AV INTELIGENCIA ARTIFICIAL

Prévia do material em texto

02492 - FUNDAMENTOS DE INTELIGÊNCIA ARTIFICIAL
	 
	 
	 1.
	Ref.: 6041780
	Pontos: 0,00  / 1,00
	
	Em relação à aplicação dos métodos de Inteligência Artificial, avalie as informações a seguir:
I - Indução em árvore de decisão é utilizada para identificação de fraudes em cartões de crédito.
II - Redes neurais artificias são utilizadas no desenvolvimento de sistemas de análise de risco em aplicações financeiras.
III - Sistemas especialistas baseados em regras são utilizados no desenvolvimento de sistemas de diagnóstico de falhas em hardware.
IV - Algoritmos genéticos são utilizados basicamente para monitorar a evolução humana.
É correto o que se afirma em
		
	
	os itens I, II e IV estão corretos.
	
	apenas o item IV está correto.
	
	os itens II e III estão corretos.
	 
	apenas o item III está correto.
	 
	os itens I, II e III estão corretos.
	
	
	 2.
	Ref.: 6041636
	Pontos: 0,00  / 1,00
	
	Em relação aos assistentes pessoais virtuais, pode-se afirmar que:
I - A criação de assistentes pessoais virtuais é uma das aplicações de IA mais utilizadas.
II - Os assistentes pessoais virtuais auxiliam nas tarefas básicas como definir alarmes, lembrar compromissos, ligar para outros números, informar a previsão do tempo, entre outras funcionalidades.
III - Em 1962, a IBM apresentou Shoebox, o aparelho era do tamanho de uma caixa de sapatos, e além de reconhecer algumas palavras, também conseguia executar funções matemáticas.
IV - Os assistentes pessoais estão cada vez mais em desuso, devido à evolução da tecnologia de robôs domésticos.
Assinale a opção correta:
		
	
	Apenas o item IV está correto.
	 
	Apenas os itens I, II e III estão corretos.
	 
	Apenas os itens I, II e IV estão corretos.
	
	Apenas o item II está correto
	
	Apenas os itens I e II estão corretos.
	
	
	 
		
	02706 - PLANEJAMENTO EM INTELIGÊNCIA ARTIFICIAL
	 
	 
	 3.
	Ref.: 6078985
	Pontos: 1,00  / 1,00
	
	Assinale a afirmativa verdadeira a respeito do planejamento de agentes inteligentes em inteligência artificial:
 
		
	
	O controlador é responsável por elaborar planos e executá-los.
	
	O planejador precisa do conhecimento completo do ambiente para executar um plano.
	
	O planejador sempre assume que suas ações são realizadas com perfeição pelo controlador.
	
	O planejador sempre assume que o sistema não muda enquanto elabora um plano para ser executado.
	 
	Uma função de transição de estados relaciona um determinado estado a outros estados ao executar uma determinada ação.
	
	
	 4.
	Ref.: 6079274
	Pontos: 0,00  / 1,00
	
	O modelo restritivo que definimos assume 8 tipos de restrições. Essas restrições podem ser relaxadas quando quisermos desenvolver determinados tipos de agentes inteligentes. Marque a alternativa verdadeira a respeito de um robô limpador que foi desenvolvido para funcionar em uma gama variada de casas, de ambientes, sem nenhum tipo de intervenção humana:
		
	
	Assumir que o ambiente é determinístico é uma boa premissa ao desenvolver um robô com as características apresentadas
	 
	Não precisamos relaxar a restrição que diz que o ambiente é estático, porque o robô tem sensores que mapeiam completamente o ambiente.
	 
	O sistema é dinâmico, por isso relaxaremos a restrição que assume o sistema estático.
	
	Não precisamos fazer nenhum tipo de relaxamento sobre as restrições, porque as características das tarefas são simples.
	
	Não precisamos relaxar a restrição que assume o ambiente finito, pela maneira que o robô foi criado.
	
	
	 
		
	02764 - RACIOCÍNIO AUTOMÁTICO EM SITUAÇÕES DE INCERTEZA E IMPRECISÃO
	 
	 
	 5.
	Ref.: 6074698
	Pontos: 0,00  / 1,00
	
	Considere a seguinte situação:
Em uma caixa há 10 bolas, sendo 7 brancas e 3 azuis. Imagine que sejam efetuados 5 sorteios com reposição, ou seja, a bola sorteada é devolvida à caixa, e nesses 5 sorteios obteve-se como resultado sempre uma bola branca.
I- Para essa situação, no próximo sorteio, a probabilidade de se obter uma bola branca é de 0,7
porque
II- os sorteios são eventos independentes entre si e a ocorrência de um não tem qualquer influência sobre a ocorrência do outro.
Assinale a opção correta a respeito dessas asserções.
		
	
	As duas asserções são proposições verdadeiras, e a segunda não é uma justificativa correta da primeira.
	
	A primeira asserção é uma proposição falsa, e a segunda é uma proposição verdadeira.
	
	A primeira asserção é uma proposição verdadeira, e a segunda é uma proposição falsa.
	 
	As duas asserções são proposições verdadeiras, e a segunda é uma justificativa correta da primeira.
	 
	As duas asserções são proposições falsas.
	
	
	 6.
	Ref.: 6074697
	Pontos: 0,00  / 1,00
	
	O raciocínio incerto se aplica a situações em que não se tem conhecimento pleno da realidade em análise e, por isso, os resultados inferidos para essa situação inevitavelmente trazem algum grau de incerteza embutido. Ainda que mais raras, há situações em que o determinismo é a regra e, portanto, as incertezas não são toleradas. Diante disso, analise as situações a seguir:
I - Cálculo da folha de pagamento de uma empresa considerando os proventos de cada funcionário, bem como os descontos incidentes sobre os salários.
II - Previsão do comportamento do mercado financeiro com base no comportamento observado nos últimos cinco anos.
III - Cálculo da vida útil de um equipamento a fim de determinar o momento ideal de se efetuar uma manutenção preventiva.
São situações em que o raciocínio incerto se aplica apenas:
		
	 
	II e III
	 
	II
	
	I
	
	I e III
	
	I, II e III
	
	
	 
		
	02775 - REPRESENTAÇÃO DE CONHECIMENTO, RACIOCÍNIO AUTOMÁTICO E APRENDIZADO
	 
	 
	 7.
	Ref.: 6040589
	Pontos: 0,00  / 1,00
	
	Ano: 2018 Banca: CESPE / CEBRASPE Órgão: TCE-MG Prova: CESPE - 2018 - TCE-MG - Analista de Controle Externo - Ciência da Computação
Uma determinada empresa, ao realizar um programa de aceleração, selecionou fintechs que já trabalham na análise de fraudes em sistemas de cartão de crédito. Uma das premissas adotadas para a seleção foi a de que a fintech tivesse experiência em redes multi layer perceptrons. Nesse contexto, perceptron é
		
	 
	constituído por redes neurais artificiais profundas que podem ser usadas para classificar transações e agrupá-las por similaridade.
	 
	um algoritmo simples dedicado a efetuar uma análise binária para identificar se determinada transação é fraude ou não fraude.
	
	o método-padrão em redes neurais artificiais para cálculo da contribuição de erro de cada neurônio após processamento de um lote de dados.
	
	composto por duas redes simétricas que têm quatro ou cinco camadas rasas que representam a metade da codificação (encoder) da rede.
	
	um poderoso conjunto de algoritmos de redes neurais artificiais especialmente úteis para o processamento de dados sequenciais.
	
	
	 8.
	Ref.: 6040588
	Pontos: 0,00  / 1,00
	
	Em relação às redes neurais, selecione a opção correta.
		
	 
	A escolha de uma arquitetura de uma rede não depende do contexto da aplicação.
	
	Uma rede neural sempre representa um processo linear.
	
	A quantidade de iterações para o treinamento de uma rede neural não pode ser limitada.
	 
	A determinação dos pesos também depende dos dados de treinamento.
	
	Não é possível medir a acurácia de uma rede neural.
	
	
	 
		
	02811 - TÉCNICAS DE BUSCA PARA INTELIGÊNCIA ARTIFICIAL
	 
	 
	 9.
	Ref.: 6040129
	Pontos: 1,00  / 1,00
	
	Selecione a opção que apresenta a busca que é implementada com uma estrutura do tipo fila: primeiro a entrar, primeiro a sair.
		
	
	Busca greedy.
	 
	Busca em largura.
	
	Busca em profundidade.
	
	Busca em grafo.
	
	Pesquisa bidirecional.
	
	
	 10.
	Ref.: 6040375
	Pontos: 1,00  / 1,00
	
	Os métodos de busca em espaço de estados podem ser aplicados em diversas situações. Por exemplo, ''pode-se programar um robô para aspirar as salas de um ambiente sempre que estiverem sujas. As salas possuem sensores que, quando acionados,o robô vai até elas e, em seguida, vai aspirá-las''. Em relação ao exemplo dado, selecione a opção correta sobre os métodos de busca no espaço de estados.
		
	 
	É um exemplo de um agente reativo simples.
	
	Trata-se de um caso típico de um agente baseado em utilidades.
	
	É um agente baseado em modelo.
	
	É um exemplo de agente baseado em multiobjetivos.
	
	Trata-se de um agente baseado em objetivo