Engenharias

Brasil

Engenharia de Software

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

Av2 - Fundamentos da Inteligência Artificial 100 Certo

RESTRICTED

Exatas

Ciência da Computação

Graduate

Anhanguera

Marcus André

Outros

Other

A rede neural Perceptron multicamadas (MLP) é um dos modelos neurais mais conhecidos e utilizados. Isto pode estar associado com o fato de se difer...

A rede neural Perceptron multicamadas (MLP) é um dos modelos neurais mais conhecidos e utilizados. Isto pode estar associado com o fato de se diferirem do Perceptron simples, sendo capaz de resolver problemas cujos padrões não são linearmente separáveis. De acordo com os elementos da rede neural MLP, faça a associação dos termos contidos na coluna A com suas respectivas definições, apresentadas na coluna B.
Assinale a alternativa que apresenta a associação CORRETA entre as colunas.
I. Camada de entrada - 1. Neurônios responsáveis pela geração do resultado da rede neural, após os dados terem sido devidamente processados pelos neurônios ocultos.
II. Camada de saída - 2. Responsável para decidir se um neurônio vai ser ativado ou não.
III. Camada interna - 3. Unidades não-computacional responsáveis pela passagem de informação fornecida a rede para os neurônios das camadas seguintes.
IV. Retropropagação do erro - 4. Disseminação do erro obtido a partir dos neurônios de saída que circula no sentido inverso ao fluxo de informações.
V. Função de ativação - 5. Responsável pelo processamento não-linear das informações de entrada.
I – 1, II – 2, III – 3, IV – 4, V – 5.
I – 2, II – 1, III – 3, IV – 4, V – 5.
I – 3, II – 5, III – 2, IV – 4, V – 1.
I – 1, II – 3, III – 5, IV – 4, V – 2.
I – 3, II – 1, III – 5, IV – 4, V – 2.

General Studies

Exercícios Para o Conhecimento: Compartilhando exercícios para auxiliar no aprimoramento do conhecimento em diversas disciplinas do ensino superior, médio e pós-graduação. Vamos juntos praticar e aprimorar nossos conhecimentos!

Exercícios Para o Conhecimento

As redes neurais convolucionais têm sido algumas das inovações mais influentes no campo da visão computacional. Uma série de empresas tem usado o a...

As redes neurais convolucionais têm sido algumas das inovações mais influentes no campo da visão computacional. Uma série de empresas tem usado o aprendizado profundo no centro de seus serviços. O Facebook usa redes neurais para seus algoritmos de marcação automática, Google para pesquisa de fotos, Amazon para recomendações de produtos, Pinterest para personalização de feeds domésticos e Instagram para infraestrutura de pesquisa. As redes convolucionais passaram a ganhar mais protagonismo após um modelo de CNN vencer o desafio LSVRC-2012 da ImageNet, a “olimpíada” da Visão Computacional.
Assinale a alternativa que apresenta o nome dessa rede.
LeNet-5
AlexNet
GoogleNet
R-CNN
VGGNet

O reconhecimento automático de fala (ASR, do inglês Automatic Speech Recognition) refere-se à tarefa de reconhecer a fala humana e traduzi-la em te...

O reconhecimento automático de fala (ASR, do inglês Automatic Speech Recognition) refere-se à tarefa de reconhecer a fala humana e traduzi-la em texto. Este campo de pesquisa ganhou muito foco nas últimas décadas. É uma importante área de pesquisa para a comunicação homem-máquina.
A respeito dessas asserções, assinale a alternativa correta.
I. Ambas as redes rasas e profundas são capazes de se encaixar em qualquer função, mas as redes rasas são preferidas hoje às redes profundas.
II. Redes rasas requerem muitos parâmetros, ao contrário de redes profundas que podem ajustar funções mesmo com um número limitado de parâmetros por causa de várias camadas.
As asserções I e II são proposições verdadeiras, mas a II não justifica a I.
As asserções I e II são proposições verdadeiras e a II justifica a I.
A asserção I é uma proposição verdadeira e a II, falsa.
A asserção I é uma proposição falsa e a II, verdadeira.
As asserções I e II são proposições falsas.

MaterialAggregator/Subjects/Materials/Recent

MaterialAggregator/Subjects/Questions/New

Av2 - Fundamentos da Inteligência Artificial 100 Certo

Conteudo restrito apenas para assinantes