do 01 ao 80-píginas-65

Prévia do material em texto

Material de Estudo: Inteligência Artificial e Aprendizado de Máquina - 65 
1. Um grupo de pesquisadores está desenvolvendo um sistema de aprendizado de 
máquina para prever a probabilidade de um paciente desenvolver câncer de mama 
com base em dados clínicos e genômicos. Qual dos seguintes algoritmos de 
aprendizado de máquina é mais adequado para essa tarefa? 
a) Regressão logística. b) Redes neurais artificiais. c) Árvore de decisão. d) Máquinas de vetores 
de suporte (SVM). e) K-means clustering. 
Resposta: a) Regressão logística. 
Justificativa: A regressão logística é um algoritmo de aprendizado de máquina supervisionado 
que é comumente usado para problemas de classificação binária, como prever a probabilidade 
de um evento ocorrer (neste caso, o desenvolvimento de câncer de mama). 
2. Um pesquisador está interessado em desenvolver um sistema de recomendação de 
filmes personalizado para usuários de uma plataforma de streaming com base em seus 
históricos de visualização e classificações. Qual das seguintes técnicas de filtragem 
colaborativa é mais adequada para essa tarefa? 
a) Filtragem baseada em conteúdo. b) Filtragem baseada em vizinhança. c) Filtragem baseada 
em modelos. d) Filtragem híbrida. e) Filtragem demográfica. 
Resposta: b) Filtragem baseada em vizinhança. 
Justificativa: A filtragem baseada em vizinhança encontra usuários com gostos semelhantes e 
recomenda filmes que esses usuários gostaram, baseando-se em suas interações passadas. 
3. Um grupo de cientistas está desenvolvendo um sistema de aprendizado profundo para 
reconhecimento de fala em ambientes com muito ruído. Qual das seguintes 
arquiteturas de rede neural é mais adequada para modelar sequências de áudio? 
a) Redes neurais convolucionais (CNNs). b) Redes neurais recorrentes (RNNs). c) Redes 
adversárias generativas (GANs). d) Autoencoders. e) Mapas auto-organizáveis (SOMs). 
Resposta: b) Redes neurais recorrentes (RNNs). 
Justificativa: As RNNs são projetadas para modelar sequências de dados, como áudio, e podem 
capturar dependências temporais em dados de fala. 
4. Um pesquisador está interessado em desenvolver um sistema de aprendizado por 
reforço para controlar um robô que deve aprender a navegar em um ambiente 
desconhecido. Qual dos seguintes algoritmos de aprendizado por reforço é mais 
adequado para essa tarefa? 
a) Q-learning. b) K-means clustering. c) Regressão linear. d) Árvore de decisão. e) Naive Bayes. 
Resposta: a) Q-learning. 
Justificativa: O Q-learning é um algoritmo de aprendizado por reforço que aprende a política 
ideal para um agente em um ambiente desconhecido, maximizando as recompensas ao longo 
do tempo. 
5. Um grupo de engenheiros está desenvolvendo um sistema de visão computacional 
para detecção de objetos em tempo real em vídeos de vigilância. Qual das seguintes 
arquiteturas de rede neural convolucional é mais adequada para essa tarefa? 
a) ResNet. b) AlexNet. c) VGGNet. d) YOLO (You Only Look Once). e) LeNet. 
Resposta: d) YOLO (You Only Look Once). 
Justificativa: YOLO é uma arquitetura de rede neural projetada para detecção de objetos em 
tempo real, oferecendo alta velocidade e precisão. 
6. Um pesquisador está interessado em desenvolver um sistema de aprendizado de 
máquina para prever o preço de casas com base em suas características, como 
tamanho, localização e número de quartos. Qual dos seguintes algoritmos de regressão 
é mais adequado para essa tarefa? 
a) Regressão linear múltipla. b) Regressão logística. c) Árvore de decisão para classificação. d) 
K-nearest neighbors para classificação. e) Máquinas de vetores de suporte para classificação. 
Resposta: a) Regressão linear múltipla. 
Justificativa: A regressão linear múltipla é adequada para prever valores contínuos (como 
preços de casas) com base em várias variáveis preditoras (características da casa). 
7. Um grupo de cientistas está desenvolvendo um sistema de processamento de 
linguagem natural (NLP) para análise de sentimento em postagens de mídia social. 
Qual das seguintes técnicas de NLP é mais adequada para essa tarefa? 
a) Tokenização. b) Lematização. c) Classificação de texto. d) Geração de texto. e) 
Reconhecimento de entidades nomeadas. 
Resposta: c) Classificação de texto. 
Justificativa: A classificação de texto é usada para determinar a polaridade do sentimento 
(positivo, negativo, neutro) em textos, tornando-a adequada para análise de sentimento em 
postagens de mídia social.