Resposta correta
- DUsar o AutoML Natural Language para treinar um modelo personalizado
Explicação
O AutoML Natural Language permite treinar um modelo personalizado em seus 200 exemplos rotulados sem escrever código, melhorando diretamente a precisão para termos específicos do domínio, como 'bullish' e 'bearish'. Essa abordagem aproveita o aprendizado por transferência dos modelos pré-treinados do Google, minimizando o esforço de codificação enquanto se adapta ao seu vocabulário e padrões de sentimento exclusivos.
Para se aprofundar
O AutoML Natural Language permite treinar um modelo personalizado de classificação de texto ou de sentimentos a partir de exemplos rotulados por meio de um pipeline gerenciado que lida com a tokenização, extração de características e ajuste de hiperparâmetros, de modo que o desenvolvedor fornece um conjunto de dados CSV ou JSONL e recebe um endpoint de modelo implantado. Com cerca de 200 exemplos rotulados, isso está dentro do mínimo recomendado para uma tarefa de classificação de rótulo único, e captura o vocabulário de domínio como bullish ou bearish que o modelo geral pré-treinado classifica incorretamente. A Natural Language API não aceita um dicionário de sentimentos personalizado, e construir um modelo do TensorFlow exige muito mais esforço de engenharia. Uma sutileza é que o AutoML divide os dados para treinamento, validação e teste, portanto, o equilíbrio de rótulos entre as classes importa mais do que a contagem bruta. Isso importa quando o jargão financeiro distorce as pontuações de sentimento genéricas.
Sobre estas questões de prática
Esta é uma das questões de prática originais de PMLE da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.
Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.