INTELIGÊNCIA ARTIFICIAL E APRENDIZADO DE MÁQUINA

Prévia do material em texto

INTELIGÊNCIA ARTIFICIAL E APRENDIZADO DE MÁQUINA 
 
 Questão 1. Qual das opções a seguir é um subcampo da Inteligência Artificial? 
 A) Análise de dados 
 B) Aprendizado de Máquina 
 C) Banco de dados 
 D) Desenvolvimento Web 
RESPOSTA CORRETA: B) Aprendizado de Máquina 
Justificativa: Aprendizado de Máquina (Machine Learning) é um subcampo da Inteligência 
Artificial que se concentra em desenvolver algoritmos que permitem que os sistemas aprendam a 
partir de dados e façam previsões ou decisões sem serem explicitamente programados. 
 
 Questão 2. Qual é a principal função do algoritmo de regressão em Aprendizado de Máquina? 
 A) Classificação de dados 
 B) Agrupamento de dados 
 C) Predição de valores contínuos 
 D) Redução de dimensionalidade 
RESPOSTA CORRETA: C) Predição de valores contínuos 
Justificativa: Algoritmos de regressão são usados para prever valores contínuos, estabelecendo 
uma relação entre variáveis independentes e dependentes. 
 
 Questão 3. O que é overfitting em modelos de Aprendizado de Máquina? 
 A) O modelo é muito simples e não captura a complexidade dos dados. 
 B) O modelo se ajusta muito bem aos dados de treinamento, mas falha em generalizar para dados 
novos. 
 C) O modelo tem desempenho igual em dados de treinamento e teste. 
 D) O modelo é ajustado usando menos dados. 
RESPOSTA CORRETA: B) O modelo se ajusta muito bem aos dados de treinamento, mas falha 
em generalizar para dados novos. 
Justificativa: Overfitting ocorre quando um modelo é excessivamente complexo e aprende 
detalhes e ruídos dos dados de treinamento, resultando em um desempenho ruim em dados não 
vistos. 
 
 Questão 4. Qual é a técnica usada para melhorar o desempenho de modelos de Aprendizado de 
Máquina ao reduzir overfitting? 
 A) Aumento de dados 
 B) Expansão do conjunto de treinamento 
 C) Regularização 
 D) Aumento da complexidade do modelo 
RESPOSTA CORRETA: C) Regularização 
Justificativa: A regularização é uma técnica que penaliza a complexidade do modelo, ajudando 
a evitar o overfitting e a melhorar a generalização do modelo. 
 
 Questão 5. O que são redes neurais artificiais? 
 A) Sistemas de armazenamento de dados 
 B) Modelos inspirados no funcionamento do cérebro humano 
 C) Algoritmos de pesquisa 
 D) Estruturas de controle de fluxo 
RESPOSTA CORRETA: B) Modelos inspirados no funcionamento do cérebro humano 
Justificativa: Redes neurais artificiais são modelos de aprendizado de máquina que se inspiram 
na estrutura e no funcionamento do cérebro humano, consistindo em camadas de neurônios 
interconectados que processam informações. 
 
 Questão 6. Qual dos seguintes é um exemplo de Aprendizado Supervisionado? 
 A) Agrupamento de clientes 
 B) Classificação de emails como spam ou não spam 
 C) Redução de dimensionalidade 
 D) Aprendizado por reforço 
RESPOSTA CORRETA: B) Classificação de emails como spam ou não spam 
Justificativa: O Aprendizado Supervisionado envolve treinar um modelo com um conjunto de 
dados rotulados, como a classificação de emails em categorias específicas. 
 
 Questão 7. O que caracteriza o Aprendizado Não Supervisionado? 
 A) Dados rotulados estão disponíveis para treinamento. 
 B) O modelo deve encontrar padrões e agrupamentos nos dados sem rótulos. 
 C) O modelo é avaliado com base em um conjunto de teste. 
 D) O foco é na predição de valores contínuos. 
RESPOSTA CORRETA: B) O modelo deve encontrar padrões e agrupamentos nos dados sem 
rótulos. 
Justificativa: No Aprendizado Não Supervisionado, o modelo trabalha com dados não rotulados, 
buscando identificar padrões ou agrupamentos. 
 
 Questão 8. Qual é o papel do algoritmo Kmeans em Aprendizado de Máquina? 
 A) Classificação de dados 
 B) Agrupamento de dados 
 C) Predição de séries temporais 
 D) Regressão linear 
RESPOSTA CORRETA: B) Agrupamento de dados 
Justificativa: O algoritmo Kmeans é utilizado para agrupamento, onde ele organiza dados em K 
grupos com base em características semelhantes. 
 
 Questão 9. Qual é a principal desvantagem do uso de Redes Neurais Profundas? 
 A) Baixa precisão 
 B) Alta necessidade de dados e recursos computacionais 
 C) Facilidade de interpretação 
 D) Simplicidade de implementação 
RESPOSTA CORRETA: B) Alta necessidade de dados e recursos computacionais 
Justificativa: Redes Neurais Profundas geralmente requerem grandes quantidades de dados e 
significativa capacidade computacional para serem eficazes. 
 
Questão 10. Qual é a abordagem do Aprendizado por Reforço? 
 A) Treinamento com dados rotulados para classificação 
 B) Aprendizado com feedback a partir de ações em um ambiente 
 C) Busca de padrões em dados não rotulados 
 D) Predição de resultados baseados em variáveis contínuas 
RESPOSTA CORRETA: B) Aprendizado com feedback a partir de ações em um ambiente 
Justificativa: No Aprendizado por Reforço, um agente aprende a tomar decisões através de 
interações com um ambiente, recebendo recompensas ou punições com base em suas ações.