Questões de Concurso sobre Revisitando o modelo

Compreensão do negócio, compreensão dos dados, preparação dos dados, modelagem, avaliação e implantação são as fases do modelo CRISP-DM, e, nesse modelo, as fases devem ser seguidas de maneira estritamente sequencial, sem a possibilidade de iterações ou retrocessos.

Uma equipe de Analistas está implementando um modelo LLM para uso no Tribunal Regional do Trabalho e precisa garantir que o modelo não gere respostas inapropriadas ou incorretas, mantendo a relevância e coerência do conteúdo. Para ajustar o desempenho do modelo e evitar problemas como alucinações e vieses, eles optaram por

Modelos de linguagem de larga escala (Large Language Models - LLM) são frequentemente utilizados em processamento de linguagem natural, e podem gerar resultados inesperados em resposta às consultas dos usuários. Essas respostas são chamadas de alucinações dos modelos. Uma técnica usada para se evitar tais alucinações consiste em combinar os modelos generativos com sistemas de recuperação de informações, permitindo buscas em bases de dados mais confiáveis e melhorando a qualidade das respostas geradas.

A essa técnica dá-se o nome de

O processo de concepção do esquema de um diagrama entidade-relacionamento geralmente envolve um refinamento iterativo, no qual um esquema é inicialmente estabelecido e, em seguida, submetido a sucessivas iterações de refinamento até que se alcance uma versão final satisfatória. Consiste em um refinamento comumente empregado nesse processo:

Sistemas de recuperação da informação consistem em um conjunto de operações interligadas para identificar, em um conjunto de informações, aquelas que são de fato úteis e factíveis à demanda expressa do usuário. A modelagem de recuperação da informação consiste na representação dos documentos para consulta. Qual é o modelo de recuperação da informação que implementa a lógica difusa ou nebulosa (fuzzy) e para a qual, em cada consulta (query), são recuperados todos os termos nas condições especificadas pelo usuário?

O processo de otimização de desempenho, em bases de dados, consiste em redimensionar o tamanho do modelo semântico, o que resulta em uma maior rapidez na atualização dos dados, cálculos e renderização dos elementos visuais em relatórios.

Um modelo de classificação que apresenta alta revocação é útil em contextos em que seja crucial identificar a maior quantidade possível de casos positivos, mesmo que isso resulte em um número maior de falsos positivos.

É possível representar dados na forma de multicubos, à uma estrutura de um cubo pode-se agrupar multicubos em sua composição. Esses multicubos podem ser analisados de forma independentes na tentativa de retornar o dado de forma mais rápida e fácil. Assinale a alternativa cuja a característica descrita não se aplica aos multicubos e hipercubos: