Microaula em Método CELULA • Prévia Aberta

O fechamento do Nível 3 consolida as competências de Deep Learning: o aluno deve arquitetar um loop de treino robusto em PyTorch, aplicar Transfer Learning com pesos pré-treinados, combater overfitting com regularização, e analisar sistematicamente a matriz de confusão para propor correções nos erros dominantes.

1. Diretrizes Técnicas do Projeto 2

Entregáveis obrigatórios da solução:

• 1. Justificativa do Modelo Base: Escolha fundamentada da arquitetura pré-treinada (ResNet, EfficientNet ou DistilBERT);
• 2. Curvas de Aprendizado: Gráficos sincronizados de perda e acurácia de treino versus validação por época para diagnosticar sobajuste ou sobreajuste;
• 3. Diagnóstico de Erros por Classe: Identificação visual e estatística das classes mais confusas pelo modelo e análise das causas;
• 4. Relatório de Viés dos Dados: Discussão explícita sobre limitações do dataset de treino e populações sub-representadas.

...