Resposta correta
- BCriação e transformação de variáveis de entrada usando conhecimento de domínio para melhorar o desempenho do modelo
Explicação
A engenharia de recursos é o processo de criação de novas variáveis de entrada ou transformação das existentes usando o conhecimento de domínio para ajudar os modelos de aprendizado de máquina a capturar melhor os padrões nos dados. Ela impacta diretamente o desempenho do modelo ao tornar as relações subjacentes mais explícitas, reduzir o ruído e permitir que os algoritmos aprendam com mais eficácia. No Azure Machine Learning, isso geralmente é feito por meio de ferramentas de engenharia de recursos automatizadas ou scripts Python personalizados dentro de pipelines.
Para se aprofundar
A engenharia de recursos é a prática de usar o conhecimento de domínio para selecionar, criar e transformar variáveis de entrada brutas em representações que tornam os padrões mais fáceis de serem aprendidos por um modelo. Inclui técnicas como codificação one-hot de variáveis categóricas, agrupamento em categorias (binning) de valores contínuos, normalização ou padronização de intervalos numéricos, extração de partes de datas como dia da semana, cálculo de proporções ou agregados e tratamento de valores ausentes. A qualidade e a relevância dos recursos frequentemente influenciam a acurácia do modelo mais do que a escolha do algoritmo, porque um modelo só pode aprender com o sinal presente em suas entradas. Um comportamento sutil é o vazamento de dados (data leakage), onde um recurso derivado usando informações futuras infla a acurácia de validação, mas falha em produção. Um cenário realista é um modelo de rotatividade (churn) onde carimbos de data/hora brutos do último login são convertidos em dias desde o último login, um recurso que captura diretamente o engajamento e melhora o desempenho preditivo.
Sobre estas questões de prática
Esta é uma das questões de prática originais de AI-900 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.