1ª etapa:
Analisar o script fornecido, considerando que o dataset contém imagens de peças com e sem defeito:
- a) Qual a importância de balancear o dataset antes de treinar o modelo? Por quê?
- b) Qual a métrica de avaliação apropriada para o modelo preditivo? Justifique.
- c) Quais técnicas de pré-processamento de dados são recomendadas para este dataset?
- d) Qual o valor esperado de acurácia após o treinamento do modelo?
2ª etapa:
Explique a estrutura do modelo CNN utilizado no script do Colab, abordando os seguintes pontos:
- a) Descreva as diferentes camadas da CNN, suas funções e parâmetros principais.
- b) Explique o propósito das funções de ativação utilizadas.
- c) Justifique a escolha do otimizador e da função de perda.
- d) Comente sobre os resultados obtidos e como poderiam ser melhorados.
3ª etapa:
Explique a matriz de confusão e calcule as métricas de avaliação do modelo, incluindo acurácia, precisão, recall e F1-score. Complementar o script para incluir esses cálculos.
