Tipos de Aprendizagem em IA

Prévia do material em texto

<p>Questão 1/10 - Inteligência Artificial Aplicada</p><p>“Após a extração e seleção de atributos, os vetores de atributos servem como entradas para</p><p>os métodos de aprendizagem de máquina. Esses métodos utilizam as informações</p><p>fornecidas para criar um conhecimento sobre como os dados fornecidos estão organizados</p><p>e distribuídos. A escolha do método que será utilizado, assim como no caso dos atributos,</p><p>depende do problema.” (Material impresso da Aula 1 – Tema 4).</p><p>Sobre tipos de aprendizagem é correto afirmar:</p><p>A Aprendizagem supervisionada é aquela que se assemelha a escolha de um</p><p>caminho em grafos. Sempre que fazemos uma busca em profundidade se obtém</p><p>a completitude ótima</p><p>B Machine Learning pode ser compreendida como um conjunto de técnicas ou</p><p>métodos que permitem às máquinas aprender por meio da visão computacional.</p><p>C Metodos supervisionados, não supervisionados e semissupervisionados são</p><p>exemplos de tipos de aprendizagem.</p><p>Você assinalou essa alternativa (C)</p><p>D A aprendizagem por reforço é um tipo de machine learning voltado a redes</p><p>neureais naturais baseadas no Perceptron de Rosemblatt.</p><p>.</p><p>Questão 2/10 - Inteligência Artificial Aplicada</p><p>Você foi contratado para o posto de cientista de dados, para compor uma equipe, que</p><p>atualmente já trabalha com dados, mas não possui experiência em aprendizagem de</p><p>máquina. Um das suas primeiras tarefas designadas, foi planejar um modelo de</p><p>aprendizagem de máquina para trabalhar com textos, que serão fornecidos de forma</p><p>sequencial ao modelo.</p><p>Utilizando os seus conhecimentos de aprendizagem de máquina e sabendo que a sua</p><p>equipe dispõe de capacidade de processamento e dados em abundância, você</p><p>recomendaria a utilização de:</p><p>A um classificador bayesiano</p><p>B um classificador do tipo k-Means</p><p>C uma classificador do tipo k-NN</p><p>D uma rede neural do tipo LSTM</p><p>Você assinalou essa alternativa (D)</p><p>E uma rede neura do tipo CNN</p><p>Questão 3/10 - Inteligência Artificial Aplicada</p><p>Após executarmos o processo de treinamento de um modelo de aprendizagem é preciso</p><p>avaliar o seu desempenho eu um conjunto de dados, do qual temos a informação das</p><p>categorias das instâncias, permitindo avaliar se o modelo necessita de modificações.</p><p>Considerando o texto acima e valendo-se do seu conhecimento sobre aprendizagem</p><p>de máquina, pode-se afirmar que além da medida de acurácia, também podem ser</p><p>utilizadas as medidas de :</p><p>A recall e taxa de acertos</p><p>B recall e taxa de erros</p><p>C taxa de erros e acertos</p><p>D recall e precisão</p><p>Você assinalou essa alternativa (D)</p><p>E taxa de falsos positivos</p><p>Questão 4/10 - Inteligência Artificial Aplicada</p><p>Você foi contratado para o posto de cientista de dados, para compor uma equipe, que</p><p>atualmente já trabalha com dados, mas não possui experiência em aprendizagem de</p><p>máquina. Um das suas primeiras tarefas designadas foi a explanação de trechos de códigos</p><p>em linguagem relacionados ao treinamento de modelos de aprendizagem de máquina.</p><p>Um modelo de árvore de decisão estava apresentando resultados muito ruins, errando grande</p><p>parte das predições. O modelo foi definido usando o seguinte código:</p><p>from sklearn import tree</p><p>clf = tree.DecisionTreeClassifier(criterion = "gini",</p><p>splitter = "best", max_depth = 5)</p><p>Analisando melhor os nós e folhas gerados no processo, que o modelo não estava realizando</p><p>divisões suficientes que permitissem separar bem as categorias.</p><p>Para obter melhores resultados com esse modelo você sugere que a definição dele</p><p>seja feita da alterando o parâmetro:</p><p>A max_depth para 10</p><p>Você assinalou essa alternativa (A)</p><p>B max_depth para 1</p><p>C max_depth para 4</p><p>D splitter para maximum</p><p>E splitter para None</p><p>Questão 5/10 - Inteligência Artificial Aplicada</p><p>“Após a extração e seleção de atributos, os vetores de atributos servem como entradas para</p><p>os métodos de aprendizagem de máquina. Esses métodos utilizam as informações</p><p>fornecidas para criar um conhecimento sobre como os dados fornecidos estão organizados</p><p>e distribuídos. A escolha do método que será utilizado, assim como no caso dos atributos,</p><p>depende do problema.” (Material impresso da Aula 1 – Tema 4).</p><p>Sobre tipos de aprendizagem é correto afirmar:</p><p>A Aprendizagem supervisionada é aquela que se assemelha a escolha de uma</p><p>caminho em grafos. Sempre que fazemos uma busca em profundidade se obtém</p><p>a completitude ótima</p><p>B Machine Learning pode ser compreendida como um conjunto de técnicas ou</p><p>métodos que permitem às máquinas aprender por meio da visão computacional.</p><p>C A aprendizagem por reforço é um tipo de machine learning voltado a redes</p><p>neureais naturais baseadas no Perceptron de Rosemblatt.</p><p>D Os métodos de aprendizagem supervisionada são aqueles cujos dados</p><p>fornecidos para o processo de aprendizagem e incluem exemplos com a</p><p>identificação da solução desejada</p><p>Você assinalou essa alternativa (D)</p><p>Questão 6/10 - Inteligência Artificial Aplicada</p><p>“Criada nos anos 1960, a tecnologia que usa computadores e algoritmos para reconhecer</p><p>rostos humanos ganhou escala há pelo menos uma década, muito graças ao avanço das</p><p>redes sociais e da internet. Com milhares de pessoas disponibilizando voluntariamente suas</p><p>fotos na internet, existe hoje um banco de dados com bilhões de imagens que servem para</p><p>treinar redes de inteligência artificial a detectar e reconhecer rostos.”</p><p>Disponível em . Acesso em 19/04/2021</p><p>Apesar de ter sido criada na década de 60, a tecnologia de reconhecimento facial</p><p>somente veio ser aplicada de fato e em larga escala nos tempos atuais. Dentre os</p><p>motivos para que essa tecnologia não tenha sido melhor explorada na décadas</p><p>passadas, podemos destacar como um fator de grande peso:</p><p>A a ausência de interesse em pesquisas</p><p>B os erros contidos nos métodos de reconhecimento</p><p>C não existir fotografia digital na época</p><p>D a baixa capacidade de armazenamento e processamento</p><p>Você assinalou essa alternativa (D)</p><p>E nenhuma das anteriores</p><p>Questão 7/10 - Inteligência Artificial Aplicada</p><p>“A inferência Bayesiana permite uma eficaz filtragem preditiva de mensagens através de</p><p>palavras-chave com um número reduzido de falso positivos. Definindo um limiar conservador</p><p>ainda assim mantêm-se grande parte das mensagens de spam fora da caixa de entrada,</p><p>sendo bastante improvável que uma mensagem seja erroneamente enviada à caixa de spam;</p><p>o que seria impossível com filtros simples.</p><p>Para que o filtro possa funcionar corretamente é necessário que se tenha um bom banco de</p><p>dados para a inferência das probabilidades, com uma amostragem considerável de</p><p>mensagens que sejam e que não sejam spam.”</p><p>Disponível em . Acesso em 19/04/2021.</p><p>Muitos programas de e-mail eletrônico online, quando marcam um mensagem como spam</p><p>solicitam ao usuário que confirme se a ação de marcação daquele e-mail como spam está</p><p>correta ou não.</p><p>Considerando as informações acima e valendo-se do seu conhecimento de</p><p>treinamento de modelos de aprendizagem, quando você confirma que a marcação do</p><p>sistema anti-spam está correta, na verdade você está:</p><p>A apenas movendo um e-mail para o local correto</p><p>B organizando melhor a caixa de e-mails</p><p>C ajudando a melhorar o modelo de detecção de spam</p><p>Você assinalou essa alternativa (C)</p><p>D dando uma nota para o modelo utilizado</p><p>E permitindo que os spam sejam apagados</p><p>Questão 8/10 - Inteligência Artificial Aplicada</p><p>Você necessita executar o treinamento de um modelo de aprendizagem, porém a quantidade</p><p>de dados disponíveis é muito pequena e não há como obter novos dados.</p><p>Valendo-se dos seus conhecimento de aprendizagem de máquina, para conseguir</p><p>executar o treinamento do modelo você deverá:</p><p>A utilizar uma estratégia de validação cruzada</p><p>Você assinalou essa alternativa (A)</p><p>B utilizar</p><p>os dados na proporção 80-20</p><p>C utilizar os dados na proporção 50-50</p><p>D treinar e testar com os mesmos dados</p><p>E utilizar todos os dados para treino e não testar</p><p>Questão 9/10 - Inteligência Artificial Aplicada</p><p>“Machine Learning atualmente é considerada como uma subárea da Inteligência Artificial, e</p><p>nós devemos diferenciá-la dos métodos de Inteligência Artificial (IA) que lidam com</p><p>problemas de busca, agentes inteligentes e resolução de problemas, como por exemplo</p><p>fazer com que o computador consiga definir a melhor jogada em uma partida de xadrez ou</p><p>encontrar a saída de um labirinto.” (Material impresso da Aula 1 – Tema 2).</p><p>Sobre ML é correto afirmar:</p><p>A</p><p>Uma grande vantagem dos métodos de Machine Learning é que o processo de</p><p>aprendizagem pode ser automatizado à medida que novos exemplos são</p><p>identificados e apresentados ao algoritmo.</p><p>Você assinalou essa alternativa (A)</p><p>B</p><p>Machine Learning pode ser compreendida como um conjunto de técnicas ou</p><p>métodos que permitem às máquinas obter a capacidade de raciocínio líquido,</p><p>utilizando o conhecimento armazenado, permitindo novas conclusões, durante a</p><p>comunicação.</p><p>C Uma grande vantagem dos métodos de Machine Learning é que o processo de</p><p>aprendizagem não depende de visão computacional ligada as estruturas de</p><p>busca mas sim buscas em sistemas especialistas.</p><p>D Machine Learning não pode ser totalmente compreendida uma vez que técnicas</p><p>ou métodos que permitem às máquinas obter a capacidade de raciocínio líquido,</p><p>ainda não são conhecidas, nem mesmo durante a comunicação.</p><p>Questão 10/10 - Inteligência Artificial Aplicada</p><p>Já na década de 1950, o cientista Alan Turing, considerado um dos pais da IA, projetou um</p><p>teste – Teste de Turing – que ainda permanece alvo de estudos e investigação nos dias</p><p>atuais. Conhecer este teste é importante, pois por meio dele podemos ter uma noção mais</p><p>clara do desenvolvimento da área e de subáreas que se estruturam dentro do campo da IA.</p><p>(Material impresso da Aula 1 – Tema 1).</p><p>Quais seriam alguns requisitos e capacidades que a máquina que aprovada por este texte</p><p>deveria possuir:</p><p>A Uma entidade interage com um entrevistador, então será necessário que a</p><p>entidade se manifeste de maneira palpável e suas perguntas devem distinguir se</p><p>estas respostas foram produzidas por um humano que passaria no teste.</p><p>B Um entrevistador interage com uma entidade, um computador. Assim este</p><p>computador deve possuir visão tridimensional ajustada para conseguir distinguir</p><p>se estas respostas foram produzidas por um humano ou por um computador, o</p><p>computador passaria no teste.</p><p>C Um computador interage com um entrevistador, desta forma, este computador</p><p>deve ser capaz de processamento e comunicação em linguagem natural , outra</p><p>característica importante é capacidade de raciocínio automatizado, utilizando o</p><p>conhecimento armazenado, permitindo novas conclusões, durante a</p><p>comunicação.</p><p>Você assinalou essa alternativa (C)</p><p>D Um entrevistador interage com outro entrevistador, sem visualizá-lo, assim</p><p>recursos de visão computacional seriam inúteis, mas as entidades devem</p><p>manifestar senciência animal em nível avançado, desta forma, o computador</p><p>passaria no teste.</p>