Conteúdos teóricos
Definições e exemplos dos temas avaliados: programação por blocos (Google Blockly), lógica algorítmica e dados / revisão de etiquetas e segmentação no contexto de deep learning (cão · gato · nenhum).
🎓 Pensado para o Ensino Secundário — Ciências e Tecnologias (10.º–12.º ano). Não precisas de experiência prévia de programação.
1. Programação por Blocos (Google Blockly)
Relacionado com: Q3, Q4, Q6, Q11 da avaliação e com as questões de blocos da preparação.
Um programa em blocos tem três tipos de peças:
- Blocos de instrução — fazem algo (definir uma variável, escrever, repetir, decidir).
- Blocos de valor — produzem um valor (número, texto, variável, operação).
- Blocos de conteúdo — encaixam dentro de um ciclo ou condição (o “corpo”).
Blocos principais
| Categoria | Bloco | O que faz |
|---|---|---|
| Variáveis | definir x para … / x | Guarda um valor numa variável / lê o valor. |
| Matemática | + − × ÷, resto de a ÷ b | Operações aritméticas; o resto (mod) testa paridade. |
| Lógica | = ≠ < ≤ > ≥, e, ou, não | Comparações e operações lógicas (verdadeiro/falso). |
| Condições | se … então … senão … | Executa um caminho ou outro. |
| Ciclos | repetir N vezes, para i de … até …, enquanto … | Repete instruções. |
| Listas | tamanho da lista, obter elemento #i | Percorre e acede a elementos (índice começa em 1). |
| Texto | escrever … | Mostra o resultado na consola. |
O bloco “se” encaixa uma condição e um corpo. O bloco “para” cria uma variável de ciclo que muda a cada repetição. Os valores entram nos encaixes e os corpos ficam dentro do bloco.
Exemplo 1 — somar os números de 1 a 5
soma começa em 0. O ciclo percorre i = 1, 2, 3, 4, 5 e em cada
repetição faz soma ← soma + i. No fim imprime 15
(1 + 2 + 3 + 4 + 5). soma é um acumulador.
Exemplo 2 — contar os números pares de uma lista
elemento mod 2 = 0 é verdadeira apenas para pares. Quando é verdadeira,
o contador aumenta 1. No fim, imprime a contagem.
Exemplo 3 — encontrar o maior valor
maior começa com o primeiro elemento. O ciclo compara cada elemento com
maior; se encontrar um valor superior, atualiza a variável. No fim, imprime o máximo.
Exemplo 4 — somar os valores acima de um limiar
valor > limiar decide se o valor entra no
acumulador. Os valores iguais ou inferiores ao limiar são ignorados. Este padrão é usado em
análise de dados (ex.: somar apenas deteções com confiança acima de um limiar).
Erros comuns
| Erro | Exemplo | Como corrigir |
|---|---|---|
| Condição invertida | Querer pares e testar mod 2 = 1 | Testar mod 2 = 0. |
| Acumulador não inicializado | Somar sem soma ← 0 | Inicializar antes do ciclo. |
| Ciclo infinito | enquanto i > 0 sem alterar i | Atualizar a variável dentro do ciclo. |
| Erro “off-by-one” | para i de 0 até 4 = 5 iterações | Contar os extremos. |
| Índice fora dos limites | Usar #0 ou #6 numa lista de 5 | Usar 1…tamanho. |
| Entrada vazia / bloco solto | Condição sem valor ligado | Ligar um bloco de valor ao encaixe. |
Exemplo de erro — condição invertida
i mod 2 = 1 seleciona os ímpares. Com
1…10, o programa imprime 25 (1+3+5+7+9) em vez de 30 (2+4+6+8+10). Para corrigir,
usar i mod 2 = 0.
escrever e testa os dois casos de teste.
2. Lógica Algorítmica
Relacionado com: Q1, Q2, Q5, Q10 da avaliação e com as questões de lógica da preparação.
x ← 5) guarda um valor e x ← x + 1 usa o valor atual e atualiza-o.
Operadores
| Tipo | Operadores | Resultado |
|---|---|---|
| Aritméticos | + − × ÷, mod (resto) | Um número. |
| Comparação | = ≠ < ≤ > ≥ | Verdadeiro ou falso. |
| Lógicos | e (AND), ou (OR), não (NOT) | Verdadeiro ou falso. |
7 mod 2 = 1 (7 é ímpar); 8 mod 2 = 0 (8 é par). O mod é a
forma típica de testar paridade.
Estruturas de controlo
- Sequência — as instruções executam pela ordem escrita.
- Decisão —
se condição então … senão …. - Repetição —
para(número conhecido de vezes),enquanto(enquanto a condição for verdadeira) erepetir N vezes.
Acumuladores e contadores
acumulador ← acumulador + valor. Ex.: soma de uma lista.
contador ← contador + 1 quando a condição é verdadeira.
Rastreio (trace)
Para prever o resultado, acompanha os valores numa tabela. Exemplo do ciclo que soma 1 a 5:
i | soma antes | soma depois |
|---|---|---|
| 1 | 0 | 1 |
| 2 | 1 | 3 |
| 3 | 3 | 6 |
| 4 | 6 | 10 |
| 5 | 10 | 15 |
Terminação de ciclos
enquanto, a variável usada na condição tem de ser atualizada. Se a
condição for sempre verdadeira (ex.: i = i), o ciclo nunca termina. Para contar
de 10 até 1, usa enquanto i > 0 e i ← i − 1.
Exemplo — trocar duas variáveis
b ← 5
a ← b # a passa a 5
b ← a # b passa a 5 (o 3 perdeu-se!)
a = 5, b = 5. Para trocar corretamente é preciso uma variável temporária:
temp ← a; a ← b; b ← temp → a = 5, b = 3.
3. Dados e Segmentação IA
Relacionado com: Q7, Q8, Q9 da avaliação e com as questões de dados da preparação.
Conceitos base de imagem
Tarefas
| Tarefa | Saída | Exemplo |
|---|---|---|
| Classificação | Uma classe para a imagem toda | “cão”, “gato” ou “nenhum” |
| Deteção | Caixas + classe | Uma caixa à volta do cão |
| Segmentação | Uma máscara por objeto/classe (píxel a píxel) | Contorno exato do gato |
Segments.ai é uma plataforma de anotação e revisão de imagens usada para criar datasets de treino (classificação, deteção e segmentação).
Probabilidades e limiar de decisão
Um classificador devolve probabilidades (saída softmax) que somam 1. Exemplo:
Falsos positivos e falsos negativos
Quando comparamos a previsão com a realidade, cada caso é TP, TN, FP ou FN. Os dois erros são:
- Classificação: numa imagem sem cão, o modelo prevê «cão».
- Deteção: aparece uma caixa onde não há objeto (ou uma caixa a mais).
- Segmentação: a máscara inclui píxeis de fundo (over-segmentation) → píxeis falsos positivos.
- Classificação: numa imagem com cão, o modelo prevê «nenhum».
- Deteção: um cão real não recebe nenhuma caixa.
- Segmentação: a máscara é demasiado pequena (under-segmentation) e deixa píxeis do objeto de fora.
Falso Negativo = disse Negativo (não), mas era Positivo (sim) → deixou passar.
| Realidade | Previsão | Resultado |
|---|---|---|
| Sem cão | «cão» | FP — alarme falso |
| Com cão | «nenhum» | FN — deixou passar |
| Com cão | «cão» | TP — correto |
| Sem cão | «nenhum» | TN — correto |
| Com gato | «cão» | FP para «cão» e FN para «gato» (classe errada) |
Métricas
Compara as previsões com a referência. A matriz de confusão tem quatro casos:
| Previsão: positivo | Previsão: negativo | |
|---|---|---|
| Real: positivo | TP (verdadeiro positivo) | FN (falso negativo) |
| Real: negativo | FP (falso positivo) | TN (verdadeiro negativo) |
Precision
Das deteções que o modelo disse “positivo”, quantas eram corretas. Penaliza falsos positivos.
Recall
Dos objetos reais, quantos foram encontrados. Penaliza falsos negativos.
IoU
Sobreposição entre a máscara prevista e a referência (segmentação). 1 = perfeito.
F1
Equilíbrio entre Precision e Recall.
Precision = 6 / (6 + 4) = 0.60 · Recall = 6 / (6 + 2) = 0.75 · F1 ≈ 0.67.
Erros de etiquetas / segmentação
| Erro | O que acontece | Métrica afetada | Decisão |
|---|---|---|---|
| Over-segmentation | Máscara maior que o objeto; inclui fundo | Precision ↓, IoU ↓ (FP) | Corrigir o contorno |
| Under-segmentation | Máscara menor; deixa partes de fora | Recall ↓, IoU ↓ (FN) | Expandir a máscara |
| Classe errada | Gato rotulado como cão | Aprende associação errada | Corrigir a classe |
| Contorno impreciso | Bordas irregulares / deslocadas | IoU ↓ | Refinar o contorno |
| Objeto em falta | Objeto não anotado | Recall ↓ (FN) | Anotar o objeto |
- Validar — a anotação está correta e pode ir para treino.
- Corrigir — há pequenos erros (classe, contorno, objeto em falta) que podem ser reparados.
- Rejeitar — a amostra é ambígua, irrecuperável ou inconsistente com o critério do dataset.
Checklist de revisão
- Confirmar a classe do objeto.
- Verificar se a máscara cobre o objeto sem incluir fundo.
- Procurar objetos não anotados.
- Ser consistente nas bordas entre imagens.
- Registar a decisão: validar, corrigir ou rejeitar.
4. Glossário
- Algoritmo
- Sequência finita de instruções para resolver um problema.
- Variável
- Nome que guarda um valor que pode mudar.
- Acumulador
- Variável que soma valores; inicia-se a 0.
- Contador
- Variável que conta ocorrências; inicia-se a 0 e aumenta 1.
- Condição
- Expressão que resulta em verdadeiro ou falso.
- Ciclo
- Estrutura que repete instruções (para, enquanto, repetir).
- Terminação
- Garantia de que um ciclo acaba.
- Blockly
- Biblioteca de programação visual por blocos.
- Lista
- Sequência de valores; no Blockly os índices começam em 1.
- Rastreio (trace)
- Acompanhar os valores passo a passo.
- Píxel
- Menor unidade de uma imagem digital; ponto com um valor de cor.
- Imagem digital
- Grelha retangular de píxeis.
- Resolução
- Número de píxeis (largura × altura) de uma imagem.
- Máscara
- Imagem em que cada píxel indica a classe/objeto (segmentação).
- Caixa delimitadora
- Retângulo (x, y, largura, altura) que envolve um objeto (deteção).
- Canal RGB
- Componente de cor (vermelho, verde, azul) de um píxel.
- Classificação
- Atribuir uma classe à imagem inteira.
- Deteção
- Localizar objetos com caixas e classe.
- Segmentação
- Classificar cada píxel e produzir máscaras.
- Etiqueta / label
- Anotação de referência (ground truth).
- Softmax
- Função que transforma pontuações em probabilidades que somam 1.
- Limiar
- Valor mínimo de confiança para aceitar uma decisão.
- Falso positivo (FP)
- O modelo previu positivo onde não havia objeto (alarme falso); baixa a Precision.
- Falso negativo (FN)
- O modelo previu negativo onde havia objeto (deixou passar); baixa o Recall.
- TP / TN / FP / FN
- Verdadeiros/falsos positivos e negativos na matriz de confusão.
- Precision
- TP / (TP + FP): qualidade das deteções positivas.
- Recall
- TP / (TP + FN): cobertura dos positivos reais.
- IoU
- Interseção / união entre máscaras.
- Over-segmentation
- Máscara maior que o objeto (falsos positivos).
- Under-segmentation
- Máscara menor que o objeto (falsos negativos).
- Ground truth
- Anotação de referência considerada correta.
- Loss
- Erro do modelo durante o treino; valores altos indicam dificuldade.
Continuar a estudar
Consulta a teoria, treina com feedback imediato e depois realiza a avaliação.