MAPA INTELIGÊNCIA ARTIFICIAL PARA AUTOMAÇÃO - 53_2024

Prévia do material em texto

<p>Olá, aluno(a)! Está com dificuldade ou sem tempo para elaborar</p><p>esse MAPA? Iremos te ajudar!</p><p>Entre em contato</p><p>(63) 99129-5554</p><p>MAPA – INTELIGÊNCIA ARTIFICIAL PARA AUTOMAÇÃO -</p><p>53_2024</p><p>MAPA – INTELIGÊNCIA ARTIFICIAL – 53_24</p><p>A evolução tecnológica tem impulsionado o desenvolvimento e a aplicação de Inteligência</p><p>Artificial (IA) em diversas áreas, desde a análise de dados até a automação de processos</p><p>industriais. A IA depende de algoritmos complexos, redes neurais e grandes volumes de</p><p>dados para treinar modelos que podem realizar tarefas que tradicionalmente requerem</p><p>intervenção humana, como reconhecimento de padrões, tomada de decisões e predição de</p><p>eventos</p><p>A operação dos algoritmos de IA em diversos cenários possibilita a elaboração de soluções</p><p>capazes de processar e interpretar grandes quantidades de dados, adaptando-se às</p><p>mudanças e aprendendo continuamente. Isso é essencial para áreas como saúde, finanças,</p><p>marketing e automação industrial, em que a precisão e a eficiência são cruciais. Portanto, a</p><p>importância dos sistemas de IA, também conhecidos como sistemas inteligentes, não pode</p><p>ser subestimada.</p><p>Atividade MAPA:</p><p>Para esta atividade MAPA, o estudante executará um script e identificará os componentes</p><p>principais de um modelo de IA, além de compreender as informações contidas nos dados</p><p>de treino e teste.</p><p>Link do colab:</p><p>https://colab.research.google.com/drive/1fZYudjsbT1MSmVmLuNmnniWf1gbYaXsb?usp=sh</p><p>aring</p><p>O que deve ser feito:</p><p>Para essa atividade MAPA, será necessário realizar três etapas importantes:</p><p>1ª etapa:</p><p>Analisar o script fornecido, considerando que o dataset contém imagens de peças com e</p><p>sem defeito:</p><p>a) Qual a importância de balancear o dataset antes de treinar o modelo? Por quê?</p><p>b) Qual a métrica de avaliação apropriada para o modelo preditivo? Justifique.</p><p>c) Quais técnicas de pré-processamento de dados são recomendadas para este dataset?</p><p>d) Qual o valor esperado de acurácia após o treinamento do modelo?</p><p>2ª etapa:</p><p>Explique a estrutura do modelo CNN utilizado no script do Colab, abordando os seguintes</p><p>pontos:</p><p>a) Descreva as diferentes camadas da CNN, suas funções e parâmetros principais.</p><p>b) Explique o propósito das funções de ativação utilizadas.</p><p>c) Justifique a escolha do otimizador e da função de perda.</p><p>d) Comente sobre os resultados obtidos e como poderiam ser melhorados.</p><p>3ª etapa:</p><p>Explique a matriz de confusão e calcule as métricas de avaliação do modelo, incluindo</p><p>acurácia, precisão, recall e F1-score. Complementar o script para incluir esses cálculos.</p>