Prova de Conhecimentos em Inteligência Artificial e Machine Learning

Prévia do material em texto

Prova de Conhecimentos em Inteligência Artificial e Machine Learning
Introdução
Bem-vindo(a) à prova de conhecimentos sobre Inteligência Artificial (IA) e Machine Learning
(ML)! Este teste foi elaborado para avaliar sua compreensão sobre os conceitos 
fundamentais, aplicações e tendências dessas tecnologias transformadoras. Responda às 
perguntas com atenção, e ao final, confira as respostas corretas com as justificativas para 
reforçar seu aprendizado. Boa sorte!
Questões
1. O que é Inteligência Artificial?
A) Um tipo de máquina que pensa sozinha.
B) Um conjunto de tecnologias que simulam a inteligência humana.
C) Um sistema que não precisa de dados para funcionar.
D) Um método exclusivo para jogos de computador.
E) Uma tecnologia usada apenas em robôs.
2. Qual das opções abaixo é um exemplo de Machine Learning?
A) Um aplicativo de mensagens instantâneas.
B) Um carro autônomo que aprende a evitar obstáculos.
C) Um telefone que armazena contatos.
D) Uma calculadora que resolve equações matemáticas.
E) Um relógio digital.
3. O que significa "supervised learning" em Machine Learning?
A) Aprendizado baseado em feedback humano direto em tempo real.
B) Um método que não utiliza dados rotulados.
C) Um tipo de aprendizado onde o modelo aprende com dados rotulados.
D) Uma forma de aprendizado usada apenas para classificação de imagens.
E) Um modelo que aprende sem supervisão humana.
4. Qual é a principal função de uma rede neural artificial?
A) Resolver problemas matemáticos básicos.
B) Simular o funcionamento do cérebro humano.
C) Controlar hardware de computadores.
D) Criar novos sistemas operacionais.
E) Proteger sistemas contra vírus.
5. Qual é a linguagem de programação mais comumente usada para IA e ML?
A) HTML
B) C++
C) Python
D) Ruby
E) PHP
6. O que é overfitting em Machine Learning?
A) Quando um modelo generaliza bem para novos dados.
B) Quando o modelo não consegue se ajustar aos dados de treino.
C) Quando um modelo é excessivamente ajustado aos dados de treino e tem baixo 
desempenho em dados novos.
D) Um método de ajustar hiperparâmetros.
E) Um erro causado por falta de dados.
7. Qual das opções abaixo é um exemplo de aprendizado não supervisionado?
A) Um modelo que agrupa clientes por comportamento de compra.
B) Um sistema que detecta fraudes bancárias.
C) Um chatbot que responde perguntas frequentes.
D) Um modelo de previsão de preços de imóveis.
E) Um programa que traduz idiomas automaticamente.
8. O que são dados rotulados em Machine Learning?
A) Dados que são armazenados em bancos de dados.
B) Dados categorizados e marcados com informações específicas.
C) Dados que nunca foram processados.
D) Dados que são gerados automaticamente.
E) Dados que não possuem nenhuma classificação.
9. Qual tecnologia está por trás do ChatGPT?
A) Redes Neurais Convolucionais.
B) Algoritmos de Regressão.
C) Transformers.
D) Aprendizado por Reforço.
E) Redes Bayesianas.
10. O que significa "Big Data" no contexto da IA?
A) Dados de grande volume, variedade e velocidade que exigem tecnologias avançadas 
para análise.
B) Apenas dados armazenados em servidores de grande porte.
C) Dados que contêm apenas informações textuais.
D) Um sistema que lida exclusivamente com imagens de alta resolução.
E) Um conjunto de pequenos bancos de dados integrados.
Gabarito e Justificativas
1. B - IA é um conjunto de tecnologias que simulam a inteligência humana, como 
raciocínio, aprendizado e tomada de decisão.
2. B - Um carro autônomo utiliza algoritmos de ML para aprender e se adaptar a 
situações.
3. C - "Supervised learning" usa dados rotulados para treinar modelos e melhorar a 
precisão.
4. B - Redes neurais artificiais simulam o funcionamento de conexões do cérebro 
humano para resolver problemas complexos.
5. C - Python é amplamente utilizado por sua simplicidade e inúmeras bibliotecas 
dedicadas a IA e ML.
6. C - Overfitting ocorre quando o modelo se ajusta excessivamente aos dados de 
treino, prejudicando a generalização.
7. A - O agrupamento de clientes por comportamento é um exemplo clássico de 
aprendizado não supervisionado (clustering).
8. B - Dados rotulados possuem categorias ou classificações que ajudam o modelo a 
aprender.
9. C - Transformers, como o GPT, são usados para processar e gerar texto com base 
em aprendizado profundo.
10. A - Big Data refere-se ao enorme volume de dados que precisa de IA e outras 
tecnologias para processamento e análise.
Esperamos que esta prova tenha ajudado você a testar e ampliar seus conhecimentos
sobre IA e ML!