Baixe o app para aproveitar ainda mais
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.
Compartilhar