Baixe o app para aproveitar ainda mais
Prévia do material em texto
Acerto: 0,2 / 0,2 De acordo com os paradigmas de Inteligência Artificial, pode-se afirmar que um modelo simbolista lida apenas com símbolos gráficos. é um modelo que aprende a partir dos dados. lida com conhecimento explícito e representado simbolicamente. é formado por uma rede de elementos conectados por pesos que detêm o conhecimento. não possui conhecimento representado explicitamente. Respondido em 04/10/2023 20:43:14 Explicação: A Inteligência Artificial possui vários paradigmas. Um deles é o paradigma simbólico, que consiste em estruturas simbólicas que podem ser compreendidas por seres humanos. Dessa maneira, é correto afirmar que o modelo simbolista lida com conhecimento explícito, facilmente interpretado por humanos. Os resultados são descrições simbólicas das entidades dadas e devem ser compreensíveis como simples pedaços de informação e diretamente interpretáveis em linguagem natural. Acerto: 0,2 / 0,2 Correlacione os itens a seguir: (S) Treinamento supervisionado (N) Treinamento não supervisionado com I - A rede neural artificial aprende a partir de padrões conhecidos. II - O treinamento é direcionado para diminuir o erro na saída. III - Os padrões de treinamento possuem apenas entradas. Assinale a alternativa correta: I(N), II(N) e III (S) I(N), II (N) e III (N) I(N), II (S) e III (S) I(S), II (S) e III (S) I(S), II (S) e III (N) Respondido em 04/10/2023 20:43:44 Explicação: Resposta correta: I(S), II (S) e III (N) Acerto: 0,2 / 0,2 Nesse tipo de aprendizado, os modelos resultantes envolvem atividades como: o agrupamento de exemplos semelhantes (clustering), redução de dimensionalidade e estimativa de densidade. Qual o tipo de aprendizado estamos nos referindo? Questão / 1a Questão / 2a Questão / 3a Aprendizado supervisionado Aprendizado inicial Aprendizado Não supervisionado Aprendizado oculto Backprogation (retropropagation) Respondido em 04/10/2023 20:43:53 Explicação: Tarefas de aprendizagem não supervisionadas envolvem o agrupamento de exemplos semelhantes (clustering), redução de dimensionalidade e estimativa de densidade. No aprendizado não supervisionado, a rede aprende e encontra padrões e aufere conclusões dos dados não rotulados. Acerto: 0,2 / 0,2 Essa técnica emprega redes neurais artificiais de várias camadas para obter alta precisão em tarefas como detecção de objetos, reconhecimento de fala, tradução de idiomas e outros avanços tecnológicos noticiados com frequência pela mídia. Qual das opções abaixo atende a essa definição? Perceptron de múltiplas camadas. Deep Learning. Aprendizagem de máquina (Machine learning). Inteligência artificial. Inteligência de negócios (Business intelligence). Respondido em 04/10/2023 20:44:10 Explicação: Essas características descrevem o Deep Learning. Acerto: 0,2 / 0,2 Existem diversas técnicas que são usadas para o reconhecimento de imagens. Uma das que mais se destaca é a de segmentação de imagens. Nesse sentido, selecione a opção correta a respeito do objetivo da técnica de segmentação de imagens. Dar nomenclatura para os itens da imagem Destacar cores Suavizar os tons de cores da imagem Descrever formas dos objetos Agrupar os elementos da imagem por semelhanças Respondido em 04/10/2023 21:02:46 Explicação: O objetivo da segmentação da imagem é agrupar os elementos através de semelhanças que sejam determinantes para defini-los. As demais opções estão erradas, pois elas destacam apenas subitens do objetivo principal da técnica de segmentação. Questão / 4a Questão / 5a Acerto: 0,2 / 0,2 Dado que estamos falando de linguagem, estamos falando também de cultura, de expressões idiomáticas, e regionalismos. Sendo assim, cada modelo de NLP terá cobertura de acerto para a linguagem dos conjuntos sobre os quais aprendeu. Sendo assim, nesse caso, o que devemos variar ou unir (por concatenação de conjunto de dados)? Vocabulário Dicionário Sentenças Corpus Tokens Respondido em 04/10/2023 20:57:49 Explicação: Precisaremos combinar corpus, uma vez que quanto mais variado for o conjunto de treinamento mais apto estará o modelo. Logo ao incorporarmos diferentes corpus o modelo será capaz de compreender ambas as linguagens Acerto: 0,2 / 0,2 A introdução da Inteligência Artificial em nossas rotinas trouxe o termo casa inteligente. Sobre o assunto, julgue as opções. As casas inteligentes são uma das tecnologias mais antigas da IA, com seu modelo projetado nos anos 1960. As vantagens de uma casa inteligente são: segurança e personalização, porém, devido ao elevado custo, ainda não saíram do papel, atualmente, são apenas projetos. Com a possibilidade de ajustar intensidade e potência e personalizar a usabilidade de aparelhos e eletrodomésticos, devido à ausência de economia de energia, o preço que se paga pelos gadgets não é viável. Atualmente, as casas inteligentes são a realidade em uma grande maioria de cidades pelo mundo, principalmente no Brasil. As casas inteligentes têm o objetivo de oferecer diversos recursos de automação que prometem tornar a vida mais tranquila. Respondido em 04/10/2023 20:45:12 Explicação: A casa inteligente, também conhecida como casa conectada - do inglês, Connected Home - é uma casa que possui sistemas avançados de automação para providenciar monitoramento e controle sobre as funções de toda a construção, como, por exemplo, controles de temperatura, multimídia, portas e janelas. Acerto: 0,2 / 0,2 Comparando inteligência humana com inteligência artificial, os sistemas que pensam e agem como humanos, e os sistemas que pensam e agem racionalmente são, respectivamente: Lógica, Teste de Turing, Agentes racionais e Ciência Cognitiva. Ciência Cognitiva, Teste de Turing, Agentes racionais e Lógica. Ciência Cognitiva, Lógica, Teste de Turing e Agentes racionais. Questão / 6a Questão / 7a Questão / 8a Lógica, Teste de Turing, Ciência Cognitiva e Agentes racionais. Ciência Cognitiva, Teste de Turing, Lógica e Agentes racionais. Respondido em 04/10/2023 21:07:16 Explicação: Resposta correta: Ciência Cognitiva, Teste de Turing, Lógica e Agentes racionais. Acerto: 0,2 / 0,2 As Redes Neurais Artificiais têm sido amplamente usadas por exemplo em tarefas de reconhecimento de imagem, diagnóstico na medicina, processamento de linguagem natural, previsão de séries temporais, e têm uma infinidade de aplicações possíveis. Você já se perguntou como funcionam os sistemas de reconhecimento de imagem e voz? Como um aplicativo do seu celular faz para detectar rostos, ou um mecanismo de buscas sugere um termo? Entendendo que as redes neurais artificiais possuem vantagens e desvantagens, analise as afirmativas a seguir: I. Requer muitos dados de treinamento limpos. II. Arquitetura facilmente adaptável a vários domínios de problemas. III. Dificuldade na interpretação dos resultados. IV. A rede neural aprende com os dados analisados e não requer reprogramação. V. Requer alto poder computacional. Assinale a seguir a alternativa que apresenta apenas as afirmativas relacionadas às vantagens das redes neurais artificiais: II, apenas. I e V, apenas. II e III e IV, apenas. II e IV, apenas. I, II, III e IV, apenas. Respondido em 04/10/2023 20:46:28 Explicação: As redes neurais artificiais podem ser utilizadas em uma ampla gama de aplicações, além de normalmente trazerem vantagem competitiva para as organizações que as utilizam, porém, os projetos que envolve a aplicação de redes neurais artificiais, costumam ser custosos e demandam mais tempo que outros projetos de software. Nesse contexto é importante identificar as vantagens das redes neurais artificiais para que os projetos possam ser patrocinados pela administração das organizações e conhecidos pelas partes envolvidas (stakeholders) da organização. As principais vantagens das redes neurais artificiais são: arquitetura facilmente adaptável a vários domínios de problemas e a característicada rede neural aprender com os dados analisados e não requerer programação. Acerto: 0,2 / 0,2 As redes (_____________) usam aprendizado não supervisionado para treinar dois modelos em paralelo, colocando, desta forma, uma contra a outra, dando origem ao termo "adversária". Essas redes são utilizadas para sintetizar novas imagens com base em outras imagens de treinamento, sendo muito utilizadas também para modelar outros domínios, tais como: som, vídeo, geração de imagens de descrições de texto. Qual opção preenche corretamente a lacuna? Questão / 9a Questão / 10a Recurrent Neural Networks (RNN). Redes Multilayer Perceptron. Deep learning. Generative Adversarial Network (GANs). Autoencoders. Respondido em 04/10/2023 20:46:09 Explicação: Essas características descrevem as redes GANs.
Compartilhar