Prévia do material em texto

Material de Estudo Nº 37: Inteligência Artificial - Criando Máquinas Inteligentes 
Introdução: Este material explora conceitos da inteligência artificial (IA), desafiando a aplicação 
prática do conhecimento em cenários complexos de desenvolvimento de algoritmos, 
aprendizado de máquina e sistemas inteligentes. 
1. Um cientista de dados está desenvolvendo um sistema de recomendação de filmes 
para uma plataforma de streaming. Qual algoritmo de aprendizado de máquina ele 
deve considerar para analisar as preferências dos usuários e recomendar filmes 
relevantes? 
a) Árvores de decisão. b) Regressão linear. c) Filtragem colaborativa. d) Agrupamento k-médias. 
e) Análise de componentes principais (PCA). 
Resposta: c) Filtragem colaborativa. Justificativa: A filtragem colaborativa analisa as 
preferências de usuários similares para recomendar filmes relevantes, sendo amplamente 
utilizada em sistemas de recomendação. 
2. Em um projeto de carro autônomo, um engenheiro de IA está desenvolvendo um 
sistema de visão computacional para detectar e classificar objetos na estrada. Qual 
arquitetura de rede neural convolucional (CNN) ele deve considerar para alcançar alta 
precisão e velocidade de processamento? 
a) Redes neurais recorrentes (RNNs). b) Redes adversárias generativas (GANs). c) YOLO (You 
Only Look Once). d) Máquinas de vetores de suporte (SVMs). e) Redes de crenças profundas 
(DBNs). 
Resposta: c) YOLO (You Only Look Once). Justificativa: YOLO é uma arquitetura de CNN rápida e 
precisa, ideal para detecção de objetos em tempo real em carros autônomos. 
3. Um pesquisador de IA está desenvolvendo um chatbot para atendimento ao cliente. 
Qual técnica de processamento de linguagem natural (PLN) ele deve utilizar para 
permitir que o chatbot compreenda e responda a perguntas complexas? 
a) Análise de sentimentos. b) Reconhecimento de entidades nomeadas (NER). c) Modelos de 
linguagem baseados em transformadores (Transformer). d) Análise de frequência de palavras. 
e) Lematização e stemming. 
Resposta: c) Modelos de linguagem baseados em transformadores (Transformer). Justificativa: 
Modelos Transformer, como o BERT e o GPT, são capazes de compreender o contexto e gerar 
respostas coerentes, sendo eficazes para chatbots. 
4. Em um projeto de diagnóstico médico assistido por IA, um médico está utilizando um 
algoritmo de aprendizado profundo para analisar imagens de ressonância magnética 
(MRI) e detectar tumores cerebrais. Qual técnica de visualização de IA ele deve utilizar 
para que o médico interprete os resultados do algoritmo? 
a) Matriz de confusão. b) Curvas ROC. c) Mapas de ativação. d) Diagramas de dispersão. e) 
Histogramas. 
Resposta: c) Mapas de ativação. Justificativa: Mapas de ativação destacam as áreas da imagem 
que o algoritmo considerou relevantes para a detecção de tumores, auxiliando na 
interpretação dos resultados. 
5. Um engenheiro de IA está desenvolvendo um sistema de planejamento de rotas para 
robôs de entrega autônomos. Qual algoritmo de busca ele deve utilizar para encontrar 
o caminho mais curto entre dois pontos em um mapa complexo? 
a) Busca em profundidade (DFS). b) Busca em largura (BFS). c) Algoritmo A*. d) Algoritmo de 
Dijkstra. e) Algoritmo de Bellman-Ford. 
Resposta: c) Algoritmo A*. Justificativa: O algoritmo A utiliza heurísticas para encontrar o 
caminho mais curto de forma eficiente, sendo amplamente utilizado em planejamento de 
rotas.* 
6. Em um projeto de reconhecimento de fala, um pesquisador de IA está treinando um 
modelo de aprendizado profundo para transcrever áudio em texto. Qual técnica de 
aumento de dados ele deve utilizar para melhorar a robustez do modelo a variações de 
ruído e sotaques? 
a) Rotação de imagens. b) Translação de imagens. c) Adição de ruído e variação de velocidade 
no áudio. d) Redimensionamento de imagens. e) Espelhamento de imagens. 
Resposta: c) Adição de ruído e variação de velocidade no áudio. Justificativa: A adição de ruído 
e a variação de velocidade no áudio simulam variações reais na fala, melhorando a capacidade 
do modelo de reconhecer diferentes sotaques e ruídos. 
7. Um cientista de dados está desenvolvendo um modelo de aprendizado por reforço 
para controlar um robô em um ambiente simulado. Qual técnica de exploração ele 
deve utilizar para que o robô explore novas ações e aprenda a otimizar sua 
recompensa? 
a) Exploração gulosa. b) Exploração epsilon-gulosa. c) Exploração aleatória. d) Exploração 
determinística. e) Exploração supervisionada. 
Resposta: b) Exploração epsilon-gulosa. Justificativa: A exploração epsilon-gulosa equilibra a 
exploração de novas ações com a exploração de ações conhecidas, permitindo que o robô 
aprenda a otimizar sua recompensa ao longo do tempo.