O parâmetro temperature em LLM regula a amplitude da diversidade e criatividade nas previsões produzidas pelo modelo.

Uma thread representa uma entidade que pode ser configurada para responder às mensagens de um usuário a partir de vários parâmetros, como modelo, instruções e ferramentas.

A respeito dos tipos de aprendizado de máquina, julgue os itens a seguir.

O agrupamento é um método de aprendizado não supervisionado que busca a similaridade entre os dados e, uma vez identificada tal similaridade, organiza os itens em clusters específicos.

A respeito dos tipos de aprendizado de máquina, julgue os itens a seguir.

O aprendizado por transferência transdutiva ocorre quando os domínios de origem e alvo são os mesmos, mas as tarefas que o modelo deve concluir são diferentes.

Relativamente à qualidade dos dados no âmbito da ciência de dados, julgue o item que se segue.

A consistência dos dados é crucial para sua qualidade, pois garante que não haja discrepâncias entre conjuntos de dados diferentes ou dentro do mesmo conjunto.

No que se refere ao Hadoop, ferramenta-chave no processamento de Big Data, julgue o próximo item.

No Hadoop, o Secondary NameNode executa checkpoints periódicos do namespace e auxilia na gestão do tamanho do arquivo que registra as alterações do HDFS, garantindo que permaneça dentro de limites específicos no NameNode.

A validação cruzada é uma técnica utilizada para prover a generalização de um modelo treinado, aprimorando seu desempenho e identificando problemas potenciais, como overfitting e underfitting.

O deep learning é um subconjunto do machine learning que elimina parte do pré-processamento de dados, pois, por meio de técnicas como descente de gradiente e retropropagação, o algoritmo se ajusta para melhorar a precisão do modelo.

BoW (bag of words) é uma técnica de processamento de linguagem natural que transforma um texto em um vetor, considerando a frequência e a ordem ou o contexto das palavras presentes.

Na validação cruzada K-fold em que \( k \) = 5, os dados são divididos em 5 partes, sendo um subconjunto de tamanho \( k \) − 1 para teste e o restante para validação, o que resulta em uma métrica de avaliação média para o modelo.