Outros

Brasil

Inteligência de Mercado e Análise de dados

pt-br

Inteligência Artificial

A disciplina de Inteligência Artificial (IA) estuda como criar sistemas capazes de realizar tarefas que, até então, eram exclusivas de seres humanos, como reconhecimento de fala, visão computacional, tomada de decisão e aprendizado de máquina. Durante as aulas, os alunos aprendem sobre algoritmos, redes neurais, lógica fuzzy, entre outras técnicas utilizadas na construção de sistemas inteligentes. A disciplina é importante para profissionais da área de tecnologia, que podem aplicar os conhecimentos em IA em diversas áreas, como saúde, finanças, transporte, entre outras, para otimizar processos e melhorar a qualidade de vida das pessoas.

Exam

Text

Deep Learning

RESTRICTED

Exatas

Ciência da Computação

Postgraduate

Anhanguera

Fernando Pereira

Other

As redes neurais recorrentes (RNN) funcionam de forma bastante parecida com as redes neurais do tipo feed-forward, exceto por uma característica qu...

As redes neurais recorrentes (RNN) funcionam de forma bastante parecida com as redes neurais do tipo feed-forward, exceto por uma característica que diferencia as arquiteturas das duas redes.
Assinale a alternativa que descreve a principal característica das RNN:
A camada de entrada é totalmente conectada.
Algumas conexões de saída também são usadas como conexões de entrada.  CORRETO
A camada de saída é totalmente conectada.
Sempre é utilizada a função de ativação sigmoide.
Os neurônios de uma camada não estão conectados a todos os neurônios da camada seguinte.

Graduate

General Studies

Exercícios Para o Conhecimento: Compartilhando exercícios para auxiliar no aprimoramento do conhecimento em diversas disciplinas do ensino superior, médio e pós-graduação. Vamos juntos praticar e aprimorar nossos conhecimentos!

Exercícios Para o Conhecimento

As redes neurais artificiais são técnicas de aprendizado supervisionado bioinspiradas, ou seja, elas foram criadas com base no funcionamento do cér...

As redes neurais artificiais são técnicas de aprendizado supervisionado bioinspiradas, ou seja, elas foram criadas com base no funcionamento do cérebro humano. Assim, o conceito central da técnica é o neurônio artificial: as redes podem ser formadas por um único neurônio, ou até mesmo milhões dessas unidades interconectadas.
Diante disso, responda: qual é o nome da arquitetura mais simples das redes neurais artificiais?
Perceptron reativo.
Perceptron multicamadas.  CORRETO
Rede neural profunda.
Rede neural interconectada.
Perceptron interconectado.

Sobre os hiperparâmetros que devem ser configurados em uma rede neural para tarefas de regressão ou classificação, analise as afirmativas a seguir ...

Sobre os hiperparâmetros que devem ser configurados em uma rede neural para tarefas de regressão ou classificação, analise as afirmativas a seguir e assinale-as com V (verdadeiro) ou F (falso):
( ) Tipicamente, uma rede neural possui de uma a cinco camadas ocultas, quando usadas em tarefas de classificação ou regressão.
( ) Tipicamente, uma rede neural possui de dez a cem neurônios por camada oculta, quando usadas em tarefas de classificação ou regressão.
( ) Em tarefas de regressão cujo intuito é prever um único valor, pode-se usar a função de ativação tangente hiperbólica caso seja necessário garantir que o valor de saída seja sempre positivo.
( ) Além do erro quadrático médio e do erro absoluto médio, as tarefas de regressão podem usar a função Huber como função de perda.
( ) As funções logística e softmax são comumente usadas como função de ativação nas tarefas de classificação binária e multiclasse, respectivamente.
F – V – F – V – F.
V – V – F – F – V.
V – F – V – V – V.
F – V – V – V – F.
V – V – F – V – V.  CORRETO

No processamento de linguagem natural, é comum que o conjunto de treinamento seja composto de uma única sequência de milhões de caracteres, o que i...

No processamento de linguagem natural, é comum que o conjunto de treinamento seja composto de uma única sequência de milhões de caracteres, o que inviabiliza o treinamento da rede neural recorrente. Uma estratégia bastante usada é converter a longa sequência de caracteres em grupos menores de texto.
Assinale a alternativa que descreve o nome do método do conjunto de dados que pode ser utilizado para realizar esta conversão.
window().  CORRETO
dataset().
divide().
merge().
sequence().

Ao longo dos anos, pesquisadores da área de inteligência artificial têm proposto inúmeras arquiteturas de redes neurais convolucionais, algumas del...

Ao longo dos anos, pesquisadores da área de inteligência artificial têm proposto inúmeras arquiteturas de redes neurais convolucionais, algumas delas específicas para solucionar determinados tipos de problemas.
Assinale a opção que descreve o nome da arquitetura de rede convolucional que tem sido amplamente usada para o reconhecimento de dígitos manuscritos.
ResNet.
GoogLeNet.
LeNet-5.  CORRETO
SENet.
Xception.

Inúmeras variantes da arquitetura básica de uma CNN têm sido propostas nos últimos anos, o que levou a diversos avanços na área de análise de _____...

Inúmeras variantes da arquitetura básica de uma CNN têm sido propostas nos últimos anos, o que levou a diversos avanços na área de análise de _____________. A arquitetura VGGNet foi desenvolvida na Universidade de Oxford. Sua arquitetura é clássica e simples, formada por algumas sequências de duas ou três camadas _______________ e uma camada_____________. Ela pode chegar a um total de apenas 16 ou 19 camadas convolucionais, dependendo da sua variante, além de uma rede densa final com duas camadas ______________ e a camada de saída.
Assinale a alternativa que completa adequadamente as lacunas:
Texto; convolucionais; pooling; ocultas.
Imagens; convolucionais; pooling; ocultas.  CORRETO
Imagens; pooling; convolucional; ocultas.
Texto; pooling; convolucional; ocultas.
Imagens; convolucionais; pooling; supervisionadas.

Analise o código-fonte a seguir que implementa a arquitetura de um RNN para uma tarefa de processamento de linguagem natural. Com base neste código...

Analise o código-fonte a seguir que implementa a arquitetura de um RNN para uma tarefa de processamento de linguagem natural. Com base neste código-fonte, podemos afirmar que:
I. As duas primeiras camadas da RNN são do tipo GRU e são formadas por 128 unidades.
II. As duas primeiras camadas da RNN utilizam a técnica de regularização dropout com taxa de 20%.
III. A camada de saída da RNN é totalmente conectada e utiliza a função de ativação softmax.
IV. A arquitetura da RNN é compilada com a função de perda de entropia cruzada binária.
V. Para gerar um modelo com base nos dados de treinamento, a RNN é treinada por 20 épocas.
I, III, IV e V, apenas.
I, II, III e IV, apenas.
I, II, IV e V, apenas.
I, II, III e V, apenas.  CORRETO
II, III, IV e V, apenas.

Sobre as diferentes arquiteturas de redes neurais convolucionais, podemos afirmar que:
São verdadeiras:
I. Na arquitetura LeNet-5, a camada de saíd...

Sobre as diferentes arquiteturas de redes neurais convolucionais, podemos afirmar que:
São verdadeiras:
I. Na arquitetura LeNet-5, a camada de saída é um pouco diferente: em vez de calcular a multiplicação da matriz das entradas e do vetor de pesos, cada neurônio gera o quadrado da distância euclidiana entre seu vetor de entrada e seu vetor de peso.
II. Na arquitetura LeNet-5, as camadas pooling são ligeiramente mais complexas do que o normal: cada neurônio calcula a média de suas entradas, então multiplica o resultado por um coeficiente, adiciona um termo de polarização e, finalmente, aplica a função de ativação.
III. Na arquitetura AlexNet, os autores usaram duas técnicas de regularização para reduzir o sobreajuste: aplicaram a técnica dropout com uma taxa de 50% e, em seguida, utilizaram uma estratégia de “aumento” com o objetivo de expandir o tamanho do conjunto de treinamento.
IV. Na arquitetura GoogLeNet, todas as camadas convolucionais usam a função de ativação ReLU. O segundo conjunto de camadas convolucionais usa tamanhos de kernel diferentes, permitindo que eles capturem padrões em escalas diferentes.
V. A arquitetura ResNet é conhecida por ser pouca profunda. Assim, ela pode utilizar uma técnica chamada conexões de salto (ou de atalho): o sinal que entra em uma camada também é adicionado à saída de uma camada localizada mais adiante na rede.
I, III, IV e V, apenas.
II, III, IV e V, apenas.
I, II, III e IV, apenas.  CORRETO
II, III e IV, apenas.
I, II, III e V, apenas.

MaterialAggregator/Subjects/Materials/Recent

MaterialAggregator/Subjects/Questions/New

Deep Learning

Conteudo restrito apenas para assinantes