Ao criar um modelo para gerar imagens de pessoas em diferentes ocupações, você descobre que os dados de treinamento são tendenciosos e alguns atributos distorcem os resultados. Qual técnica de mitigação aborda esse problema?

Aumento de dados para classes desbalanceadas (Data augmentation for imbalanced classes) é a técnica correta porque aborda diretamente o problema de dados de treinamento tendenciosos. Ao gerar novas amostras sintéticas para as classes sub-representadas, essa técnica ajuda a equilibrar a distribuição dos dados, reduzindo o viés e melhorando a generalização do modelo. Monitoramento de modelo para distribuição de classes (Model monitoring for class distribution) é uma técnica de detecção, não de mitigação. Retrieval Augmented Generation (RAG) é usado para melhorar a geração de texto com informações externas, não para corrigir viés em dados de imagem. Detecção de marca d'água para imagens (Watermark detection for images) é uma técnica de segurança ou autenticidade, não relacionada à mitigação de viés de dados.