Questão de Banco de Dados — Data Mining — INSTITUTO AOCP 2025

Oracle 21c: AutoML e o desenvolvimento de modelos preditivos

Gabarito: letra A. O AutoML (Automated Machine Learning) é a ferramenta do Oracle 21c que simplifica o desenvolvimento de modelos de machine learning preditivos, automatizando a escolha do modelo, a seleção de atributos e o ajuste de parâmetros. As demais alternativas (PMEM, Sharding, ODMr e OML4R) são tecnologias do ecossistema Oracle, mas não correspondem à automação completa do pipeline de ML descrita no enunciado.

O AutoML é uma abordagem que automatiza as etapas mais complexas e demoradas do desenvolvimento de modelos de machine learning. Em vez de o analista precisar testar manualmente diversos algoritmos, selecionar manualmente os atributos mais relevantes e ajustar manualmente os hiperparâmetros, o AutoML executa essas tarefas de forma automatizada, buscando a melhor combinação possível para o problema em questão. Essa automação é especialmente valiosa em ambientes como o de um tribunal, onde a demanda por soluções práticas e a simplificação de atividades rotineiras são prioridades.

O processo de AutoML geralmente envolve três etapas principais: a seleção de atributos (feature selection), que identifica as variáveis mais relevantes para o modelo; a seleção do modelo (model selection), que testa diferentes algoritmos de ML; e o ajuste de parâmetros (hyperparameter tuning), que otimiza os parâmetros do algoritmo escolhido para maximizar a precisão. No Oracle 21c, o AutoML é oferecido como parte do Oracle Machine Learning (OML), integrando-se ao banco de dados e permitindo que o processo de ML seja executado diretamente sobre os dados armazenados.

A distinção crucial aqui é entre o AutoML e as outras ferramentas Oracle. O OML4R (Oracle Machine Learning for R) é uma interface que permite usar a linguagem R para análise estatística e ML, mas não automatiza o pipeline. O ODMr (Oracle Data Miner) é uma ferramenta de data mining que oferece um fluxo de trabalho gráfico, mas exige que o analista configure manualmente cada etapa. O Sharding é uma técnica de particionamento de banco de dados para escalabilidade, e o PMEM (Persistent Memory) é uma tecnologia de hardware para armazenamento de alta velocidade. Nenhum deles se encaixa na descrição de automação completa do processo de ML.

A pegadinha da banca está em oferecer alternativas que são tecnologias Oracle legítimas, mas que não cumprem a função específica de automatizar o desenvolvimento de modelos preditivos. O candidato que conhece apenas os nomes das ferramentas, sem entender suas funções, pode ser induzido a escolher uma opção como OML4R ou ODMr, que estão relacionadas a ML, mas não oferecem a automação completa que o AutoML proporciona. A chave para acertar é focar no termo "simplificar o desenvolvimento" e "auxiliando a escolha do modelo, a seleção de atributos e os ajustes dos parâmetros", que descreve exatamente o que o AutoML faz.

Alternativa A — ✅ Correta ⟵ GABARITO

O AutoML (Automated Machine Learning) é a ferramenta do Oracle 21c que automatiza o processo de desenvolvimento de modelos de machine learning preditivos. Ele simplifica o trabalho do analista ao automatizar a escolha do modelo, a seleção de atributos e o ajuste de parâmetros, exatamente como descrito no enunciado. Essa é a definição central do AutoML: a automação do pipeline de ML para tornar o processo mais eficiente e acessível.

Alternativa B — ❌ Incorreta

PMEM (Persistent Memory) é uma tecnologia de hardware que fornece memória persistente de alta velocidade, usada para melhorar o desempenho de operações de leitura e gravação no banco de dados. Não tem relação com o desenvolvimento de modelos de machine learning ou com a automação de tarefas de ML. A banca incluiu essa opção para testar se o candidato conhece as tecnologias de infraestrutura do Oracle, mas ela não se aplica ao contexto da questão.

Alternativa C — ❌ Incorreta

Sharding é uma técnica de particionamento horizontal de banco de dados, que distribui os dados em vários servidores para melhorar a escalabilidade e o desempenho. É uma solução de arquitetura de dados, não uma ferramenta para desenvolvimento de modelos de ML. A confusão aqui pode ocorrer porque o Sharding é uma funcionalidade avançada do Oracle, mas sua finalidade é completamente diferente da descrita no enunciado.

Alternativa D — ❌ Incorreta

ODMr (Oracle Data Miner) é uma ferramenta de data mining que oferece um ambiente gráfico para criar fluxos de trabalho de mineração de dados. Embora seja usada para ML, ela não automatiza o processo de escolha do modelo, seleção de atributos e ajuste de parâmetros; o analista precisa configurar manualmente cada etapa do fluxo. O AutoML, por outro lado, automatiza essas etapas, tornando o processo mais simples e rápido.

Alternativa E — ❌ Incorreta

OML4R (Oracle Machine Learning for R) é uma interface que permite executar análises estatísticas e modelos de ML usando a linguagem R dentro do Oracle. É uma ferramenta poderosa para analistas que conhecem R, mas não oferece automação do pipeline de ML. O analista precisa escrever o código R e gerenciar manualmente a seleção de atributos, a escolha do modelo e o ajuste de parâmetros. O AutoML, em contraste, faz isso automaticamente.

Gabarito: letra A