Conceitos Avançados de IA e ML

Prévia do material em texto

Prova 4: Conceitos Avançados de IA e ML
Introdução
Nesta prova, você será desafiado(a) com questões sobre conceitos avançados de 
Inteligência Artificial (IA) e Machine Learning (ML). É uma oportunidade para aprofundar seu
entendimento sobre algoritmos, ferramentas e aplicações dessas tecnologias. Boa sorte!
Questões
1. O que é transfer learning?
A) Uma técnica que transfere dados de um servidor para outro.
B) Um método de treinar um modelo em uma tarefa e reutilizá-lo em outra tarefa 
relacionada.
C) Um algoritmo que transfere dados entre modelos em tempo real.
D) Um método exclusivo para aprendizado supervisionado.
E) Uma técnica usada apenas em visão computacional.
2. Qual é a principal função de um "optimizer" em Machine Learning?
A) Ajustar hiperparâmetros manualmente.
B) Reduzir a perda durante o treinamento do modelo.
C) Armazenar os resultados do modelo.
D) Identificar padrões em dados não estruturados.
E) Melhorar a qualidade dos dados de entrada.
3. Qual das opções abaixo é um exemplo de aprendizado por reforço na prática?
A) Detecção de doenças em exames médicos.
B) Um robô aprendendo a caminhar através de tentativa e erro.
C) Classificação de e-mails como spam.
D) Previsão de vendas futuras em uma loja.
E) Agrupamento de clientes com base em comportamentos.
4. O que é regularização em Machine Learning?
A) Um processo de normalização dos dados antes do treinamento.
B) Uma técnica para reduzir o overfitting adicionando penalidades à função de perda.
C) Um método para treinar modelos mais rapidamente.
D) Um algoritmo para segmentação de imagens.
E) Uma estratégia de aumento do volume de dados.
5. Qual das ferramentas abaixo é mais comumente usada para treinar redes neurais 
profundas?
A) MS Word
B) Scikit-learn
C) PyTorch
D) Excel
E) Tableau
6. O que significa "cross-validation" em Machine Learning?
A) Testar o modelo em diferentes conjuntos de dados para avaliar sua performance.
B) Dividir os dados em pequenos grupos para armazená-los em servidores.
C) Comparar dois modelos em tempo real.
D) Garantir que o modelo seja treinado exclusivamente com dados rotulados.
E) Um método usado apenas em deep learning.
7. O que é uma matriz de confusão?
A) Um método de visualização para verificar o desempenho de algoritmos de classificação.
B) Um gráfico usado para visualizar redes neurais profundas.
C) Uma tabela que armazena dados de treino.
D) Um algoritmo usado para prever valores contínuos.
E) Um tipo de função de ativação para redes neurais.
8. Qual é o principal objetivo de um autoencoder?
A) Classificar imagens com alta precisão.
B) Reduzir a dimensionalidade dos dados mantendo características importantes.
C) Prever valores futuros com base em séries temporais.
D) Aumentar a velocidade de processamento do modelo.
E) Gerar gráficos de dados não estruturados.
9. Qual é o papel do algoritmo K-Means em Machine Learning?
A) Realizar classificação de imagens.
B) Identificar clusters (grupos) em conjuntos de dados.
C) Prever valores contínuos em séries temporais.
D) Analisar dados textuais para criar resumos.
E) Resolver problemas de regressão linear.
10. Qual é o impacto do viés em modelos de IA?
A) Melhorar a precisão do modelo em todos os cenários.
B) Introduzir desigualdades ou erros nos resultados gerados pelo modelo.
C) Aumentar o tempo de processamento.
D) Reduzir a necessidade de treinamento de novos modelos.
E) Tornar os modelos mais rápidos.
Gabarito e Justificativas
1. B - Transfer learning permite aproveitar o aprendizado de um modelo em uma tarefa 
para aplicá-lo em outra tarefa relacionada.
2. B - Otimizadores ajustam os parâmetros para minimizar a perda durante o 
treinamento do modelo.
3. B - Aprendizado por reforço é usado para treinar agentes que aprendem com 
tentativa e erro, como robôs.
4. B - Regularização reduz o overfitting adicionando penalidades à função de perda.
5. C - PyTorch é amplamente utilizado para treinar redes neurais profundas devido à 
sua flexibilidade e desempenho.
6. A - Cross-validation avalia a performance do modelo usando diferentes partições 
dos dados.
7. A - A matriz de confusão é usada para verificar a precisão de classificações 
realizadas por modelos.
8. B - Autoencoders reduzem a dimensionalidade, preservando informações essenciais
dos dados.
9. B - K-Means identifica grupos em dados, sendo um algoritmo de aprendizado não 
supervisionado.
10. B - Viés em IA pode levar a decisões tendenciosas ou resultados injustos, 
impactando negativamente a sociedade.