Humanas / Sociais

Brasil

Big Data e Inteligência Analítica

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

PROVA - Engenharia Preparação e Visualização de dados

RESTRICTED

Exatas

Ciência da Computação

Postgraduate

Universidade do Sul de Santa Catarina

Filipe  Ivo Pereira

Administração

Outros

Other

Uma amostra representada um conjunto de dados da base que possui todas as classes a serem estudadas. Definir este conjunto de dados é importante e ...

Uma amostra representada um conjunto de dados da base que possui todas as classes a serem estudadas. Definir este conjunto de dados é importante e crucial durante um projeto de Machine Learning, porque os dados a serem processados farão parte deste subconjunto. Considerando o trecho anterior, é correto afirmar que: A - Algoritmos de Machine Learning precisam apenas da amostra de teste para construir os modelos matemáticos. B - A técnica de validação cruzada é utilizada para dividir uma amostra de dados em subconjuntos para treino e teste. C - Algoritmos de Machine Learning precisam apenas da amostra de treino para construir os modelos matemáticos. D- A média e a mediana são medidas utilizadas para aplicar a técnica de validação cruzada. E - Algoritmos de Machine Learning não utilizam uma amostra para treino e teste para construir modelos matemáticos.

Graduate

General Studies

Estudo Através de Questões: Compartilhando questões para auxiliar no estudo e na aprendizagem de diversas disciplinas do ensino superior, médio e pós-graduação. Vamos juntos aprimorar nossos conhecimentos através dessas questões desafiadoras!

Estudo Através de Questões

Considere que um modelo foi  construído para classificar  imagens de veículos.  Este classificador produziu os seguintes resultados: Verdadeiros Po...

Considere que um modelo foi construído para classificar imagens de veículos. Este classificador produziu os seguintes resultados: Verdadeiros Positivos (TP) = 10 imagens; Verdadeiros Negativos (TN) = 20 imagens; falso Negativo(FN) = 100 imagens; Falso Positivo (FP) = 20 imagens. Utilizando essas informações, assinale a alternativa correta sobre qual a precisão deste modelo de classificação? A - 1.7 B - 1.33 C - 1 D - 0,67. E - 0.33

Considere as seguintes características de um projeto de banco de dados. a. O modelo de dados é conhecido e estável; b. A integridade dos dados é es...

Considere as seguintes características de um projeto de banco de dados. a. O modelo de dados é conhecido e estável; b. A integridade dos dados é essencial para o modelo; c. Velocidade e escalabilidade são preponderantes. d. A segurança dos dados deve ser garantida. Considerando as informações apresentadas, avalie as afirmacoes a seguir. I - Os itens a e b justificam a utilização de modelagem não relacional, uma vez que estabilidade e integridade são as principais características deste tipo de modelo. II - De acordo com o que podemos conferir em sites, por exemplo, da Amazon, bancos de dados NoSQL são criados para modelos específicos e têm esquemas flexíveis para a criação de aplicativos modernos. Os bancos de dados NoSQL são reconhecidos por sua facilidade de desenvolvimento, funcionalidade e performance em escala. III - Esta categoria de banco de dados é otimizada especificamente para aplicativos que exigem modelos de grande volume de dados, baixa latência e flexibilidade. É correto o que se afirma em I - Os itens a e b justificam a utilização de modelagem não relacional, uma vez que estabilidade e integridade são as principais características deste tipo de modelo. II - De acordo com o que podemos conferir em sites, por exemplo, da Amazon, bancos de dados NoSQL são criados para modelos específicos e têm esquemas flexíveis para a criação de aplicativos modernos. Os bancos de dados NoSQL são reconhecidos por sua facilidade de desenvolvimento, funcionalidade e performance em escala. III - Esta categoria de banco de dados é otimizada especificamente para aplicativos que exigem modelos de grande volume de dados, baixa latência e flexibilidade. A - I, II e III. B - I e II, apenas C - II e III, apenas D - III, apenas E - I, apenas

Também conhecido como KDD (knowledge-discovery in databases), a descoberta de conhecimento em bases de dados visa encontrar padrões em grandes volu...

Também conhecido como KDD (knowledge-discovery in databases), a descoberta de conhecimento em bases de dados visa encontrar padrões em grandes volumes de dados e, a partir destes padrões, identificar novos conhecimentos. Considerando o texto apresentado, avalie as afirmações a seguir. I. O KDD apresenta o ciclo de vida de um projeto de Inteligência Artificial. II. A modelagem relacional não faz parte do KDD. III. A seleção de dados é a etapa onde o usuário seleciona quais dados deseja visualizar em um dashboard. É correto o que se afirma em: I. O KDD apresenta o ciclo de vida de um projeto de Inteligência Artificial. II. A modelagem relacional não faz parte do KDD. III. A seleção de dados é a etapa onde o usuário seleciona quais dados deseja visualizar em um dashboard. A - I, II e III. B - II e III, apenas. C - I e II, apenas. D - III, apenas. E - I, apenas.

Visão computacional não é aplicada em problemas nos quais é necessário processar imagens.

Visão computacional é aplicada em problemas nos quais é ...

Visão computacional não é aplicada em problemas nos quais é necessário processar imagens. Visão computacional é aplicada em problemas nos quais é necessário processar imagens. Verdadeiro Falso

Algoritmos de aprendizagem de máquina não visam simular o funcionamento do cérebro humano.

Algoritmos de aprendizagem de máquina não visam simular...

Algoritmos de aprendizagem de máquina não visam simular o funcionamento do cérebro humano. Algoritmos de aprendizagem de máquina não visam simular o funcionamento do cérebro humano. Verdadeiro Falso

Um modelo baseado em inteligência artificial deverá realizar multiplas tarefas, tais como extrair features, classificar itens e prever comportament...

Um modelo baseado em inteligência artificial deverá realizar multiplas tarefas, tais como extrair features, classificar itens e prever comportamentos de dados. Um modelo baseado em inteligência artificial deverá realizar multiplas tarefas, tais como extrair features, classificar itens e prever comportamentos de dados. Verdadeiro Falso

Apenas bancos relacionais podem ser utilizadas em projetos de inteligência artificial.

Apenas bancos relacionais não são suficientes para serem ut...

Apenas bancos relacionais podem ser utilizadas em projetos de inteligência artificial. Apenas bancos relacionais não são suficientes para serem utilizados em projetos de inteligência artificial. Verdadeiro Falso

Visão computacional possui algoritmos de aprendizagem de máquina para processar e extrair insights a partir de imagens.

Visão computacional possui...

Visão computacional possui algoritmos de aprendizagem de máquina para processar e extrair insights a partir de imagens. Visão computacional possui algoritmos de aprendizagem de máquina para processar e extrair insights a partir de imagens. Verdadeiro Falso

O processo de extração de características consiste em utilizar uma arquitetura de aprendizagem profunda para processar o conteúdo de uma imagem.

O...

O processo de extração de características consiste em utilizar uma arquitetura de aprendizagem profunda para processar o conteúdo de uma imagem. O processo de extração de características consiste em utilizar uma arquitetura de aprendizagem profunda para processar o conteúdo de uma imagem. Uma imagem é processada pela estrutura da rede e, a cada camada do modelo, são realizadas transformações para identificar características específicas dessa imagem. A asserção I é uma proposição falsa, e a II é uma proposição verdadeira. As asserções I e II são proposições verdadeiras, e a II é a justificativa correta da I. As asserções I e II são proposições falsas A asserção I é uma proposição verdadeira, e a II é uma proposição falsa. As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa correta da I.

Subamostragem é uma técnica convolucional.

Subamostragem é uma técnica convolucional.
Verdadeiro
Falso

Um extrator de características permite aplicar validação cruzada para dividir uma amostra de dados.

Um extrator de características não permite apl...

Um extrator de características permite aplicar validação cruzada para dividir uma amostra de dados. Um extrator de características não permite aplicar validação cruzada para dividir uma amostra de dados. Verdadeiro Falso

Deep Learning representa um conjunto de técnicas cujo objetivo é aplicar uma rede neural com camada única.

Deep Learning não representa um conjunt...

Deep Learning representa um conjunto de técnicas cujo objetivo é aplicar uma rede neural com camada única. Deep Learning não representa um conjunto de técnicas cujo objetivo é aplicar uma rede neural com camada única. Verdadeiro Falso

Subamostragem é uma técnica de regressão linear.

Subamostragem não é uma técnica de regressão linear.
Verdadeiro
Falso

Redes Neurais podem ser utilizadas para processamento de dados textuais.

Redes Neurais podem ser utilizadas para processamento de dados textuais.
...

Redes Neurais podem ser utilizadas para processamento de dados textuais. Redes Neurais podem ser utilizadas para processamento de dados textuais. Verdadeiro Falso

Redes neurais convolucionais (convolutional neural networks, CNN) se inspiram no funcionamento do córtex visual. Esse tipo de rede neural é utiliza...

Redes neurais convolucionais (convolutional neural networks, CNN) se inspiram no funcionamento do córtex visual. Esse tipo de rede neural é utilizada em três cenários, sendo eles: extração de características; mapeamento de características; subamostragem. Redes neurais convolucionais (convolutional neural networks, CNN) se inspiram no funcionamento do córtex visual. Esse tipo de rede neural é utilizada em três cenários, sendo eles: extração de características; mapeamento de características; subamostragem. Verdadeiro Falso

Uma das áreas de pesquisa incluídas em aprendizagem de máquina é a habilidade de simular a capacidade cognitiva do ser humano. A inteligência do se...

Uma das áreas de pesquisa incluídas em aprendizagem de máquina é a habilidade de simular a capacidade cognitiva do ser humano. A inteligência do ser humano é a mais avançada dentro do universo das criaturas e a responsável por esta inteligência é o cérebro. Redes neurais artificiais (RNA) são utilizadas para simular o funcionamento do cérebro humano e, com isso, seu objetivo é construir um artefato de software capaz de tomar decisões de forma similar ao ser humano. Considere o texto apresentado e avalie as asserções abaixo Uma das áreas de pesquisa incluídas em aprendizagem de máquina é a habilidade de simular a capacidade cognitiva do ser humano. Redes neurais artificiais (RNA) são utilizadas para simular o funcionamento do cérebro humano e, com isso, seu objetivo é construir um artefato de software capaz de tomar decisões de forma similar ao ser humano. As asserções I e II são proposições verdadeiras, e a II é a justificativa correta da I. A asserção I é uma proposição verdadeira, e a II é uma proposição falsa. A asserção I é uma proposição falsa, e a II é uma proposição verdadeira. As asserções I e II são proposições falsas. As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa correta da I.

A respeito das asserções I e II sobre neurônios computacionais e aprendizagem de máquina, assinale a opção correta:

I - Um neurônio computacional ...

A respeito das asserções I e II sobre neurônios computacionais e aprendizagem de máquina, assinale a opção correta: I - Um neurônio computacional visa simular o funcionamento do seu modelo biológico. II - Uma das áreas de pesquisa incluídas em aprendizagem de máquina é a habilidade de simular a capacidade cognitiva do ser humano. A - As asserções I e II são proposições falsas B - As asserções I e II são proposições verdadeiras, mas II não é uma justificativa correta da I. C - A asserção II é uma proposição verdadeira e a I é uma proposição falsa. D - A asserção I é uma proposição verdadeira e a II é uma proposição falsa. E - As asserções I e II são proposições verdadeiras, e a II é uma justificativa correta da I.

A partir do script apresentado em SQL, avalie as afirmacoes a seguir:

I - A tabela funcionário possui 8 atributos.
II - A tabela funcionário possu...

A partir do script apresentado em SQL, avalie as afirmacoes a seguir: I - A tabela funcionário possui 8 atributos. II - A tabela funcionário possui 8 registros. III - A coluna ID_FUNC é uma chave estrangeira. A - II e III B - I e II, apenas C - II e III, apenas D - I e III, apenas E - I, Apenas

A respeito das asserções I e II sobre banco de dados relacional, assinale a opção correta:

I - Uma tabela relacional permite organizar registros e...

A respeito das asserções I e II sobre banco de dados relacional, assinale a opção correta: I - Uma tabela relacional permite organizar registros em linhas e suas colunas representam cada um de seus atributos. II - O modelo relacional preza por escalabilidade dos dados. A - As asserções I e II são proposições falsas. B - As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa da I. C - A asserção I é uma proposição falsa, e a II é uma proposição verdadeira. D - A asserção I é uma proposição verdadeira, e a II é uma proposição falsa. E - As asserções I e II são proposições verdadeiras, e a II é uma justificativa da I.

MaterialAggregator/Subjects/Materials/Recent

MaterialAggregator/Subjects/Questions/New

PROVA - Engenharia Preparação e Visualização de dados

Conteudo restrito apenas para assinantes