Questão 38 — SK0-005 CompTIA Server+ Simulado Online Grátis

Explicação: Conceito Básico: A lacuna entre o desempenho do treinamento e o desempenho do teste é um indicador clássico de um problema específico de qualidade do modelo. Compreender este fenómeno e as suas causas é fundamental para o desenvolvimento de modelos de IA. O Guia de Estudo CompTIA SecAI+ cobre o overfitting sob conceitos básicos de IA e qualidade do modelo. Por que B está correto: O overfitting ocorre quando um modelo aprende os dados de treinamento muito especificamente – memorizando ruídos, valores discrepantes e padrões específicos no conjunto de treinamento, em vez de aprender padrões subjacentes generalizáveis. O modelo atinge alta precisão nos dados de treinamento, mas não consegue generalizar para dados de teste novos e invisíveis. Isso produz exatamente o cenário descrito: excelente desempenho no treinamento combinado com baixo desempenho nos testes. O overfitting é a causa essencial dessa lacuna de desempenho entre treinamento e teste. Por que A está errado: O ajuste fino é uma técnica de treinamento que adapta um modelo pré-treinado a uma nova tarefa ou domínio usando dados de treinamento adicionais. É um processo de treinamento deliberado, não uma descrição do motivo pelo qual o desempenho de um modelo diminui do treinamento ao teste. Por que C está errado: A regularização é uma técnica de treinamento usada especificamente para evitar overfitting, adicionando penalidades a grandes pesos de modelo, incentivando o modelo a aprender padrões mais simples e generalizáveis. É a solução para o overfitting, não a sua causa. Por que D está errado: Inferência é o processo de usar um modelo treinado para fazer previsões sobre novos dados. Descreve o uso operacional de um modelo, não uma característica de qualidade que explica por que o desempenho difere entre as fases de treinamento e teste.