Questionário de detecção de anomalias de IA

As respostas e explicações aparecem conforme você responde ao teste.

1. Por que a detecção de anomalias geralmente funciona sem exemplos rotulados de anomalias?
   • As anomalias são raras e imprevisíveis, por isso os modelos aprendem 'normal'
   • O uso de rótulos é ilegal
   • Anomalias nunca acontecem
   • Ele usa apenas imagens
2. Uma 'anomalia contextual' é um ponto de dados que é:
   • Sempre anormal em todos os lugares
   • Normal em um contexto, mas anormal em outro
   • Um erro de digitação em um banco de dados
   • Um registro duplicado
3. What does the cited WACV autoencoder study use as an anomaly score?
   • A legal fraud label assigned to every record
   • A guarantee that no future fault will occur
   • Reconstruction error from an autoencoder trained to model the data
   • The number of random trees in an Isolation Forest
4. How does the original Isolation Forest paper isolate candidate anomalies?
   • It requires an expert to label every anomaly in advance
   • It measures reconstruction error from a neural decoder
   • It uses a fixed threshold that proves an item is defective
   • Random partitioning tends to isolate anomalous instances in fewer splits
5. Qual é o principal perigo de definir um limite de anomalia com muita sensibilidade?
   • Analistas são inundados com alarmes falsos
   • O modelo funciona mais rápido
   • Os dados são criptografados
   • Anomalias tornam-se impossíveis
6. What can an unusual machine-vibration score reasonably trigger?
   • An automatic shutdown because failure is guaranteed
   • A maintenance investigation or additional measurement, without predicting failure with certainty
   • A confirmed diagnosis of the failed component
   • A claim that the machine will fail within a fixed number of hours
7. Why is an anomaly score not automatically a fraud or defect label?
   • It is always a verified label
   • Anomaly scores cannot be compared
   • It indicates unusualness under a model or baseline, not the cause or consequence
   • The threshold proves intent
8. What should be documented when setting an anomaly threshold?
   • Only the model’s name
   • A claim that false positives are impossible
   • The number of GPUs alone
   • The reference data, score definition, threshold rationale, and review process