{"subject_id":"3a3cc48d009981a4a8b7fa2ec5c9a718","topico":"MLOps: versionamento, CI/CD/CT, serving, data drift × concept drift, feature store","stems":["Julgue os itens subsecutivos, relativos a versionamento e automação do ciclo de produção de modelos de aprendizado de máquina em operações de aprendizado de máquina (MLOps)."],"questions":[{"id":"9af8661463f9","number":62,"stem":0,"statement":"A automação do ciclo de produção de modelos de aprendizado de máquina percorre diversas etapas, desde a ingestão de dados até a implantação, e inclui atividades como pré-processamento, treinamento de modelos e validação.","answer":"C","source":{"slug":"BCB_24","ano":2023},"explanation":{"verdict_reason":"A esteira automatizada de aprendizado de máquina cobre o ciclo inteiro, da ingestão dos dados até a implantação, e o pré-processamento, o treinamento e a validação são etapas internas desse ciclo, não atividades externas a ele. A enumeração é exemplificativa: não exclui o registro do modelo, o monitoramento nem o retreinamento. Descrever o percurso completo sem restringi-lo é o que torna a afirmação correta.","distortion_type":"correto","distorted_span":null,"corrected_statement":null,"concept":"Ciclo de MLOps: da ingestão à implantação, com validação","citation":null,"trap_note":"Enumeração de etapas sem palavra de exclusão costuma ser Certa. Neste assunto a distorção aparece como restrição indevida, do tipo apenas, somente ou restrito a, e não como lista incompleta."}},{"id":"7d756afbfc9a","number":63,"stem":0,"statement":"Em MLOps, o controle de versão abrange o monitoramento das mudanças nos ativos de aprendizado de máquina, visando assegurar a reprodutibilidade e a auditabilidade dos treinamentos desses modelos.","answer":"C","source":{"slug":"BCB_24","ano":2023},"explanation":{"verdict_reason":"Em MLOps o controle de versão não se limita ao código: alcança o recorte de dados usado no treino, a configuração e os hiperparâmetros, o artefato do modelo e o ambiente de execução, porque o mesmo código treinado sobre outro recorte produz outro modelo. Rastrear a mudança desses ativos é o que permite repetir o treinamento e obter o mesmo resultado, que é a reprodutibilidade, e demonstrar depois o que foi feito e com o quê, que é a auditabilidade. A afirmação nomeia corretamente o objeto e as duas finalidades.","distortion_type":"correto","distorted_span":null,"corrected_statement":null,"concept":"Versionar ativos de ML: reprodutibilidade e auditabilidade","citation":null,"trap_note":"A pergunta que resolve versionamento em MLOps é o que mais muda o modelo além do código. Dado, configuração e ambiente entram na resposta; item que reduza o versionamento ao código-fonte erra por restrição."}}]}