IAA 4-4

Prévia do material em texto

Atividade de Autoaprendizagem 4
1 MÚLTIPLA ESCOLHA INCORRETO 0 / 0
2 MÚLTIPLA ESCOLHA INCORRETO 0 / 0
Redes neurais artificiais são cruciais na resolução de problemas complexos, como reconhecimento de padrões em imagens e previsões em tempo real. Diante desse contexto qual é a principal vantagem das redes 
neurais em relação aos métodos tradicionais de aprendizado de máquina? 
Incorreta:
Facilidade de interpretação dos resultados gerados, tornando as redes neurais aplicáveis em decisões que exigem maior clareza e explicações objetivas, adaptadas ao público-alvo.
B Flexibilidade em lidar com dados ruidosos, mantendo resultados consistentes mesmo em situações desafiadoras, o que melhora a robustez dos modelos em condições adversas. 
C Simplicidade no processo de treinamento, que demanda menos poder computacional e é mais eficiente para execução em ambientes com limitações de hardware e tecnologia.
D Capacidade de generalizar para diferentes contextos sem ajustes contínuos, permitindo que as redes neurais processem novos dados automaticamente e com máxima eficiência.
E Resposta corretaAprender diretamente dos dados, sem precisar de prévia engenharia de características, identificando padrões complexos e ocultos com base em grandes volumes de informações.
A construção e manutenção de bases de conhecimento em sistemas especialistas são essenciais para garantir diagnósticos precisos e recomendações relevantes. Qual das alternativas descreve corretamente um 
fator crítico para garantir a eficácia de sistemas especialistas?
A Resposta correta
Manter a base de conhecimento atualizada é crucial, pois a inclusão de novas regras e a revisão das existentes garantem que os sistemas especialistas permaneçam eficazes diante de 
novas regulamentações e mudanças.
B
A principal tarefa da manutenção é remover dados antigos da base de conhecimento, já que a obsolescência de informações compromete a capacidade do sistema especialista em lidar com problemas 
complexos.
C A eficácia de sistemas especialistas em ambientes dinâmicos está ligada à automação total da manutenção das bases de conhecimento, eliminando a necessidade de interação humana contínua. 
D
A construção inicial da base de conhecimento é suficiente para garantir a precisão dos sistemas especialistas, visto que as regras e informações dos especialistas humanos raramente sofrem alterações no 
tempo.
E
A inclusão de regras adicionais na base de conhecimento deve ser feita exclusivamente por algoritmos de aprendizado de máquina, substituindo o envolvimento de especialistas humanos na atualização 
de dados.
RECIBO: 313FBF3EAA124CF3ADF1B9B6D0B0873E
TENTATIVA 4/5 (ENVIADA EM 19/12/25 22:05)Nota final
Tentativa com a nota mais alta
3 MÚLTIPLA ESCOLHA INCORRETO 0 / 0
4 MÚLTIPLA ESCOLHA INCORRETO 0 / 0
5 MÚLTIPLA ESCOLHA INCORRETO 0 / 0
TensorFlow e Keras são bibliotecas fundamentais para criar e treinar redes neurais de forma eficiente, simplificando a aplicação de inteligência artificial. Qual das alternativas descreve melhor como essas 
bibliotecas facilitam a criação de redes neurais aplicadas a soluções práticas do cotidiano? 
A TensorFlow e Keras permitem criar modelos personalizados de IA, mas a simplicidade de uso dificulta o treinamento de redes neurais em dados grandes e variados, limitando sua eficiência prática. 
B Resposta correta
O uso de TensorFlow e Keras facilita a criação de redes neurais profundas por meio de módulos e funções prontos, permitindo que desenvolvedores criem soluções complexas sem 
necessidade de programar do zero.
C
As bibliotecas TensorFlow e Keras são mais adequadas para projetos pequenos, já que a complexidade dos módulos disponíveis impede a implementação de redes neurais para tarefas práticas do 
cotidiano.
D
TensorFlow e Keras facilitam a integração de redes neurais a grandes sistemas, mas sua aplicabilidade é limitada em contextos como recomendações baseadas em preferências ou dados nutricionais 
específicos.
E
Ao utilizar TensorFlow e Keras, desenvolvedores precisam codificar manualmente todas as funções de redes neurais, pois essas bibliotecas não oferecem suporte adequado para modelos de aprendizado 
profundo.
A busca local e análise de sensibilidade são técnicas fundamentais para ajustes finos e otimizações eficazes. Qual das alternativas melhor descreve como essas técnicas contribuem para a solução de problemas 
complexos de otimização? 
A
A busca local é a principal responsável pela solução de problemas de rotas e fluxos, enquanto os algoritmos de colônia de formigas servem para reduzir a dependência da análise de sensibilidade no 
processo.
B
Os algoritmos de colônia de formigas garantem uma otimização mais rápida que a análise de sensibilidade, pois não dependem da avaliação de como pequenas mudanças impactam o resultado final da 
solução. 
C
Os algoritmos de colônia de formigas garantem a análise completa de todas as variáveis envolvidas, enquanto a análise de sensibilidade é aplicada apenas em casos específicos com alto grau de 
complexidade.
D
Heurísticas híbridas combinam os melhores aspectos dos algoritmos de colônia de formigas e da busca local, eliminando a necessidade de realizar análises de sensibilidade durante o processo de 
otimização.
E Resposta correta
Análise de sensibilidade permite ajustes precisos nas soluções propostas por algoritmos de colônia de formigas, garantindo que variações nas condições iniciais não comprometam a 
otimização alcançada.
6 MÚLTIPLA ESCOLHA INCORRETO 0 / 0
7 MÚLTIPLA ESCOLHA INCORRETO 0 / 0
Em uma cidade movimentada como São Paulo ou Rio de Janeiro, otimizar rotas de entrega com algoritmos genéticos envolve etapas evolutivas que buscam soluções eficientes. Nesse contexto, qual fator é 
essencial para garantir que o processo evolutivo conduza o algoritmo à rota mais eficaz em cenários tão complexos?
A Resposta correta
A seleção das rotas mais promissoras e a definição de uma função de aptidão precisa garantem que o algoritmo evolua de forma direcionada e converge para uma solução eficiente e 
otimizada.
B A combinação aleatória de rotas bem-sucedidas e menos promissoras, sem priorizar função de aptidão, oferece um processo mais democrático e permite rotas alternativas de otimização inesperadas.
C O uso de rotas iniciais aleatórias e inalteradas ao longo do processo, focando a consistência dos dados, proporciona uma base sólida e promove a estabilidade dos resultados gerados no sistema.
D A aplicação de mutações rigorosas, combinadas com a seleção das rotas menos eficientes, amplia a diversidade do conjunto de soluções e evita que o sistema se acomode em rotas subótimas.
E A repetição ininterrupta das rotas iniciais, sem alterações genéticas, assegura que o algoritmo mantenha soluções estáveis e evita mudanças desnecessárias que poderiam prejudicar a convergência final.
As estruturas de aprendizado e associação em redes neurais permitem refinar padrões complexos e recuperar informações incompletas. Com isso, qual das opções abaixo descreve corretamente o benefício 
prático das camadas ocultas no reconhecimento progressivo de padrões em sistemas de aprendizado? 
A As camadas ocultas permitem que redes associativas realizem a análise de padrões em grandes volumes de dados, mesmo em cenários de dados ausentes ou distorcidos, promovendo alta flexibilidade. 
B A principal função das camadas ocultas é a capacidade de associar padrões a diferentes contextos de aplicação, permitindo que os sistemas de aprendizado façam previsões em tempo real e ajustadas.
C
Camadas ocultas auxiliam na recuperação de padrões conhecidos, utilizando redes associativas para lidar com dados incompletos, o que melhora a precisão de modelos em ambientes com informações 
parciais.
D
O uso de camadas ocultas permite realizar associações entre diferentes níveis de informação, garantindo que as redes façam a generalização automática dos dados, sem necessidade de supervisão 
adicional.
E Resposta correta
Com o uso de camadas ocultas, é possível transformar característicascomplexas dos dados, refinando progressivamente a qualidade das predições e aumentando a robustez do sistema 
em diferentes aplicações.
Os sistemas de apoio à decisão utilizam uma estrutura composta por uma base de conhecimento, mecanismo de inferência, interface com o usuário e ferramentas para suporte a decisões. Qual das opções abaixo 
melhor descreve a interação entre o mecanismo de inferência e a base de conhecimento para gerar recomendações relevantes? 
A
A base de conhecimento interage diretamente com o usuário para capturar novos dados, enquanto o mecanismo de inferência transforma essas informações em recomendações de acordo com as regras 
do sistema.
8 MÚLTIPLA ESCOLHA INCORRETO 0 / 0
9 MÚLTIPLA ESCOLHA INCORRETO 0 / 0
do sistema.
B O mecanismo de inferência realiza a análise de informações baseadas em dados brutos coletados diretamente do usuário, sem precisar consultar uma base de conhecimento estruturada e definida.
C Resposta correta
O mecanismo de inferência utiliza regras e informações predefinidas na base de conhecimento para processar dados e gerar respostas ou recomendações, considerando as 
especificidades de cada problema apresentado.
D
A função do mecanismo de inferência é substituir o especialista em situações de tomada de decisão, utilizando a base de conhecimento para sugerir ações sem a necessidade de revisão por parte do 
usuário.
E
A base de conhecimento armazena dados de forma dinâmica, permitindo que o mecanismo de inferência ajuste suas respostas continuamente para oferecer recomendações personalizadas em tempo 
real. 
Em um sistema especialista usado na medicina, que compara sintomas de pacientes com uma base de conhecimento, qual fator que mais contribui para garantir diagnósticos e tratamentos mais precisos e 
eficazes?
A A capacidade do sistema de priorizar dados históricos específicos, sem considerar novas pesquisas, reduzindo erros e promovendo uma base de conhecimento focada em diagnósticos de longo prazo.
B A inclusão restrita de casos clínicos e estudos históricos apenas, excluindo dados recentes, ajudando o sistema a simplificar o processo e evitar sobrecargas desnecessárias de informações.
C A integração de dados de longa duração, mas sem alterações frequentes, para evitar que o sistema sofra com mudanças rápidas e garanta um diagnóstico mais estável e confiável.
D Resposta correta
A atualização contínua com pesquisas e casos recentes, o que mantém o sistema adaptado a novas descobertas, ampliando a precisão dos diagnósticos e a eficácia dos tratamentos 
recomendados.
E A utilização de algoritmos que filtram apenas dados recentes, ignorando estudos antigos, permitindo que o sistema se concentre em avanços modernos e diagnósticos de alta precisão.
As redes neurais artificiais são modelos computacionais baseados na estrutura do cérebro humano. Qual das alternativas melhor explica o processo pelo qual uma rede neural consegue aprender a identificar 
gatos em imagens após ser treinada com milhares de exemplos? 
A O processo de aprendizado envolve o ajuste de parâmetros de saída em cada camada da rede, permitindo que os neurônios artificiais reconheçam os padrões básicos antes de gerar uma resposta final.
B A rede neural cria um banco de dados interno com imagens de gatos, comparando diretamente os novos inputs com essas imagens armazenadas para decidir se há semelhança com um gato.
C
O aprendizado das redes neurais ocorre por meio da comparação direta das entradas com saídas previamente conhecidas, sem a necessidade de identificar padrões intermediários complexos nas 
imagens.
10 MÚLTIPLA ESCOLHA INCORRETO 0 / 0
D
O aprendizado se dá pela criação de associações entre entradas e saídas, mas a rede não é capaz de modificar seus parâmetros internos ao longo do treinamento para melhorar sua precisão em novas 
imagens.
E Resposta correta
O treinamento da rede envolve a identificação gradual de características como bigodes e formato das orelhas, ajustando pesos entre neurônios para que ela possa generalizar e 
reconhecer gatos em novos contextos.
No treinamento supervisionado e não supervisionado, as redes neurais se destacam em diversos contextos. Diante das aplicações das redes neurais supervisionadas e não supervisionadas, qual das opções abaixo 
descreve corretamente uma vantagem crucial do uso da transferência de aprendizado em redes neurais? 
A A transferência de aprendizado permite otimizar o uso de redes não supervisionadas para resolver problemas rotulados, oferecendo resultados mais precisos e consistentes em tarefas de classificação. 
B
A reutilização de redes pré-treinadas minimiza o risco de overfitting, uma vez que elas já passaram por várias etapas de ajuste, sendo mais adequadas para lidar com dados não rotulados em novos 
contextos.
C
Utilizar redes já treinadas permite evitar a necessidade de coletar grandes volumes de dados para treinar redes do zero, além de promover maior explicabilidade em sistemas críticos, como o setor 
financeiro.
D
A transferência de aprendizado melhora a capacidade de uma rede supervisionada em identificar padrões ocultos em dados não rotulados, sendo aplicável principalmente em análise preditiva em tempo 
real.
E Resposta correta
Com a transferência de aprendizado, redes treinadas previamente podem ser reutilizadas para outras tarefas, economizando tempo e computação, o que facilita a implementação em 
grandes volumes de dados.