AWS Certified AI Practitioner (AIF-C01)

Questão 1: Uma concessionária deseja estimar o consumo numérico de energia para cada hora do dia seguinte. Para cada registro histórico, possui temperatura, dia da semana, horário, consumo das horas anteriores e o consumo efetivamente medido naquela hora. A equipe pretende medir a capacidade do modelo de generalizar para períodos futuros, usando os dados mais recentes como teste. Qual formulação e estratégia de avaliação são mais apropriadas?

• (E) Aprendizado supervisionado de classificação, convertendo o consumo contínuo em faixas e avaliando a capacidade do modelo de identificar a categoria correspondente a cada período.
• (C) Aprendizado supervisionado de regressão, separando cronologicamente os dados, mas incluindo como variável de entrada o consumo efetivamente medido na mesma hora que se deseja prever.
• (B) Aprendizado supervisionado de regressão, separando cronologicamente treinamento, validação e teste, com os dados mais recentes reservados para avaliar previsões futuras.
• (D) Aprendizado supervisionado de regressão, utilizando os registros mais recentes no treinamento e períodos anteriores no teste, para avaliar o modelo em uma janela temporal com maior variabilidade.
• (A) Aprendizado supervisionado de regressão, embaralhando os registros antes da divisão para que os conjuntos de treinamento e teste tenham distribuições semelhantes.

Questão 2: Uma equipe está desenvolvendo um classificador de imagens de inspeção industrial. Em vez de calcular previamente medidas como bordas, textura e contornos, utiliza uma rede neural com várias camadas e funções não lineares. Durante a análise, observa que as primeiras camadas respondem a padrões locais, enquanto camadas posteriores combinam esses padrões para distinguir defeitos completos. Qual interpretação é tecnicamente mais adequada?

• (A) A rede está aprendendo representações hierárquicas: camadas iniciais podem capturar padrões simples e locais, enquanto camadas posteriores podem combiná-los em características mais abstratas, com os parâmetros ajustados conjuntamente durante o treinamento.
• (C) A rede está dispensando o aprendizado supervisionado, pois a extração automática de características permite que as camadas determinem, sem rótulos, qual classe de defeito deve ser atribuída a cada imagem.
• (D) A rede está realizando principalmente redução de dimensionalidade, fazendo com que cada camada elimine variáveis correlacionadas e retenha apenas os componentes necessários para a classificação.
• (E) A rede está aprendendo características visuais intermediárias, mas a decisão final ainda depende de regras de inspeção definidas manualmente para selecionar a classe de cada imagem.
• (B) A rede está formando representações hierárquicas, mas somente a camada de saída precisa ser treinada, pois as camadas intermediárias preservam padrões fixos e não alteram suas representações durante o ajuste.

Questão 3: Uma instituição avalia quatro limiares de um classificador de fraude em um conjunto com 100 transações fraudulentas e 9.900 legítimas. As matrizes de confusão obtidas foram: L1: 80 verdadeiros positivos, 20 falsos negativos, 400 falsos positivos e 9.500 verdadeiros negativos; L2: 90 verdadeiros positivos, 10 falsos negativos, 1.000 falsos positivos e 8.900 verdadeiros negativos; L3: 95 verdadeiros positivos, 5 falsos negativos, 2.500 falsos positivos e 7.400 verdadeiros negativos; L4: 70 verdadeiros positivos, 30 falsos negativos, 50 falsos positivos e 9.850 verdadeiros negativos. Considerando exclusivamente o custo total no conjunto avaliado, com R$ 1.000 para cada fraude não detectada e R$ 10 para cada bloqueio indevido, qual limiar deve ser escolhido?

• (A) L1, pois os 20 falsos negativos custam R$ 20.000 e os 400 falsos positivos acrescentam R$ 4.000, mantendo um custo inferior ao de L2.
• (B) L2, pois os 10 falsos negativos custam R$ 10.000 e os 1.000 falsos positivos acrescentam R$ 10.000, resultando no menor custo total.
• (C) L3, pois reduzir os falsos negativos de 20 para 5 economiza R$ 15.000 em relação a L1, compensando o aumento do custo associado aos falsos positivos.
• (E) L1, pois seu custo de R$ 24.000 é mais equilibrado entre falsos negativos e falsos positivos do que o custo de L2, que concentra mais bloqueios indevidos.
• (D) L4, pois os 50 falsos positivos geram apenas R$ 500 de custo, e a redução dos bloqueios indevidos deve prevalecer sobre a quantidade de fraudes não detectadas.

Questão 4: Uma equipe aplica k-means, com distância Euclidiana e k=2, a cinco observações representadas por duas características já normalizadas: P1=(1,1), P2=(2,1), P3=(8,8), P4=(9,8) e P5=(5,4). Na primeira iteração, os centróides iniciais são C1=(2,1) e C2=(8,8). Após atribuir cada observação ao centróide mais próximo e recalcular os centróides pela média das observações atribuídas, quais serão os novos centróides?

• (D) C1=(8/3,2) e C2=(17/2,8), pois P1, P2 e P5 ficam no primeiro grupo, enquanto P3 e P4 ficam no segundo.
• (A) C1=(2,1) e C2=(8,8), pois os centróides iniciais são usados durante a primeira iteração e só são atualizados na iteração seguinte.
• (B) C1=(3/2,1) e C2=(22/3,20/3), pois P5 fica mais próximo de C2 e é agrupado com P3 e P4.
• (E) C1=(8/3,5/3) e C2=(17/2,8), pois P1, P2 e P5 ficam no primeiro grupo e a média da segunda característica deve ser calculada separadamente para cada ponto antes da atualização.
• (C) C1=(3/2,1) e C2=(17/2,8), pois P5 é atribuído a C2, mas a média desse grupo considera apenas as duas observações mais próximas do centróide inicial.

Questão 5: Uma empresa deseja treinar um agente para controlar a temperatura de um centro de distribuição ao longo do dia. O agente observa a temperatura interna, a previsão climática e o nível de ocupação; a cada intervalo, escolhe uma configuração do sistema de refrigeração. Reduzir o consumo de energia gera benefício imediato, mas temperaturas fora da faixa ideal geram penalidades maiores posteriormente, e decisões atuais alteram os estados futuros. Há registros históricos das configurações adotadas, mas não existe uma ação ideal rotulada para cada situação. Qual abordagem e estratégia de treinamento são mais adequadas?

• (E) Aprendizado supervisionado por regressão, prevendo o consumo de energia para cada configuração e selecionando a de menor consumo, com base apenas nas variáveis do estado atual.
• (A) Aprendizado supervisionado por imitação, usando as configurações históricas como rótulos e ajustando o modelo para reproduzir a ação mais comum em cada situação observada.
• (C) Aprendizado por reforço, estimando o valor das ações e ajustando uma política para considerar recompensas imediatas e consequências futuras ao interagir com o ambiente ou com um simulador.
• (D) Aprendizado por reforço contextual, escolhendo em cada estado a ação com maior recompensa imediata estimada, sem incorporar explicitamente os efeitos sobre os estados seguintes.
• (B) Aprendizado não supervisionado por agrupamento, identificando estados térmicos semelhantes e associando cada grupo à configuração historicamente mais frequente.

Questão 6: Uma rede varejista possui 2 milhões de transações, cada uma representada pelo conjunto de produtos comprados, mas não dispõe de rótulos como “cliente propenso a comprar” ou “campanha adequada”. A equipe quer descobrir combinações de produtos que apareçam com alta frequência e, entre essas combinações, identificar relações direcionais em que a compra de um item seja frequentemente acompanhada pela compra de outro. Também precisa evitar interpretar como relevante uma relação que pareça forte apenas porque o item consequente é comprado por quase todos os clientes. Qual abordagem de aprendizado e quais medidas devem orientar a análise?

• (C) Mineração de regras de associação, usando suporte para filtrar combinações frequentes e combinando confiança e lift para avaliar a relação condicional e seu ganho em relação à frequência de base do consequente.
• (B) Mineração de regras de associação, selecionando regras principalmente pelo lift e descartando o suporte, pois a comparação com a frequência independente já elimina combinações pouco representativas.
• (A) Mineração de conjuntos frequentes, filtrando combinações pelo suporte e pela confiança da regra, pois a confiança é suficiente para compensar a alta frequência do item consequente.
• (D) Agrupamento não supervisionado, formando grupos de transações por similaridade e tratando como regra relevante qualquer par de produtos que apareça dentro de um mesmo grupo.
• (E) Aprendizado supervisionado de classificação, usando a presença de um produto como rótulo e a presença dos demais como atributos para estimar a probabilidade da próxima compra.

Questão 7: Uma equipe precisa classificar imagens de produtos em 12 categorias. Ela dispõe de 2.000 imagens rotuladas, mas apenas 40 imagens rotuladas em algumas categorias raras, além de 200.000 imagens não rotuladas. Em um experimento inicial, o modelo treinado apenas com os dados rotulados apresentou alta confiança em previsões incorretas para uma categoria visualmente semelhante a outra. Qual abordagem caracteriza melhor o aprendizado semissupervisionado e reduz o risco de propagar esses erros ao incorporar dados não rotulados?

• (A) Treinar inicialmente com as imagens rotuladas, gerar pseudo-rótulos para todas as imagens não rotuladas pela classe de maior probabilidade e reutilizá-las com o mesmo peso dos rótulos originais em sucessivas iterações.
• (B) Aplicar agrupamento às imagens não rotuladas, associar cada grupo à categoria rotulada mais próxima e incorporar todas as associações ao treinamento como rótulos definitivos.
• (E) Converter as categorias em valores numéricos ordenados, ajustar uma regressão às imagens rotuladas e usar a proximidade entre o valor previsto e cada categoria para rotular as imagens não rotuladas.
• (D) Treinar um agente de aprendizado por reforço, usando a confiança da previsão como recompensa, para que ele selecione quais imagens não rotuladas devem receber rótulos e ajuste iterativamente o classificador.
• (C) Treinar inicialmente com os dados rotulados, atribuir pseudo-rótulos apenas às previsões que excedam um limiar de confiança calibrado, ponderá-las com menor peso e reavaliar o modelo em um conjunto rotulado separado antes de novas iterações.

Questão 8: Uma plataforma de streaming escolhe um título para exibir em cada visita, usando contexto como dispositivo, horário, idioma e histórico resumido do usuário. A plataforma observa o clique apenas no título escolhido; não dispõe do resultado que teria ocorrido para os demais títulos. Cada decisão gera uma recompensa imediata, e o objetivo declarado é maximizar cliques futuros, sem modelar como a escolha altera um estado posterior do usuário. Qual formulação e consideração de treinamento são mais adequadas?

• (A) Classificação supervisionada convencional, tratando cada título não escolhido como exemplo negativo, pois a ausência de clique nesses títulos representa um rótulo observado para a mesma visita.
• (B) Bandido contextual, no qual cada título é uma ação, o contexto condiciona a política e o treinamento precisa equilibrar exploração e aproveitamento, considerando o viés de observar recompensas apenas para a ação escolhida.
• (D) Modelo supervisionado de propensão ao clique, treinado apenas com os títulos exibidos e seus cliques observados, seguido da seleção do título com maior probabilidade prevista em cada contexto, sem uma etapa explícita de exploração.
• (C) Aprendizado por reforço baseado em processo de decisão de Markov, no qual a política deve modelar transições entre estados do usuário, ainda que a recompensa observada seja imediata e não haja estado futuro explicitamente definido.
• (E) Regressão supervisionada da taxa média de cliques por título e contexto, selecionando a maior estimativa disponível e tratando a diferença entre títulos escolhidos e não escolhidos como ruído amostral.

Questão 9: Uma equipe recebe um conjunto de dados para classificação e o divide em treinamento, validação e teste. Para cada configuração de modelo, ela pretende imputar valores ausentes, padronizar variáveis numéricas e selecionar as 200 variáveis mais relevantes antes do ajuste. Também deseja comparar diferentes hiperparâmetros usando o conjunto de validação e medir o desempenho final no conjunto de teste. Qual procedimento reduz adequadamente o risco de vazamento de dados e mantém válida a avaliação final?

• (A) Executar imputação, padronização e seleção de variáveis em todo o conjunto antes da divisão; depois, ajustar os hiperparâmetros somente com treinamento e validação.
• (E) Ajustar as transformações no treinamento e na validação combinados, escolher os hiperparâmetros nesse conjunto ampliado e reservar o teste para uma única verificação final de generalização.
• (C) Ajustar imputação e padronização no treinamento, mas selecionar as variáveis usando treinamento e validação combinados, pois essa etapa não altera os parâmetros do classificador.
• (B) Ajustar imputação, padronização e seleção de variáveis exclusivamente no treinamento para cada configuração, aplicar as transformações fixadas à validação e ao teste, selecionar a configuração com a validação e usar o teste apenas uma vez ao final.
• (D) Ajustar cada transformação separadamente em treinamento, validação e teste, selecionar os hiperparâmetros na validação e aplicar ao teste a transformação que produzir o melhor desempenho em cada partição.

Questão 10: Uma equipe treinou 24 configurações de um classificador e escolheu a de maior acurácia no conjunto de validação. Após essa escolha, decidiu treinar novamente o modelo selecionado usando treinamento e validação combinados. Durante uma revisão, foi identificado que o conjunto de teste havia sido consultado semanalmente para comparar as configurações e decidir se novos modelos deveriam ser incluídos. Qual procedimento deve substituir esse fluxo para produzir uma estimativa final mais confiável da generalização?

• (A) Manter o conjunto de teste nas comparações, mas aplicar uma penalização à acurácia da configuração que apresentar o melhor resultado nele antes do treinamento final.
• (E) Descartar a validação após a primeira comparação, selecionar a configuração com melhor desempenho no treinamento e consultar repetidamente um novo conjunto de teste até estabilizar a estimativa.
• (D) Usar o conjunto de teste desde o início para interromper configurações com baixo desempenho e preservar a validação exclusivamente para estimar a capacidade de generalização do modelo final.
• (C) Separar um novo conjunto de teste não consultado, usar apenas treinamento e validação para ajustar e selecionar a configuração, refazer opcionalmente o ajuste final com essas duas partições combinadas e avaliar no novo teste uma única vez.
• (B) Escolher a configuração com melhor desempenho médio entre validação e teste e, em seguida, refazer o treinamento usando todos os dados disponíveis, incluindo o conjunto de teste.

Questão 11: Uma instituição financeira pretende treinar um classificador para detectar transações fraudulentas. Apenas 3% das transações históricas são fraudulentas, cada cliente pode aparecer várias vezes no conjunto de dados e o modelo será usado para classificar transações futuras. A equipe deseja estimar o desempenho de generalização sem permitir vazamento entre registros do mesmo cliente, sem alterar artificialmente a prevalência observada e respeitando a ordem temporal de uso. Qual procedimento de particionamento é mais adequado?

• (D) Aplicar oversampling da classe fraudulenta ao conjunto completo antes da divisão, separar os registros por cliente e manter as cópias resultantes nos conjuntos correspondentes para aumentar a representatividade da classe minoritária.
• (A) Aplicar amostragem estratificada aleatória por transação, mantendo aproximadamente 3% de fraudes em treinamento e validação e aceitando a presença do mesmo cliente nos dois conjuntos para preservar a distribuição global.
• (C) Distribuir aleatoriamente os clientes entre treinamento e validação, estratificando pela classe para preservar aproximadamente a taxa de fraude, mas sem considerar a ordem temporal das transações futuras.
• (B) Definir um corte temporal, usar transações anteriores no treinamento e posteriores na validação e, quando um cliente aparecer nos dois lados, remover da validação os registros desse cliente ou alocar todos os seus registros a apenas um conjunto. A prevalência observada deve ser monitorada sem reamostragem artificial.
• (E) Usar as transações mais recentes no treinamento e as mais antigas na validação, separando os clientes entre os conjuntos e estratificando pela classe para reduzir diferenças na taxa histórica de fraude.

Questão 12: Uma equipe possui poucos dados rotulados e precisa comparar vários conjuntos de hiperparâmetros, incluindo o limiar de classificação e o grau de regularização. Existe ainda um conjunto de teste mantido fora de qualquer decisão. Para obter uma estimativa de generalização com menor viés, o procedimento deve impedir que normalização, seleção de atributos e escolha dos hiperparâmetros usem informações do fold que está sendo avaliado. Qual estratégia é a mais adequada?

• (A) Executar validação cruzada simples, ajustar a normalização somente dentro de cada divisão de treinamento, selecionar a configuração com melhor média e reportar essa mesma média como estimativa final, mantendo o conjunto de teste para confirmação posterior.
• (D) Selecionar os hiperparâmetros e os atributos com todos os dados rotulados, congelar essa configuração e executar validação cruzada posteriormente apenas para estimar a variabilidade esperada antes da avaliação no conjunto de teste.
• (E) Treinar uma configuração distinta em cada fold externo, escolher aquela com menor erro de treinamento, refazer o ajuste com todos os dados rotulados e calcular a métrica final no conjunto de teste após ajustar a normalização global.
• (C) Usar os folds externos para comparar diretamente o limiar e a regularização, enquanto os folds internos são usados para ajustar o pré-processamento e calcular uma média mais estável do erro antes da escolha final.
• (B) Aplicar validação cruzada aninhada, ajustando o pré-processamento exclusivamente nos dados de treinamento de cada fold interno, selecionando os hiperparâmetros nos folds internos, avaliando a configuração escolhida nos folds externos e usando o conjunto de teste somente ao final.

Questão 13: Uma instituição usa um modelo para estimar a probabilidade de inadimplência de cada cliente, e essas probabilidades são utilizadas diretamente para definir limites de crédito. Em um conjunto de validação, foram observados os seguintes resultados: - Modelo P: AUC-ROC = 0,92; entre os casos aos quais atribuiu probabilidade próxima de 0,80, a frequência observada de inadimplência foi de aproximadamente 0,55. - Modelo Q: AUC-ROC = 0,90; entre os casos aos quais atribuiu probabilidade próxima de 0,80, a frequência observada de inadimplência foi de aproximadamente 0,78. Considerando que a instituição precisa interpretar as probabilidades como estimativas de risco, qual decisão e procedimento de avaliação são mais adequados?

• (E) Selecionar o Modelo P e utilizar log loss como métrica principal, pois uma métrica baseada nas probabilidades penaliza previsões confiantes e torna desnecessária a comparação explícita das frequências observadas por faixa de risco.
• (D) Selecionar o Modelo Q e verificar a matriz de confusão no limiar de 0,80, pois a proporção de verdadeiros positivos nesse limiar permite confirmar diretamente a correspondência entre probabilidade prevista e frequência observada.
• (B) Selecionar o Modelo Q e analisar uma curva de calibração ou um diagrama de confiabilidade, pois suas probabilidades previstas estão mais próximas das frequências observadas, mesmo com AUC-ROC ligeiramente menor.
• (A) Selecionar o Modelo P e priorizar a AUC-ROC, pois sua maior capacidade de discriminação é o principal indicativo de que as probabilidades podem ser usadas para definir limites de crédito.
• (C) Selecionar o Modelo Q e concentrar a avaliação em métricas como precisão e revocação no limiar de 0,80, pois o desempenho nesse ponto substitui a análise da calibração das probabilidades.

Questão 14: Dois modelos preveem o tempo de entrega de pedidos. Os erros absolutos observados em cinco pedidos, expressos em minutos, foram: - Modelo A: 1, 2, 2, 3 e 8 - Modelo B: 3, 3, 3, 3 e 3 A equipe deseja selecionar uma métrica de erro médio que permaneça na mesma unidade do tempo previsto e que não atribua peso desproporcional ao único atraso extremo do conjunto. Qual combinação atende melhor ao requisito e qual modelo deve ser escolhido com base nesses dados?

• (E) Usar o MAPE e escolher o Modelo B, pois o erro percentual absoluto é independente da escala e pode ser interpretado sem conhecer os valores reais das entregas.
• (D) Usar o RMSE e escolher o Modelo B, pois a raiz quadrada traz o resultado de volta para minutos e evita que um único erro extremo determine a seleção.
• (B) Usar o MAE e escolher o Modelo A, cujo erro absoluto médio é inferior a 3 minutos porque quatro de seus cinco erros estão abaixo desse valor.
• (A) Usar o MAE e escolher o Modelo B, cujo erro absoluto médio é 3 minutos, enquanto o Modelo A sofre maior influência do atraso de 8 minutos.
• (C) Usar o MSE e escolher o Modelo B, pois o quadrado dos erros mantém a métrica em minutos e reduz a influência relativa do atraso de 8 minutos.

Questão 15: Uma equipe compara dois modelos de regressão treinados sobre os mesmos dados. O erro médio no conjunto de treinamento é 0,18 para ambos. Considere a função objetivo J = erro médio + λ × soma dos quadrados dos pesos, com λ = 0,02. O modelo M1 possui soma dos quadrados dos pesos igual a 10, enquanto M2 possui soma igual a 4. Qual conclusão é tecnicamente correta sobre os valores objetivos e a seleção do modelo?

• (C) M1 terá valor objetivo 0,28 e M2, 0,22; M2 será favorecido porque a penalização L2 deve ser aplicada com metade do coeficiente ao considerar a soma dos quadrados.
• (D) M1 terá valor objetivo −0,02 e M2, 0,10; M2 será favorecido porque a penalização L2 é subtraída do erro para compensar o sobreajuste.
• (A) M1 terá valor objetivo 0,38 e M2, 0,26; M1 será favorecido porque a maior magnitude dos pesos representa maior capacidade de generalização.
• (E) M1 terá valor objetivo 0,184 e M2, 0,1808; M2 será favorecido porque a penalização L2 é calculada com o quadrado do coeficiente λ aplicado à soma dos pesos.
• (B) M1 terá valor objetivo 0,38 e M2, 0,26; M2 será favorecido porque a penalização L2 torna mais custosos os modelos com pesos de maior magnitude.