Aplicações e Tendências em Inteligência Artificial

Prévia do material em texto

Prova- 75: Aplicações e Tendências em Inteligência Artificial
Questões
1. Qual é a principal aplicação do Machine Learning em veículos autônomos?
A) Aumentar a velocidade de processamento dos dados.
B) Controlar o sistema de entretenimento do veículo.
C) Analisar dados do ambiente para tomar decisões de direção em tempo real.
D) Monitorar o consumo de combustível do carro.
E) Substituir totalmente a interação humana durante a condução.
2. Em IA, o que é uma "rede neural recorrente" (RNN)?
A) Uma rede neural usada para análise de dados numéricos.
B) Uma rede neural que lida com dados temporais ou sequenciais, como texto ou 
fala.
C) Uma rede usada apenas para análise de imagens.
D) Uma rede que utiliza dados estruturados para fazer previsões.
E) Uma rede que processa dados de uma única vez, sem considerar sequências.
3. Qual é a principal característica do aprendizado por reforço?
A) O modelo aprende a partir de dados rotulados.
B) O modelo realiza tarefas repetitivas sem interação com o ambiente.
C) O modelo aprende por tentativa e erro, recebendo recompensas ou punições.
D) O modelo faz previsões com base em dados históricos.
E) O modelo analisa apenas dados estáticos.
4. O que caracteriza o processo de "feature engineering" em IA?
A) A construção de redes neurais profundas para resolver problemas simples.
B) A extração, transformação e seleção de características importantes dos dados 
para melhorar o modelo.
C) A escolha de algoritmos mais rápidos para análise de dados.
D) A análise de grandes volumes de dados em tempo real.
E) O uso de IA para geração de novos dados.
5. O que é um "algoritmo de clustering"?
A) Um algoritmo utilizado para prever valores contínuos.
B) Um algoritmo que agrupa dados similares para descobrir padrões ou segmentos.
C) Um algoritmo que se aplica a dados temporais.
D) Um algoritmo usado para redução de dados.
E) Um algoritmo que realiza tarefas de aprendizado supervisionado.
6. Como o aprendizado supervisionado pode ser usado para detectar fraudes?
A) Identificando padrões incomuns em dados históricos e prevendo transações 
fraudulentas.
B) Monitorando dados em tempo real sem identificar padrões.
C) Somente alertando os usuários sobre fraudes com base em dados não rotulados.
D) Apenas processando grandes volumes de dados financeiros sem fazer previsões.
E) Usando dados históricos para treinar o modelo, sem identificar padrões.
7. Qual é a diferença principal entre IA e Machine Learning?
A) IA é mais eficaz em tarefas simples, enquanto o Machine Learning resolve 
problemas complexos.
B) IA se refere a sistemas que imitam a inteligência humana, enquanto o Machine 
Learning é um subcampo de IA focado no aprendizado a partir de dados.
C) Machine Learning se concentra na inteligência emocional, enquanto a IA lida 
apenas com dados quantitativos.
D) Machine Learning não usa algoritmos, enquanto IA usa.
E) IA é uma tecnologia antiga, enquanto Machine Learning é uma inovação recente.
8. Como a IA pode ser usada no marketing digital?
A) Processando dados financeiros e criando previsões de mercado.
B) Criando anúncios sem dados de comportamento do usuário.
C) Analisando o comportamento do consumidor para personalizar ofertas e 
campanhas publicitárias.
D) Gerenciando o envio de e-mails sem analisar os dados do usuário.
E) Gerando relatórios de vendas sem usar aprendizado de máquina.
9. O que caracteriza um modelo de aprendizado supervisionado em relação ao 
aprendizado não supervisionado?
A) No aprendizado supervisionado, o modelo não precisa de dados rotulados.
B) O aprendizado supervisionado utiliza dados rotulados para treinar o modelo e 
fazer previsões.
C) O aprendizado supervisionado não faz previsões.
D) O aprendizado supervisionado é usado apenas para análise de imagens.
E) O aprendizado supervisionado não pode ser aplicado em aprendizado profundo.
10. Qual é o papel da IA na personalização da experiência de compras online?
A) Automatizar as transações financeiras sem personalizar a experiência do usuário.
B) Personalizar recomendações de produtos com base no histórico de navegação e 
compras do cliente.
C) Substituir as interações humanas com os clientes durante todo o processo de 
compra.
D) Reduzir a quantidade de produtos oferecidos aos clientes.
E) Oferecer produtos sem considerar o comportamento do usuário.
Gabarito e Justificativas
1. C - A IA em veículos autônomos utiliza aprendizado de máquina para analisar dados
do ambiente e tomar decisões de direção em tempo real.
2. B - Redes neurais recorrentes são utilizadas principalmente para analisar dados 
sequenciais, como texto e fala.
3. C - O aprendizado por reforço é caracterizado por aprender por tentativa e erro, 
recebendo recompensas ou punições com base nas ações tomadas.
4. B - "Feature engineering" envolve a extração e transformação de características dos 
dados para melhorar o desempenho do modelo.
5. B - Algoritmos de clustering agrupam dados semelhantes para descobrir padrões ou 
segmentos.
6. A - No aprendizado supervisionado, o modelo aprende a identificar padrões em 
dados históricos, ajudando a detectar fraudes.
7. B - A IA imita a inteligência humana, enquanto o Machine Learning é um subcampo 
de IA que foca no aprendizado a partir de dados.
8. C - A IA no marketing digital analisa dados do comportamento do consumidor para 
personalizar campanhas e ofertas publicitárias.
9. B - No aprendizado supervisionado, o modelo utiliza dados rotulados para aprender 
e fazer previsões.
10. B - A IA personaliza a experiência de compras online com base no comportamento 
de navegação e compras anteriores do usuário.