Inteligência Artificial Aplicada Prática 1 3

Prévia do material em texto

Questão 1/10 - Inteligência Artificial Aplicada
“Machine Learning atualmente é considerada como uma subárea da Inteligência Artificial, e nós devemos diferenciá-la dos métodos de 
Inteligência Artificial (IA) que lidam com problemas de busca, agentes inteligentes e resolução de problemas, como por exemplo fazer com 
que o computador consiga definir a melhor jogada em uma partida de xadrez ou encontrar a saída de um labirinto.” (Material impresso da 
Aula 1 – Tema 2).
Sobre ML é correto afirmar:
Nota: 0.0 Você não pontuou essa questão
A 
Uma grande vantagem dos métodos de Machine Learning é que o processo de aprendizagem pode ser
automatizado à medida que novos exemplos são identificados e apresentados ao algoritmo.
B 
Machine Learning pode ser compreendida como um conjunto de técnicas ou métodos que permitem às máquinas
obter a capacidade de raciocínio líquido, utilizando o conhecimento armazenado, permitindo novas conclusões,
durante a comunicação.
C Uma grande vantagem dos métodos de Machine Learning é que o processo de aprendizagem não depende de visão
computacional ligada as estruturas de busca mas sim buscas em sistemas especialistas.
Você assinalou essa alternativa (C)
D Machine Learning não pode ser totalmente compreendida uma vez que técnicas ou métodos que permitem às
máquinas obter a capacidade de raciocínio líquido, ainda não são conhecidas, nem mesmo durante a comunicação.
Questão 2/10 - Inteligência Artificial Aplicada
Após executarmos o processo de treinamento de um modelo de aprendizagem é preciso avaliar o seu desempenho eu um conjunto de 
dados, do qual temos a informação das categorias das instâncias, permitindo avaliar se o modelo necessita de modificações.
Considerando o texto acima e valendo-se do seu conhecimento sobre aprendizagem de máquina, pode-se afirmar que além da 
medida de acurácia, também podem ser utilizadas as medidas de :
Nota: 0.0 Você não pontuou essa questão
A recall e taxa de acertos
B recall e taxa de erros
Você assinalou essa alternativa (B)
C taxa de erros e acertos
D recall e precisão
E taxa de falsos positivos
Questão 3/10 - Inteligência Artificial Aplicada
Conforme Aula 1 Tema 2.1.
Justificativa:
Das opções de resposta apresentadas, apenas recall e precisão se referem à medidas que permitem avaliar a qualidade
preditiva de um modelo.
01/07/2024, 18:33 AVA UNIVIRTUS
https://univirtus.uninter.com/ava/web/#/ava/AvaliacaoUsuarioHistorico/clJWapNjk1fGscKuoGbqew%3D%3D/novo/3/IKqm8K1BG8EeXSlsHkwZkA… 1/5
A figura acima mostra um modelo de árvore de decisão aplicado a um conjunto de dados.
Valendo-se dos seus conhecimentos de aprendizagem de máquina e de modelos de árvores de decisão, podemos afirmar que o 
modelo foi treinado para classificar um total de :
Nota: 10.0
A 4 classes
B 5 classes
C 1 classe
D 3 classes
E 2 classes
Você assinalou essa alternativa (E)
Questão 4/10 - Inteligência Artificial Aplicada
Você necessita executar o treinamento de um modelo de aprendizagem, porém a quantidade de dados disponíveis é muito pequena e não há 
como obter novos dados.
Valendo-se dos seus conhecimento de aprendizagem de máquina, para conseguir executar o treinamento do modelo você deverá:
Nota: 10.0
A utilizar uma estratégia de validação cruzada
Você assinalou essa alternativa (A)
B utilizar os dados na proporção 80-20
C utilizar os dados na proporção 50-50
D treinar e testar com os mesmos dados
E utilizar todos os dados para treino e não testar
Você acertou!
Justificativa:
Analisando visualmente as representações das folhas da árvore de decisão podemos ver que há duas classes distintas:
gosta futebol e não gosta futebol.
Você acertou!
Justificativa:
Quando a quantidade de dados é muito pequena é aconselhável utilizar um processo de validação cruzada, onde se
divide o conjunto de treino em n partes, e n-1 partes são utilizadas para treino e 1 parte é utilizada para testes. Esse
processo deve ser repetido de forma que todas as partes, possam pelo menos uma vez serem utilizadas como teste e o
processo de aprendizagem utilizando as n partes seja cumulativo.
01/07/2024, 18:33 AVA UNIVIRTUS
https://univirtus.uninter.com/ava/web/#/ava/AvaliacaoUsuarioHistorico/clJWapNjk1fGscKuoGbqew%3D%3D/novo/3/IKqm8K1BG8EeXSlsHkwZkA… 2/5
Questão 5/10 - Inteligência Artificial Aplicada
Você foi contratado para o posto de cientista de dados, para compor uma equipe, que atualmente já trabalha com dados, mas não possui 
experiência em aprendizagem de máquina. Um das suas primeiras tarefas designadas, foi a tradução de trechos de códigos em linguagem 
relacionados ao treinamento de modelos de aprendizagem de máquina.
Um dos trechos que a equipe gostaria de decifrar se refere ao seguinte código:
from sklearn.preprocessing import StandardScaler
X = carrega_dataset()
sc = StandardScaler()
sc.fit(X)
De acordo com os seus conhecimentos de aprendizagem de máquina, o código acima executa:
Nota: 0.0 Você não pontuou essa questão
A um processo de treinamento dos dados
Você assinalou essa alternativa (A)
B um processo de predição
C um processo de normalização dos dados
D um processo de expansão dos dados
E não faz nada e pode ser comentado
Questão 6/10 - Inteligência Artificial Aplicada
Já na década de 1950, o cientista Alan Turing, considerado um dos pais da IA, projetou um teste – Teste de Turing – que ainda permanece 
alvo de estudos e investigação nos dias atuais. Conhecer este teste é importante, pois por meio dele podemos ter uma noção mais clara do 
desenvolvimento da área e de subáreas que se estruturam dentro do campo da IA. (Material impresso da Aula 1 – Tema 1).
Quais seriam alguns requisitos e capacidades que a máquina que aprovada por este texte deveria possuir:
Nota: 10.0
A Uma entidade interage com um entrevistador, então será necessário que a entidade se manifeste de maneira
palpável e suas perguntas devem distinguir se estas respostas foram produzidas por um humano que passaria no
teste.
B Um entrevistador interage com uma entidade, um computador. Assim este computador deve possuir visão
tridimensional ajustada para conseguir distinguir se estas respostas foram produzidas por um humano ou por um
computador, o computador passaria no teste.
C Um computador interage com um entrevistador, desta forma, este computador deve ser capaz de processamento e
comunicação em linguagem binária , outra característica importante é capacidade de raciocínio líquido, utilizando o
conhecimento armazenado, permitindo novas conclusões, durante a comunicação.
D Um entrevistador interage com uma máquina, está máquina deve, então, demonstrar
capacidade robótica para manipular objetos físicos e mover-se; mesmo que o entrevistador não a
visualize, visão computacional para perceber objetos é também uma outra característica importante de um
computador que passaria no teste.
Você assinalou essa alternativa (D)
Questão 7/10 - Inteligência Artificial Aplicada
Você foi contratado para o posto de cientista de dados, para compor uma equipe, que atualmente já trabalha com dados, mas não possui 
experiência em aprendizagem de máquina. Um das suas primeiras tarefas designadas foi a explanação de trechos de códigos em linguagem 
relacionados ao treinamento de modelos de aprendizagem de máquina.
Justificativa:
O uso do método fit da classe StandardScaler executa um processo de normalização de dados.
Você acertou!
Conforme Aula 1 Tema 1.1. segundo autores Russel e Norvig (2013), lá referenciados.
01/07/2024, 18:33 AVA UNIVIRTUS
https://univirtus.uninter.com/ava/web/#/ava/AvaliacaoUsuarioHistorico/clJWapNjk1fGscKuoGbqew%3D%3D/novo/3/IKqm8K1BG8EeXSlsHkwZkA… 3/5
Um modelo de árvore de decisão estava apresentando resultados muito ruins, errando grande parte das predições. O modelo foi definido 
usando o seguinte código:
from sklearn import tree
 clf = tree.DecisionTreeClassifier(criterion = "gini",
 splitter = "best", max_depth = 5)
Analisando melhor os nós e folhasgerados no processo, que o modelo não estava realizando divisões suficientes que permitissem separar 
bem as categorias.
Para obter melhores resultados com esse modelo você sugere que a definição dele seja feita da alterando o parâmetro:
Nota: 10.0
A max_depth para 10
Você assinalou essa alternativa (A)
B max_depth para 1
C max_depth para 4
D splitter para maximum
E splitter para None
Questão 8/10 - Inteligência Artificial Aplicada
“Dado categórico é o tipo de dado estatístico que consiste em variáveis categóricas ou em dados que foram convertidos para esse formato, 
por exemplo, como dados agrupados. Mais especificamente, os dados categóricos podem derivar de observações feitas de dados qualitativos 
que são resumidos como contagens ou tabulações cruzadas, ou de observações de dados quantitativos agrupados em determinados 
intervalos.”
Disponível em <https://pt.wikipedia.org/>.
Como um profissional da área de ciência de dados você sabe que variáveis categóricas podem receber valores de 1 até o limite dos 
possíveis valores, ainda que a descrição ou valor real do campo seja diferente do número que a representa. Assim, podemos 
considerar como um exemplo de variável categórica :
Nota: 10.0
A o preço de um produto
B o tipo sanguíneo de uma pessoa
Você assinalou essa alternativa (B)
C a idade de uma pessoa
D o nome de uma pessoa
E o peso de uma pessoa
Questão 9/10 - Inteligência Artificial Aplicada
“Criada nos anos 1960, a tecnologia que usa computadores e algoritmos para reconhecer rostos humanos ganhou escala há pelo menos uma 
década, muito graças ao avanço das redes sociais e da internet. Com milhares de pessoas disponibilizando voluntariamente suas fotos na 
Você acertou!
Justificativa:
Para obter um número maior de divisões da árvore de decisões deve-se aumentar a sua profundidade através do
parâmetro max_depth.
Você acertou!
Justificativa:
O tipo sanguíneo de uma pessoa pode assumir valores limitados, divididos em 8 tipos diferentes (A+,A-,B+,B-,AB+, AB-,
O+, O-) se consideramos o fator Rh.
O preço de um produto é um valor contínuo.
A idade e o peso de uma pessoa é apesar de assumir valores limitados, não pode ser considerado como categórico.
Assim como nome também não pode.
01/07/2024, 18:33 AVA UNIVIRTUS
https://univirtus.uninter.com/ava/web/#/ava/AvaliacaoUsuarioHistorico/clJWapNjk1fGscKuoGbqew%3D%3D/novo/3/IKqm8K1BG8EeXSlsHkwZkA… 4/5
internet, existe hoje um banco de dados com bilhões de imagens que servem para treinar redes de inteligência artificial a detectar e 
reconhecer rostos.”
Disponível em <https://revistagalileu.globo.com/>. Acesso em 19/04/2021
Apesar de ter sido criada na década de 60, a tecnologia de reconhecimento facial somente veio ser aplicada de fato e em larga 
escala nos tempos atuais. Dentre os motivos para que essa tecnologia não tenha sido melhor explorada na décadas passadas, 
podemos destacar como um fator de grande peso:
Nota: 0.0 Você não pontuou essa questão
A a ausência de interesse em pesquisas
Você assinalou essa alternativa (A)
B os erros contidos nos métodos de reconhecimento
C não existir fotografia digital na época
D a baixa capacidade de armazenamento e processamento
E nenhuma das anteriores
Questão 10/10 - Inteligência Artificial Aplicada
Você foi contratado para o posto de cientista de dados, para compor uma equipe, que atualmente já trabalha com dados, mas não possui 
experiência em aprendizagem de máquina. Um das suas primeiras tarefas designadas, foi planejar um modelo de aprendizagem de máquina 
para trabalhar com textos, que serão fornecidos de forma sequencial ao modelo.
Utilizando os seus conhecimentos de aprendizagem de máquina e sabendo que a sua equipe dispõe de capacidade de 
processamento e dados em abundância, você recomendaria a utilização de:
Nota: 10.0
A um classificador bayesiano
B um classificador do tipo k-Means
C uma classificador do tipo k-NN
D uma rede neural do tipo LSTM
Você assinalou essa alternativa (D)
E uma rede neura do tipo CNN
Justificativa:
O processo de treinamento das redes neurais exige uma grande capacidade de processamento computacional por conta
da quantidade de cálculos que devem ser executados para o correto ajuste dos pesos. Além disso, o processo de
aprendizagem a partir dos dados necessita de um grande volume de dados, o que até algumas décadas atrás não era
possível.
Você acertou!
Justificativa:
As redes meurais do tipo LSTM são recomendadas para trabalhar com dados fornecidos sequencialmente e que
apresentem dependência dos elementos fornecidos anteriormente, como no caso de dados de texto.
01/07/2024, 18:33 AVA UNIVIRTUS
https://univirtus.uninter.com/ava/web/#/ava/AvaliacaoUsuarioHistorico/clJWapNjk1fGscKuoGbqew%3D%3D/novo/3/IKqm8K1BG8EeXSlsHkwZkA… 5/5