Prévia do material em texto

Material de Estudo 62: Inteligência Artificial e Aprendizado de Máquina 
Tema: Ciência da Computação e Matemática 
1. Em um projeto de inteligência artificial (IA), qual dos seguintes paradigmas de IA se 
concentra na criação de sistemas que simulam a inteligência humana, como raciocínio 
e solução de problemas? 
a) Aprendizado de máquina (Machine Learning). b) Aprendizado profundo (Deep Learning). c) 
IA simbólica. d) Visão computacional. e) Processamento de linguagem natural (PLN). 
Resposta: c) A IA simbólica busca representar o conhecimento e realizar raciocínio de forma 
simbólica, como em sistemas de especialistas. 
2. Em um projeto de aprendizado de máquina, qual dos seguintes tipos de aprendizado 
envolve treinar um algoritmo com dados rotulados para prever categorias ou classes? 
a) Aprendizado não supervisionado. b) Aprendizado por reforço. c) Aprendizado 
supervisionado. d) Aprendizado semi-supervisionado. e) Aprendizado profundo. 
Resposta: c) O aprendizado supervisionado utiliza dados rotulados para treinar algoritmos a 
realizar tarefas de classificação ou regressão. 
3. Em um projeto de aprendizado profundo, qual dos seguintes tipos de redes neurais é 
mais adequado para processar sequências de dados, como texto ou séries temporais? 
a) Redes neurais convolucionais (CNNs). b) Redes neurais recorrentes (RNNs). c) Redes 
generativas adversárias (GANs). d) Autoencoders. e) Redes neurais de função de base radial 
(RBFs). 
Resposta: b) RNNs são projetadas para processar sequências de dados, como texto ou séries 
temporais, capturando dependências entre os elementos da sequência. 
4. Em um projeto de visão computacional, qual dos seguintes algoritmos de aprendizado 
de máquina é frequentemente utilizado para reconhecimento de objetos em imagens? 
a) Algoritmo de regressão linear. b) Algoritmo de agrupamento k-means. c) Redes neurais 
convolucionais (CNNs). d) Algoritmo de análise de componentes principais (PCA). e) Algoritmo 
de regressão logística. 
Resposta: c) As CNNs são eficazes para reconhecimento de objetos em imagens, aprendendo 
características visuais hierárquicas. 
5. Em um projeto de aprendizado por reforço, qual dos seguintes conceitos descreve o 
processo de um agente aprender a tomar decisões em um ambiente para maximizar 
uma recompensa? 
a) Agrupamento (Clustering). b) Classificação (Classification). c) Regressão (Regression). d) 
Otimização (Optimization). e) Aprendizado por reforço (Reinforcement Learning). 
Resposta: e) O aprendizado por reforço envolve um agente aprendendo a tomar decisões para 
maximizar recompensas em um ambiente dinâmico. 
6. Em um projeto de processamento de linguagem natural (PLN), qual dos seguintes 
modelos de aprendizado profundo é mais adequado para tarefas como tradução 
automática ou geração de texto? 
a) Redes neurais recorrentes (RNNs). b) Redes neurais convolucionais (CNNs). c) Modelos 
Transformer. d) Autoencoders. e) Redes neurais de função de base radial (RBFs). 
Resposta: c) Os modelos Transformer são arquiteturas de redes neurais que têm se mostrado 
altamente eficazes para tarefas de PLN, incluindo tradução e geração de texto.