🕒 Estado da arte capturado em 2026-08

Prova da Abertura — 0.1 e 0.2

Estado da arte capturado em 2026-08 · histórico

Isto não vale nota, e o livro diz isso por escrito. A identificação aqui é autodeclarada, o livro fica aberto e o enunciado está publicado no Markdown do repositório. O que esta prova produz é evidência de prática, não de aprendizado — e vendê-la como avaliação somativa seria mentira. A quem dá aula, a recomendação do livro é pontuar por ter feito, nunca por ter acertado: pontuar esforço remove o incentivo de colar, pontuar acerto o cria.

O que esta prova é

Seis itens sobre os capítulos 0.1 e 0.2, e cada um deles cruza os dois. É essa a diferença entre uma prova e mais uma lista: o exercício de capítulo pergunta dentro de um capítulo, e aqui cada item só fecha se as duas metades estiverem no lugar.

Duas outras diferenças, e as duas são deliberadas. Nenhum item traz o "volte para" — a prova mede o que você recupera sem rota de volta. E todo cenário é inédito: nenhum deles aparece em capítulo nenhum, para que reconhecer o exemplo não substitua entender o conceito.

Todos os itens são corrigidos na hora, sem consultar modelo de linguagem.

Exercícioprova-abertura-q1escolha uma

Uma prefeitura mantém há doze anos um sistema que calcula o IPTU a partir da metragem, da região e da idade do imóvel, seguindo a lei municipal. No ano passado a equipe acrescentou um segundo sistema, que estima o valor de mercado do imóvel a partir de vendas recentes da vizinhança.

O primeiro sistema nunca errou. O segundo passou a errar mais neste ano do que no ano passado, sem que ninguém tenha tocado no código dele.

Qual afirmação descreve corretamente os dois sistemas?

Os dois aprendem regras a partir de dados; o segundo apenas tem mais ruído.
No primeiro a regra está no código e por isso ele não envelhece sozinho; no segundo a regra está em parâmetros ajustados a exemplos, e a piora indica que o mundo de onde ela foi aprendida mudou.
O segundo sistema tem um bug introduzido na última atualização, já que software não muda de comportamento sozinho.
O primeiro sistema é um caso de Machine Learning supervisionado com rótulo dado pela lei.

Exercícioprova-abertura-q2escolha uma

Uma editora quer prever quais manuscritos recebidos virarão sucesso de vendas. Tem 260 livros publicados nos últimos vinte anos, com vendas conhecidas. A diretoria pergunta se o projeto é viável e pede que a equipe "meça direito, no conjunto de teste, para não haver dúvida".

Qual é a resposta tecnicamente correta?

É viável, e medir no teste é de fato a forma mais confiável de decidir.
O projeto é frágil por falta de exemplos, e a proposta de decidir pelo teste é justamente o uso que destrói a única estimativa imparcial disponível.
É viável desde que a acurácia no teste passe de 90%, o que a diretoria estabeleceu como critério.
Não é viável, porque prever vendas exige modelo de série temporal e não de classificação.

Exercícioprova-abertura-q3escolha uma

Uma companhia de ônibus quer prever se um veículo vai quebrar na próxima semana. Tem cinco anos de ordens de serviço, telemetria de motor e um mecânico que acerta quase sempre, "pelo barulho", e não consegue explicar como.

Depois de quatro meses e sete modelos diferentes, o erro de treino e o de validação estão ambos em 21% e não saem dali.

Qual leitura é a correta?

O problema não era candidato a ML, porque o mecânico já resolve.
O problema é candidato a ML, e o platô com treino e validação juntos aponta para informação ausente, e não para escolha ruim de modelo.
O problema é de variância alta, e a solução é regularizar os sete modelos.
O problema é de rótulo, e a única saída é pedir que o mecânico rotule manualmente cada veículo.

Exercícioprova-abertura-q4escolha todas que valem

Uma estudante diz: "Entendi o capítulo de otimização. Consigo explicar o que é a taxa de aprendizado e por que ela pode divergir. Mas, quando fui ajustar o modelo do trabalho, o erro de treino ficou em 4% e o de validação em 26%, e eu não soube o que fazer."

Quais leituras são corretas? (marque todas que valem)

Ela tem uma lacuna de execução, não de compreensão, e a superfície que a fecha é a construção.
Os números que ela relata são a assinatura de variância alta, com ações conhecidas.
Ela deve reler o capítulo de otimização com mais atenção à dedução.
Saber diagnosticar pelas curvas é o que transforma o travamento dela numa próxima ação concreta.
Ela precisa medir no conjunto de teste para descobrir o que está acontecendo.

Exercícioprova-abertura-q5responda com um número

Uma equipe tem três conjuntos: treino, validação e teste. Ao longo do projeto ela compara 18 configurações de modelo, escolhe a melhor, corrige dois defeitos encontrados no caminho e reporta o resultado final à diretoria.

Segundo a regra deste livro, quantas vezes o conjunto de teste deveria ter sido consultado?

Exercícioprova-abertura-q6escolha uma

Um sistema de triagem de currículos foi treinado em 2021 e mede 0,89 de acurácia no teste separado na época. Em 2026 ele continua com o mesmo código, o mesmo modelo e os mesmos pesos. Uma auditoria mede a acurácia sobre os currículos que chegaram neste ano: 0,63.

Qual afirmação explica isso sem inventar uma falha que o enunciado não sustenta?

O modelo tinha overfitting em 2021, e o 0,89 era otimista desde sempre.
A métrica de 2021 era uma promessa condicional, e a condição deixou de valer: o modelo não mudou, mudou a população de currículos.
O conjunto de teste de 2021 estava contaminado por vazamento, e a queda revela isso.
A acurácia é uma métrica inadequada, e com outra métrica os dois números coincidiriam.

Prova da Abertura — 0.1 e 0.2 #

O que esta prova é #

Prova da Abertura — 0.1 e 0.2

O que esta prova é