do 01 ao 80T-píginas-5

Prévia do material em texto

Material de Estudo: Inteligência Artificial - #05 
Introdução: Este material aborda conceitos de inteligência artificial, com foco em aprendizado 
de máquina, redes neurais e aplicações práticas em diferentes áreas. 
1. Um engenheiro de aprendizado de máquina está desenvolvendo um sistema para 
classificar imagens de animais em diferentes espécies. Qual dos seguintes algoritmos 
seria mais adequado para essa tarefa? 
a) Regressão linear. 
b) Árvore de decisão. 
c) Rede neural convolucional (CNN). 
d) Algoritmo k-means. 
e) Análise de componentes principais (PCA). 
Resposta: c) Rede neural convolucional (CNN). 
Justificativa: As CNNs são altamente eficazes para tarefas de classificação de imagens, devido à 
sua capacidade de extrair características visuais relevantes. 
2. Em um projeto de processamento de linguagem natural, um engenheiro precisa 
desenvolver um modelo para gerar texto coerente e gramaticalmente correto. Qual 
dos seguintes modelos seria mais adequado? 
a) Regressão logística. 
b) Máquina de vetores de suporte (SVM). 
c) Redes neurais recorrentes (RNNs) ou Transformers. 
d) Algoritmo de agrupamento hierárquico. 
e) Análise de componentes independentes (ICA). 
Resposta: c) Redes neurais recorrentes (RNNs) ou Transformers. 
Justificativa: RNNs e Transformers são modelos de linguagem poderosos, capazes de capturar 
dependências de longo alcance em sequências de texto. 
3. Um engenheiro de robótica está desenvolvendo um sistema de navegação autônoma 
para um robô móvel em um ambiente desconhecido. Qual dos seguintes algoritmos 
seria mais adequado para essa tarefa? 
a) Algoritmo de regressão linear. 
b) Algoritmo de agrupamento k-means. 
c) Algoritmo de aprendizado por reforço. 
d) Algoritmo de análise de componentes principais (PCA). 
e) Algoritmo de classificação Naive Bayes. 
Resposta: c) Algoritmo de aprendizado por reforço. 
Justificativa: O aprendizado por reforço permite que o robô aprenda a navegar em ambientes 
desconhecidos por meio de interações e recompensas. 
4. Em um projeto de reconhecimento de fala, um engenheiro precisa desenvolver um 
modelo para transcrever áudio em texto. Qual dos seguintes modelos seria mais 
adequado? 
a) Algoritmo de regressão logística. 
b) Algoritmo de agrupamento hierárquico. 
c) Redes neurais recorrentes (RNNs) ou Transformers. 
d) Algoritmo de análise de componentes independentes (ICA). 
e) Algoritmo de classificação Naive Bayes. 
Resposta: c) Redes neurais recorrentes (RNNs) ou Transformers. 
Justificativa: RNNs e Transformers são modelos de linguagem poderosos, capazes de capturar 
dependências de longo alcance em sequências de áudio. 
5. Um engenheiro de aprendizado de máquina está desenvolvendo um sistema para 
prever a demanda de energia em uma cidade. Qual dos seguintes algoritmos seria mais 
adequado para essa tarefa? 
a) Algoritmo de agrupamento k-means. 
b) Algoritmo de classificação Naive Bayes. 
c) Regressão linear ou redes neurais recorrentes (RNNs). 
d) Algoritmo de análise de componentes principais (PCA). 
e) Algoritmo de aprendizado por reforço. 
Resposta: c) Regressão linear ou redes neurais recorrentes (RNNs). 
Justificativa: A regressão linear e as RNNs são adequadas para tarefas de previsão de séries 
temporais, como a demanda de energia.