K, V\), desenho de arquiteturas de ingestão e diagnóstico de falhas em produção.
  • Critérios de Correção: Aplicação do mesmo protocolo auditável da Prova 1 (transcrições fidedignas .qmd, rubricas oficiais do gabarito e laudos analíticos .html).

3. Repositório e Artefatos da Prova 2

A pasta avaliacoes/provas/prova-2/ receberá os seguintes artefatos após a realização da avaliação:

avaliacoes/provas/prova-2/
├── index.qmd                           <- Este documento (Planejamento e Resultados)
├── diagnostico.qmd                     <- Relatório diagnóstico pós-prova
├── caderno/                            <- Caderno oficial em PDF e LaTeX
├── gabarito/                           <- Gabarito analítico detalhado
├── dados/                              <- Mapeamento de discentes e planilha de notas
├── digitalizacoes/                     <- Scans em 600 DPI dos cadernos de prova
├── transcricoes/                       <- Transcrições individuais (.qmd)
├── laudos/                             <- Laudos individuais de correção (.html)
└── graficos/                           <- Gráficos de dispersão e radar de competências
De volta ao topo