AP Sem1 Atv10

Prévia do material em texto

Fazer teste: Semana 1- Atividade Avaliativa 
 
P ERGUNTA 1 
Redes neurais são modelos computacionais inspirados na estrutura e no funcionamento do 
sistema nervoso. Quais são os componentes básicos de uma rede neural artificial? 
 
 
Uma rede neural é caracterizada por dois componentes principais: os neurônios e a forma de 
conexão entre eles. 
 
 
Uma rede neural é caracterizada por dois componentes principais: os neurônios e as camadas. 
 
 
Uma rede neural é caracterizada por três componentes principais: a arquitetura, os dados e o 
fluxo de informação na rede. 
 
 
Uma rede neural é caracterizada por dois componentes principais: a arquitetura e o aprendizado. 
 
 
Uma rede neural é caracterizada por três componentes principais: o algoritmo de aprendizagem, 
a quantidade de camadas e a função de ativação. 
2,5 pontos 
P ERGUNTA 2 
O desenvolvimento de modelos de redes neurais, em particular modelos profundos, pode se 
tornar bastante complexo. Uma das maneiras de facilitar esse processo é utilizando 
frameworks desenvolvidos para esse propósito, como o TensorFlow e o Pytorch. Quais das 
afirmações abaixo estão corretas sobre o uso de frameworks para construção de modelos de 
redes neurais profundas? 
 
I. Permitem a padronização e facilitam o reúso de código. 
II. Ocultam detalhes de baixo nível, como as rotinas de acesso às GPUs. 
III. Aceleram o desenvolvimento dos modelos. 
 
 
Todas as afirmações estão corretas. 
 
 
Apenas as afirmações II e III estão corretas. 
 
 
Apenas as afirmações I e III estão corretas. 
 
 
Apenas as afirmações I e II estão corretas. 
 
 
Apenas a firmação II está correta. 
2,5 pontos 
P ERGUNTA 3 
O desenvolvimento de modelos de aprendizado de máquina teve seu início na década de 
1940, com o desenvolvimento do primeiro neurônio artificial, denominado Neurônio MCP. 
Desde então, diversas técnicas, como as redes neurais, foram desenvolvidas. Entretanto, no 
início do século XXI houve uma mudança de paradigma, e modelos profundos passaram a ser 
amplamente utilizados. O que desencadeou o desenvolvimento dos modelos profundos? 
 
 
O aumento exponencial dos dados gerados nas últimas décadas. 
 
 
O advento de novos algoritmos de treinamento, permitindo que redes com diversas camadas 
fossem treinadas. 
 
 
O desenvolvimento de novos neurônios capazes de eliminar o problema do desaparecimento do 
gradiente. 
 
 
O advento das Unidades de Processamento Gráfico (GPUs) e o grande volume de dados gerado 
nos últimos anos. 
 
 
O desenvolvimento das redes convolucionais, reduzindo os parâmetros livres dos modelos com 
diversas camadas. 
2,5 pontos 
P ERGUNTA 4 
Modelos de aprendizado profundo representam o estado da arte nas mais diversas tarefas 
solucionadas por aprendizado de máquina. Em especial, os modelos profundos são capazes 
de superar, com grande margem, a acurácia obtida pelos modelos rasos. O que diferencia o 
aprendizado raso do aprendizado profundo? 
 
 
O volume de dados utilizado no treinamento do modelo. 
 
 
A quantidade de neurônios do modelo. 
 
 
A quantidade de camadas ocultas do modelo. 
 
 
O algoritmo de aprendizagem utilizado no treinamento do modelo. 
 
 
O tipo de neurônio utilizado na composição da rede.