A equipe de Engenharia de Dados de uma multinacional está otimizando o pipeline de PLN de um sistema de atendimento ao cliente em tempo real. O objetivo é classificar os chamados recebidos em categorias de urgência e encaminhá-los ao suporte técnico correto. Durante o desenvolvimento do modelo de inteligência artificial, os engenheiros debateram sobre o impacto de diferentes técnicas de pré-processamento e vetorização na captura do significado semântico e contextual das mensagens dos usuários.
Considerando os conceitos fundamentais de pré-processamento, vetorização e arquitetura de PLN aplicados a esse cenário, assinale a afirmativa correta.

Um especialista foi contratado por uma multinacional do setor logístico para desenvolver um sistema automatizado de inspeção de qualidade. O objetivo é identificar pequenas fissuras e defeitos superficiais em caixas de papelão que passam em alta velocidade por uma esteira industrial.
Para resolver o problema, a equipe optou por utilizar uma Rede Neural Convolucional (CNN). Durante a etapa de arquitetura do modelo, os engenheiros precisam definir o papel de cada camada na extração de características.
Considerando o funcionamento interno de uma CNN aplicada a esse cenário industrial, assinale a afirmativa correta.

Uma equipe de Ciência de Dados construiu uma rede neural profunda para prever a taxa de cancelamento de clientes em uma grande plataforma. Durante a fase de validação, os engenheiros notaram que o modelo apresentava uma acurácia próxima de 99% no conjunto de dados de treino, mas o desempenho despencava para 62% no conjunto de testes. Para combater esse problema de sobreajuste, a liderança técnica solicitou a aplicação de técnicas de regularização baseadas na penalização da função de perda por meio de normas (L1 e L2), visando melhorar a capacidade de generalização do modelo e limitar o crescimento excessivo dos pesos.
Considerando o comportamento e o impacto teórico das penalizações pela norma L1 (Lasso) e pela norma L2 (Decaimento de Pesos) nas redes neurais artificiais, assinale a afirmativa correta.

A equipe de IA de uma FinTech foi encarregada de refatorar o pipeline de treinamento da rede neural responsável pela detecção de fraudes em transações de cartão de crédito. Atualmente, o sistema processa cerca de 50 milhões de transações diárias. No relatório técnico entregue à diretoria, os engenheiros precisam justificar a escolha da arquitetura de treinamento, detalhando as vantagens e o papel de cada algoritmo envolvido na otimização da rede.
Considerando o funcionamento, a eficiência computacional e as vantagens comparativas dos algoritmos de otimização, assinale a afirmativa correta.

No contexto do Aprendizado de Máquina não supervisionado, os Modelos de Mistura Gaussiana (Gaussian Mixture Models) representam uma abordagem probabilística para a tarefa de agrupamento (clustering).
Acerca das características e do funcionamento dessa técnica, analise os itens a seguir. I. De acordo com a técnica, cada gaussiana no modelo de mistura possui três parâmetros principais: média, peso e matriz de covariância. II. O modelo calcula para cada instância a probabilidade de ela ter sido gerada por cada um dos componentes da mistura. III. Os agrupamentos gerados por essa técnica são matematicamente limitados a formatos esféricos, impossibilitando a modelagem de distribuições elípticas ou com volumes distintos no espaço de dados. Está correto o que se afirma em

O algoritmo K-Means (K-Médias, em português), usado em Aprendizado de Máquina, pode ser descrito como um método

O problema da alta dimensionalidade, comum em modelos de Aprendizado de Máquina, pode ser tratado com técnicas de redução de dimensionalidade. Sobre esse assunto, analise as afirmativas a seguir e assinale (V) para a verdadeira e (F) para a falsa.
( ) A redução de dimensionalidade tem como principal objetivo escolher dados apenas do espaço bidimensional.
( ) As técnicas de agregação são aplicadas para descartar parte dos atributos originais por meio da criação de grupos de atributos.
( ) A técnica de Análise de Componentes Principais (Principal Component Analysis) permite eliminar redundâncias geradas pela alta correlação entre as variáveis originais.
As afirmativas são, respectivamente,

Uma das métricas utilizadas no algoritmo K-NN (K-Nearest Neighbors), no desenvolvimento de modelos de Aprendizado de Máquina, é a distância de Minkowski, definida pela norma-p, onde p é a ordem.
Nesse contexto, analise os itens a seguir.
I. Quando p = 1, a distância de Minkowski calcula o número de atributos diferentes entre dois vetores no espaço.
II. Quando p = 2, a distância de Minkowski calcula a distância euclidiana entre dois vetores no espaço.
III. Quando p = K, a distância de Minkowski calcula a distância média para os K vizinhos mais próximos.
Está correto o que se afirma em

Um cientista de dados possui um conjunto de dados com exatamente 1.500 amostras e decide avaliar seu modelo de aprendizado de máquina utilizando a técnica de k-Fold CrossValidation (validação cruzada com k-repetições).
Considerando o funcionamento padrão dessa técnica, o número total de vezes em que o modelo será treinado e a quantidade exata de amostras utilizadas para treinamento em cada uma das rodadas (folds) de validação são, para k = 5, respectivamente,

No desenvolvimento de modelos de Aprendizado de Máquina, a análise do espaço de hipóteses é importante para compreender a capacidade de generalização de um modelo.
Acerca dos conceitos de viés (bias), variância (variance) e dos fenômenos de subajuste (underfitting) e sobreajuste (overfitting), analise os itens a seguir:
I. Um viés alto pode ser provocado por restrições estruturais no próprio espaço de hipóteses, induzindo ao subajuste do modelo.
II. Uma das causas de sobreajuste do modelo é uma variância alta, prejudicando seu desempenho em novos dados mesmo quando o desempenho no treinamento é satisfatório.
III. O compromisso viés-variância (bias-variance trade-off) estabelece um dilema entre optar por hipóteses mais complexas com baixo viés ou hipóteses mais simples com baixa variância.
Está correto o que se afirma em