

Seu próximo nível começa aqui
Seu desenvolvimento não pode ter limites. Garanta sua Assinatura Ilimitada e libere uma preparação completa com os melhores professores do Brasil.
Em um projeto de implantação de sistemas de apoio à decisão judicial, a equipe de analistas de um tribunal se depara com a necessidade de avaliar o desempenho de diferentes modelos de aprendizado de máquina. Durante os testes, observa-se que um dos modelos apresenta excelente desempenho nos dados de treinamento, mas performance insatisfatória nos dados de validação. Para diagnosticar e corrigir problemas como esse e selecionar o modelo mais adequado, a equipe deve considerar conceitos como
análise do tempo de processamento em paralelo às métricas de avaliação, priorizando modelos com melhor desempenho computacional em tarefas específicas.
normalização de variáveis de entrada, ajuste de hiperparâmetros e ênfase na acurácia como principal métrica para todos os conjuntos de dados.
overfitting, análise de precisão e recall, uso do F1-score e interpretação da curva ROC.
ampliação do conjunto de treino e avaliação do desempenho com base em métricas simples, como o percentual de acertos em dados conhecidos.
substituição de validação cruzada por divisão fixa dos dados, acompanhada de repetição de testes em conjuntos balanceados.