Exatas

Brasil

Análise e Desenvolvimento de Sistemas

pt-br

Inteligência Artificial

A disciplina de Inteligência Artificial (IA) estuda como criar sistemas capazes de realizar tarefas que, até então, eram exclusivas de seres humanos, como reconhecimento de fala, visão computacional, tomada de decisão e aprendizado de máquina. Durante as aulas, os alunos aprendem sobre algoritmos, redes neurais, lógica fuzzy, entre outras técnicas utilizadas na construção de sistemas inteligentes. A disciplina é importante para profissionais da área de tecnologia, que podem aplicar os conhecimentos em IA em diversas áreas, como saúde, finanças, transporte, entre outras, para otimizar processos e melhorar a qualidade de vida das pessoas.

Exam

Text

Prática 1 - Inteligência Artificial - 2022

RESTRICTED

Ciência da Computação

Graduate

Dianho

Outros

Other

Após a extração e seleção de atributos, os vetores de atributos servem como entradas para os métodos de aprendizagem de máquina. Esses métodos util...

Após a extração e seleção de atributos, os vetores de atributos servem como entradas para os métodos de aprendizagem de máquina. Esses métodos utilizam as informações fornecidas para criar um conhecimento sobre como os dados fornecidos estão organizados e distribuídos. A escolha do método que será utilizado, assim como no caso dos atributos, depende do problema.
Sobre tipos de aprendizagem é correto afirmar:
A Aprendizagem supervisionada é aquela que se assemelha a escolha de uma caminho em grafos. Sempre que fazemos uma busca em profundidade se obtém a completitude ótima
B Machine Learning pode ser compreendida como um conjunto de técnicas ou métodos que permitem às máquinas aprender por meio da visão computacional.
C A aprendizagem por reforço é um tipo de machine learning voltado a redes neureais naturais baseadas no Perceptron de Rosemblatt.
D Os métodos de aprendizagem supervisionada são aqueles cujos dados fornecidos para o processo de aprendizagem e incluem exemplos com a identificação da solução desejada

General Studies

Aprendendo Através de Exercícios: Compartilhando exercícios para auxiliar no aprendizado e aprimoramento de habilidades em diversas áreas do conhecimento. Vamos juntos aprender mais sobre os assuntos que nos interessam através desses exercícios desafiadores!

Aprendendo Através de Exercícios

Métodos como árvores de decisão apresentam vantagens quando comparados a métodos mais complexos como redes neurais ou, até mesmo, o k-NN.
Considera...

Métodos como árvores de decisão apresentam vantagens quando comparados a métodos mais complexos como redes neurais ou, até mesmo, o k-NN.
Considerando o texto acima e valendo-se do seu conhecimento sobre aprendizagem de máquina, pode-se afirmar que dentre essas vantagens está:
A a capacidade de lidar com dados em altas dimensões
B o fato de fornecer resultados melhores
C facilidade de interpretação dos resultados
D a base de treino menor
E a base de teste menor

Dado categórico é o tipo de dado estatístico que consiste em variáveis categóricas ou em dados que foram convertidos para esse formato, por exemplo...

Dado categórico é o tipo de dado estatístico que consiste em variáveis categóricas ou em dados que foram convertidos para esse formato, por exemplo, como dados agrupados. Mais especificamente, os dados categóricos podem derivar de observações feitas de dados qualitativos que são resumidos como contagens ou tabulações cruzadas, ou de observações de dados quantitativos agrupados em determinados intervalos.
Como um profissional da área de ciência de dados você sabe que variáveis categóricas podem receber valores de 1 até o limite dos possíveis valores, ainda que a descrição ou valor real do campo seja diferente do número que a representa. Assim, podemos considerar como um exemplo de variável categórica:
A o preço de um produto
B o tipo sanguíneo de uma pessoa
C a idade de uma pessoa
D o nome de uma pessoa
E o peso de uma pessoa

Você foi contratado para o posto de cientista de dados, para compor uma equipe, que atualmente já trabalha com dados, mas não possui experiência em...

Você foi contratado para o posto de cientista de dados, para compor uma equipe, que atualmente já trabalha com dados, mas não possui experiência em aprendizagem de máquina. Um das suas primeiras tarefas designadas foi a explanação de trechos de códigos em linguagem relacionados ao treinamento de modelos de aprendizagem de máquina.
Um modelo de árvore de decisão estava apresentando resultados muito ruins, errando grande parte das predições. O modelo foi definido usando o seguinte código: from sklearn import tree clf = tree.DecisionTreeClassifier(criterion = "gini", splitter = "best", max_depth = 5) Analisando melhor os nós e folhas gerados no processo, que o modelo não estava realizando divisões suficientes que permitissem separar bem as categorias. Para obter melhores resultados com esse modelo você sugere que a definição dele seja feita da alterando o parâmetro:
A max_depth para 10
B max_depth para 1
C max_depth para 4
D splitter para maximum
E splitter para None

A inferência Bayesiana permite uma eficaz filtragem preditiva de mensagens através de palavras-chave com um número reduzido de falso positivos. Def...

A inferência Bayesiana permite uma eficaz filtragem preditiva de mensagens através de palavras-chave com um número reduzido de falso positivos. Definindo um limiar conservador ainda assim mantêm-se grande parte das mensagens de spam fora da caixa de entrada, sendo bastante improvável que uma mensagem seja erroneamente enviada à caixa de spam; o que seria impossível com filtros simples.
Considerando as informações acima e valendo-se do seu conhecimento de treinamento de modelos de aprendizagem, quando você confirma que a marcação do sistema anti-spam está correta, na verdade você está:
A apenas movendo um e-mail para o local correto
B organizando melhor a caixa de e-mails
C ajudando a melhorar o modelo de detecção de spam
D dando uma nota para o modelo utilizado
E permitindo que os spam sejam apagados

Você necessita executar o treinamento de um modelo de aprendizagem, porém a quantidade de dados disponíveis é muito pequena e não há como obter nov...

Você necessita executar o treinamento de um modelo de aprendizagem, porém a quantidade de dados disponíveis é muito pequena e não há como obter novos dados.
Valendo-se dos seus conhecimento de aprendizagem de máquina, para conseguir executar o treinamento do modelo você deverá:
A utilizar uma estratégia de validação cruzada
B utilizar os dados na proporção 80-20
C utilizar os dados na proporção 50-50
D treinar e testar com os mesmos dados
E utilizar todos os dados para treino e não testar

Você foi contratado para o posto de cientista de dados, para compor uma equipe, que atualmente já trabalha com dados, mas não possui experiência em aprendizagem de máquina. Um das suas primeiras tarefas designadas, foi a tradução de trechos de códigos em linguagem relacionados ao treinamento de modelos de aprendizagem de máquina.
Um dos trechos que a equipe gostaria de decifrar se refere ao seguinte código: from sklearn.preprocessing import StandardScaler X = carrega_dataset() sc = StandardScaler() sc.fit(X) De acordo com os seus conhecimentos de aprendizagem de máquina, o código acima executa:
A um processo de treinamento dos dados
B um processo de predição
C um processo de normalização dos dados
D um processo de expansão dos dados
E não faz nada e pode ser comentado

Após executarmos o processo de treinamento de um modelo de aprendizagem é preciso avaliar o seu desempenho eu um conjunto de dados, do qual temos a...

Após executarmos o processo de treinamento de um modelo de aprendizagem é preciso avaliar o seu desempenho eu um conjunto de dados, do qual temos a informação das categorias das instâncias, permitindo avaliar se o modelo necessita de modificações.
Considerando o texto acima e valendo-se do seu conhecimento sobre aprendizagem de máquina, pode-se afirmar que além da medida de acurácia, também podem ser utilizadas as medidas de:
A recall e taxa de acertos
B recall e taxa de erros
C taxa de erros e acertos
D recall e precisão
E taxa de falsos positivos

A figura acima mostra um modelo de árvore de decisão aplicado a um conjunto de dados.
Valendo-se dos seus conhecimentos de aprendizagem de máquina ...

A figura acima mostra um modelo de árvore de decisão aplicado a um conjunto de dados.
Valendo-se dos seus conhecimentos de aprendizagem de máquina e de modelos de árvores de decisão, podemos afirmar que o campo samples na raiz e nas folhas indicam respectivamente:
A o total de amostras do conjunto e o total de amostras de um agrupamento final
B o total de amostras do conjunto e o total de amostras de uma classe
C o total de amostras de treino e o total de amostras de uma classe
D metade das amostras do conjunto e o total de amostras de uma classe
E o total de amostras que o modelo suporta e o total de amostras de uma classe

Quais seriam alguns requisitos e capacidades que a máquina que aprovada por este teste deveria possuir:
A Uma entidade interage com um entrevistado...

Quais seriam alguns requisitos e capacidades que a máquina que aprovada por este teste deveria possuir:
A Uma entidade interage com um entrevistador, então será necessário que a entidade se manifeste de maneira palpável e suas perguntas devem distinguir se estas respostas foram produzidas por um humano que passaria no teste.
B Um entrevistador interage com uma entidade, um computador. Assim este computador deve possuir visão tridimensional ajustada para conseguir distinguir se estas respostas foram produzidas por um humano ou por um computador, o computador passaria no teste.
C Um computador interage com um entrevistador, desta forma, este computador deve ser capaz de processamento e comunicação em linguagem binária, outra característica importante é capacidade de raciocínio líquido, utilizando o conhecimento armazenado, permitindo novas conclusões, durante a comunicação.
D Um entrevistador interage com uma máquina, está máquina deve, então, demonstrar capacidade robótica para manipular objetos físicos e mover-se; mesmo que o entrevistador não a visualize, visão computacional para perceber objetos é também uma outra característica importante de um computador que passaria no teste.

De acordo com os seus conhecimentos de aprendizagem de máquina e de treinamento de modelos do tipo perceptron de múltiplas camadas, esse parâmetro:...

De acordo com os seus conhecimentos de aprendizagem de máquina e de treinamento de modelos do tipo perceptron de múltiplas camadas, esse parâmetro:
A deve ser eliminado, pois atrapalha
B deve ser mantido, pois determina como o modelo aprende
C deve ser corrigido, pois está errado
D pode ser mantido ou excluído, não faz diferença
E não serve para esse tipo de modelo

Dentre os motivos para que essa tecnologia não tenha sido melhor explorada na décadas passadas, podemos destacar como um fator de grande peso:
A a ...

Dentre os motivos para que essa tecnologia não tenha sido melhor explorada na décadas passadas, podemos destacar como um fator de grande peso:
A a ausência de interesse em pesquisas
B os erros contidos nos métodos de reconhecimento
C não existir fotografia digital na época
D a baixa capacidade de armazenamento e processamento
E nenhuma das anteriores

Sobre ML é correto afirmar:
A Uma grande vantagem dos métodos de Machine Learning é que o processo de aprendizagem pode ser automatizado à medida q...

Sobre ML é correto afirmar:
A Uma grande vantagem dos métodos de Machine Learning é que o processo de aprendizagem pode ser automatizado à medida que novos exemplos são identificados e apresentados ao algoritmo.
B Machine Learning pode ser compreendida como um conjunto de técnicas ou métodos que permitem às máquinas obter a capacidade de raciocínio líquido, utilizando o conhecimento armazenado, permitindo novas conclusões, durante a comunicação.
C Uma grande vantagem dos métodos de Machine Learning é que o processo de aprendizagem não depende de visão computacional ligada as estruturas de busca mas sim buscas em sistemas especialistas.
D Machine Learning não pode ser totalmente compreendida uma vez que técnicas ou métodos que permitem às máquinas obter a capacidade de raciocínio líquido, ainda não são conhecidas, nem mesmo durante a comunicação.

MaterialAggregator/Subjects/Materials/Recent

MaterialAggregator/Subjects/Questions/New

Prática 1 - Inteligência Artificial - 2022

Conteudo restrito apenas para assinantes