Diagnóstico do Colapso Posterior em VAE de Fraude Bancária
Visão geral
Sobre o que é este desafio
Diagnostique o colapso posterior do VAE em dados de fraude bancária e proponha uma correção arquitetural. Receba um certificado verificável.
O Brief
O que você vai fazer e o que vai demonstrar.
Determinar se o VAE usado para gerar transações fraudulentas sintéticas sofreu colapso posterior e, em caso afirmativo, propor a correção técnica e o protocolo de validação antes de qualquer novo uso em produção.
Earning criteria — what you'll demonstrate
- Compreender o mecanismo de colapso posterior (posterior collapse) em VAEs e o papel do termo de divergência KL na função objetivo (ELBO — Evidence Lower Bound)
- Analisar como o peso beta e a capacidade do decoder afetam o equilíbrio entre reconstrução e regularização em modelos generativos latentes
- Aplicar métricas de avaliação de modelos generativos (KL, distância de máxima média — MMD, log-verossimilhança) para diagnosticar falhas antes do deployment
- Traduzir uma falha técnica em modelos generativos profundos em uma recomendação de negócio acionável para um time de risco
Adequação ao Programa
Onde isso se encaixa no seu programa.
Aperfeiçoa as mesmas habilidades que seu curso espera que você demonstre.
Conteúdo alinhado em breve.
Habilidades
Habilidades que você vai demonstrar.
Cada um aparece no seu certificado verificado.
Carreiras
Cargos para os quais este desafio te prepara.
Títulos reais. Pontes reais de habilidades. Escolha o mais próximo da sua trajetória.
Trilhas de carreira que este desafio desenvolve
Funções canônicasEngenheiro(a) de Machine Learning
Este desafio exercita o diagnóstico de falhas de treinamento em modelos generativos latentes e o redesenho de arquitetura sob restrição de produção, habilidades centrais no dia a dia de quem mantém pipelines de Machine Learning em produção.
Este desafio aprimora
- analytical-reasoning
- anomaly-detection
- ai-assisted-analysis
Analista de Risco
A tarefa treina a leitura crítica de métricas de detecção de fraude e a comunicação de decisões técnicas complexas para comitês de risco, competência essencial para quem avalia impacto de modelos em carteiras de crédito e pagamentos.
Este desafio aprimora
- anomaly-detection
- assumption-analysis
- ai-bias-awareness
AI Engineer
O caso exige avaliar e corrigir um modelo generativo já em produção, reproduzindo o ciclo real de diagnóstico e correção que um AI Engineer enfrenta ao manter sistemas de dados sintéticos confiáveis.
Este desafio aprimora
- ai-assisted-analysis
- analytical-reasoning
- anomaly-detection
Só mais uma coisa