Junior AI/ML Engineer — Perguntas de entrevista para engenheiro de IA/ML

Qual é a diferença entre aprendizado supervisionado, não supervisionado e por reforço?

O aprendizado supervisionado treina com pares entrada-saída rotulados, como prever o preço de uma casa a partir de características. O aprendizado não supervisionado encontra estrutura em dados não rotulados, como agrupar clientes em segmentos. O aprendizado por reforço treina um agente para tomar ações que maximizem um sinal de recompensa ao longo do tempo, como um bot que joga um jogo — não há exemplos rotulados, apenas feedback do ambiente.

O que é overfitting?

Um modelo com overfitting aprendeu os dados de treino bem demais, incluindo o ruído, então ele vai muito bem no treino mas mal em dados novos. Um sinal clássico é uma grande diferença entre a accuracy de treino e a de validação. A correção geralmente começa por conseguir mais dados ou simplificar o modelo, antes de recorrer a regularização mais elaborada.

O que é uma função de loss?

Uma função de loss mede o quanto a previsão de um modelo está errada em comparação com o valor real — erro quadrático médio para regressão, cross-entropy para classificação. Treinar é literalmente o processo de ajustar os parâmetros do modelo para diminuir esse número. A escolha da função de loss define o que o modelo realmente otimiza, por isso escolher a errada produz silenciosamente o modelo errado.

O que significam precision e recall?

Precision é: de tudo que o modelo marcou como positivo, quanto era realmente positivo. Recall é: de tudo que era realmente positivo, quanto o modelo capturou. Um filtro de spam ajustado para alta precision perde menos e-mails reais, mas deixa passar mais spam; ajustado para alto recall pega mais spam, mas também marca mais e-mails reais erroneamente — sempre há um trade-off.

Para que servem NumPy e pandas?

NumPy oferece operações rápidas com arrays em Python, trabalhando os dados como arrays vetorizados em vez de loops lentos em Python puro — quase toda biblioteca de ML é construída em cima dele. Pandas é construído sobre o NumPy e oferece DataFrames — dados tabulares e rotulados que você pode filtrar, agrupar, juntar e limpar, e é aí que acontece a maior parte do trabalho real com dados antes de um modelo sequer vê-los.