AV - INTELIGÊNCIA ARTIFICIAL PARA DEVS

Prévia do material em texto

28/11/2023, 15:33 EPS
https://simulado.estacio.br/alunos/ 1/4
Disciplina: INTELIGÊNCIA ARTIFICIAL PARA DEVS  AV
Aluno: FABIO SOARES DA SILVA ROMAO 202208370209
Professor: MAURO CESAR CANTARINO GIL
 
Turma: 9001
DGT1352_AV_202208370209 (AG)   18/10/2023 20:35:20 (F) 
Avaliação: 3,00 pts Nota SIA: 3,00 pts
Dispositivo liberado pela Matrícula 202208370209 com o token 407065 em 18/10/2023 20:35:07.
O aproveitamento da Avaliação Parcial será considerado apenas para as provas com nota maior ou igual a 4,0.
 
EM2120031 - SISTEMAS DE APRENDIZADO DE MÁQUINA  
 
 1. Ref.: 4329332 Pontos: 0,00  / 1,00
O aprendizado de máquina comporta vários métodos de aprendizagem de acordo com o sinal. Identi�que a opção
que exempli�ca esses métodos:
Método de aprendizado por associação e memorização
Método de aprendizado inteligente e não inteligente
Método de aprendizado estruturado e não estruturado
 Método de aprendizado supervisionado e não supervisionado
 Método de aprendizado por classi�cação e regressão
 2. Ref.: 4332284 Pontos: 0,00  / 1,00
O algoritmo de aprendizado de máquina K-means é um algoritmo de agrupamento estatístico que permite separar
um conjunto de dados em K grupos disjuntos. Qual a técnica usada para isso?
 Regressão
Associação
Simbolização
 Clusterização
Classi�cação
 
02492 - FUNDAMENTOS DE INTELIGÊNCIA ARTIFICIAL  
 
 3. Ref.: 6041497 Pontos: 0,00  / 1,00
Julgue os itens que se seguem acerca de Inteligência Arti�cial.
I. Em Inteligência Arti�cial, pode-se adotar dois paradigmas de modelagem, o conexionista e o simbólico. Redes
neurais e algoritmos genéticos estão mais associados ao primeiro, enquanto o uso de linguagens como Prolog e Lisp
está relacionado ao segundo.
II. São exemplos de técnicas de inteligência computacional, os algoritmos genéticos e as redes neurais arti�ciais.
III. Inteligência Arti�cial é um conjunto de métodos e(ou) técnicas que procura desenvolver sistemas dotados de
comportamento semelhante a certos aspectos do comportamento inteligente.
Assinale a alternativa correta.
javascript:alert('C%C3%B3digo da quest%C3%A3o: 4329332.');
javascript:alert('C%C3%B3digo da quest%C3%A3o: 4329332.');
javascript:alert('C%C3%B3digo da quest%C3%A3o: 4332284.');
javascript:alert('C%C3%B3digo da quest%C3%A3o: 4332284.');
javascript:alert('C%C3%B3digo da quest%C3%A3o: 6041497.');
javascript:alert('C%C3%B3digo da quest%C3%A3o: 6041497.');
28/11/2023, 15:33 EPS
https://simulado.estacio.br/alunos/ 2/4
 Apenas as a�rmativas I e II estão corretas.
Todas as a�rmativas estão corretas.
 Apenas as a�rmativas II e III estão corretas.
Todas as a�rmativas estão incorretas.
Apenas as a�rmativas I e III estão corretas.
 4. Ref.: 6041499 Pontos: 1,00  / 1,00
Em relação às aplicações de Inteligência Arti�cial na indústria de entretenimento, julgue as opções.
O setor de entretenimento e o setor de jogos ainda não despertaram para os ganhos no investimento de
aplicações usando Inteligência Arti�cial.
A indústria de entretenimento investe apenas no setor de �lmes de �cção por não existir investimento
su�ciente para expansão em outros setores.
 Na indústria altamente competitiva do entretenimento, empresas como Disney e outros gigantes estão
usando a Inteligência Arti�cial para aprofundar a conexão com os consumidores por meio da personalização,
otimização e experiência aprimorada.
Os consumidores de entretenimento buscam constantemente aplicações com o uso de Inteligência Arti�cial,
mas devido à complexidade do assunto, ainda não temos um número expressivo de aplicativos.
O investimento no setor de entretenimento é um dos mais elevados, com constante atualização de
tecnologia, porém, os consumidores não têm tanto entusiasmo com a tecnologia.
 
7393 - REDES NEURAIS ARTIFICIAIS (RNA)  
 
 5. Ref.: 7805485 Pontos: 0,00  / 1,00
Nessa arquitetura de rede neural arti�cial, apenas os neurônios vencedores são propagados (ativados) no �nal de
cada ciclo, determinados por quão semelhantes são os requisitos de entrada e os neurônios.
Possui realimentação, ou seja, a saída de um neurônio é utilizada como entrada para o próprio neurônio e/ou para
outros neurônios das camadas anteriores.Essa arquitetura é composta de duas camadas, a camada de entrada
também é chamada de ¿fonte¿ e a camada de saída também é chamada de "grau". Qual opção abaixo corresponde,
corretamente, a essa de�nição?
 Backpropagation
 Rede Competitiva
Feed Forward (Redes diretas)
Feed Backward Networks (Redes Recorrentes)
Rede ativa
 6. Ref.: 7805500 Pontos: 0,00  / 1,00
Em uma rede neural arti�cial, esse componente é uma variável incluída na soma da função de ativação, com o
objetivo de aumentar o grau de liberdade desta função, portanto, a capacidade de aproximação da rede. O valor
deste componente é ajustado da mesma forma que os pesos sinápticos e pode ser atualizado e alterado pela rede
neural durante o treinamento, assim como os pesos. As redes neurais arti�ciais, não sabem antecipadamente quais
os valores a escolher para esse componente e permite mover valores em uma direção ou outra. Qual opção abaixo
corresponde, corretamente, a esta de�nição?
Camada oculta (Hidden layer)
 Feed Forward
Camada de saída (Output layer)
javascript:alert('C%C3%B3digo da quest%C3%A3o: 6041499.');
javascript:alert('C%C3%B3digo da quest%C3%A3o: 6041499.');
javascript:alert('C%C3%B3digo da quest%C3%A3o: 7805485.');
javascript:alert('C%C3%B3digo da quest%C3%A3o: 7805485.');
javascript:alert('C%C3%B3digo da quest%C3%A3o: 7805500.');
javascript:alert('C%C3%B3digo da quest%C3%A3o: 7805500.');
28/11/2023, 15:33 EPS
https://simulado.estacio.br/alunos/ 3/4
Backpropagation
 Viés (Bias)
 
7394 - DEEP LEARNING  
 
 7. Ref.: 7803089 Pontos: 1,00  / 1,00
Um CIO de uma grande empresa farmacêutica quer implantar um projeto de deep learning com o objetivo de buscar
insights para o crescimento da empresa no mercado e, portanto, precisa identi�car os pontos positivos (prós) de uma
solução de Deep Learning. Quais são os pontos positivos do Deep Learning?
Alto custo de implementação.
Necessidade de grande quantidade de dados limpos.
Baixo tempo de treinamento das soluções.
 Arquitetura facilmente adaptável a vários domínios de problemas.
Di�culdade na interpretação das informações.
 8. Ref.: 7803045 Pontos: 0,00  / 1,00
Um gerente de projetos está identi�cando os riscos de um projeto de deep learning de sua organização e, portanto,
precisa identi�car os pontos negativos (contras) de uma solução dessas. Quais são os pontos negativos do Deep
Learning?
Desempenho de última geração.
Arquitetura facilmente adaptável a vários domínios de problemas.
Reduz a necessidade de engenharia de recursos.
 Di�culdade na interpretação das informações.
 Baixo custo de implementação.
 
7395 - VISÃO COMPUTACIONAL E RECONHECIMENTO DE IMAGEM  
 
 9. Ref.: 7805305 Pontos: 1,00  / 1,00
A visão computacional apresenta várias aplicações práticas. Selecione a opção correta que justi�que o uso de visão
computacional para detectar a veracidade do logotipo da marca de uma empresa
Usar tecnologias avançadas para se posicionar diante dos competidores do mercado
Valorizar a marca da empresa
Aumentar o engajamento do público-alvo
Reduzir o tempo de investigação do controle de qualidade
 Evitar fraudes
 
7396 - PROCESSAMENTO DE LINGUAGEM NATURAL E RECONHECIMENTO DE VOZ  
 
 10. Ref.: 7806818 Pontos: 0,00  / 1,00
javascript:alert('C%C3%B3digo da quest%C3%A3o: 7803089.');
javascript:alert('C%C3%B3digo da quest%C3%A3o: 7803089.');
javascript:alert('C%C3%B3digo da quest%C3%A3o: 7803045.');
javascript:alert('C%C3%B3digo da quest%C3%A3o: 7803045.');
javascript:alert('C%C3%B3digo da quest%C3%A3o: 7805305.');
javascript:alert('C%C3%B3digo da quest%C3%A3o: 7805305.');
javascript:alert('C%C3%B3digo da quest%C3%A3o: 7806818.');
javascript:alert('C%C3%B3digo da quest%C3%A3o: 7806818.');
28/11/2023, 15:33 EPS
https://simulado.estacio.br/alunos/ 4/4
Ainda que não pareça quando um computador escuta nossa voz por um microfone, ele tambémpode ser capaz de
compreendê-la dado que tenha um componente de ______________ programado nele. Que opção melhor se encaixa na
lacuna?
 Inteligência Arti�cial
 Processamento de Áudio e Voz
Processamento de Sinais
Processamento de Imagem
Processamento da Linguagem Natural