Prova_ Fundamentos de IA e Suas Ferramentas

Prévia do material em texto

Prova: Fundamentos de IA e Suas Ferramentas
Introdução
A Inteligência Artificial é uma área interdisciplinar que envolve aprendizado de máquina, 
redes neurais, processamento de linguagem natural e muito mais. Suas ferramentas e 
conceitos estão sendo aplicados em diversos campos para melhorar a tomada de decisões 
e automatizar tarefas. Esta prova explora os conceitos fundamentais de IA e suas 
ferramentas, abordando suas aplicações e desafios.
Questão 1
O que significa "aprendizado supervisionado"?
a) Um tipo de aprendizado que usa dados sem rótulos para gerar resultados.
b) Um tipo de aprendizado em que o modelo é treinado com dados rotulados, para prever 
ou classificar novas entradas.
c) Um tipo de aprendizado que não exige dados, apenas decisões humanas.
d) Um tipo de aprendizado que usa feedback de erro para melhorar os resultados.
e) Um tipo de aprendizado que utiliza exclusivamente aprendizado por reforço.
Questão 2
Qual técnica de IA é comumente utilizada para melhorar a análise de grandes volumes de 
dados?
a) Algoritmos de otimização.
b) Redes neurais convolucionais (CNNs).
c) Processamento de linguagem natural (PLN).
d) Algoritmos genéticos.
e) Aprendizado de máquina supervisionado.
Questão 3
O que é "deep learning" (aprendizado profundo)?
a) Uma abordagem de aprendizado de máquina com camadas mais profundas de redes 
neurais, usada para tarefas como reconhecimento de imagem e tradução de linguagem.
b) Um algoritmo que simula decisões humanas baseadas em lógica.
c) O processo de análise de dados não estruturados.
d) Um modelo de previsão linear simples.
e) O aprendizado de dados a partir de históricos de comportamento.
Questão 4
O que caracteriza o "algoritmo de K-vizinhos mais próximos" (KNN)?
a) Ele usa dados não rotulados para prever resultados com base nos vizinhos mais 
próximos de uma entrada.
b) Ele organiza dados em grupos, sem a necessidade de rótulos.
c) Ele usa aprendizado supervisionado para prever categorias com base na distância entre 
os pontos de dados.
d) Ele é eficaz apenas em dados temporais.
e) Ele usa feedback de erro para ajustar os resultados.
Questão 5
Como as redes neurais convolucionais (CNNs) são usadas?
a) Para detectar padrões em grandes volumes de texto.
b) Para processar dados sequenciais em problemas de previsão.
c) Para realizar tarefas de processamento de imagem, como reconhecimento de objetos e 
classificação de imagens.
d) Para simular comportamentos de agentes em ambientes controlados.
e) Para prever séries temporais em finanças.
Questão 6
Qual é o papel dos "dados rotulados" no aprendizado supervisionado?
a) Eles são usados para treinar um modelo para prever ou classificar novos dados.
b) Eles são irrelevantes, pois o modelo aprende sem rótulos.
c) Eles ajudam a otimizar as redes neurais convolucionais.
d) Eles são usados para testar os resultados do modelo.
e) Eles servem para melhorar a acurácia das previsões não supervisionadas.
Questão 7
O que é uma "máquina de vetores de suporte" (SVM)?
a) Um algoritmo de aprendizado de máquina usado para classificação e regressão, com 
base na maximização da margem entre as classes.
b) Um algoritmo utilizado exclusivamente para aprendizado não supervisionado.
c) Uma técnica que cria redes neurais profundas para classificação de dados.
d) Um tipo de algoritmo para prever séries temporais.
e) Uma ferramenta para otimizar algoritmos genéticos.
Questão 8
O que significa "análise de sentimentos" em IA?
a) A previsão do comportamento futuro de usuários com base em suas interações 
passadas.
b) A técnica de identificar e extrair opiniões e sentimentos de textos, como em análises de 
redes sociais.
c) A criação de novos textos automaticamente com base em um banco de dados.
d) A análise do valor financeiro de um determinado produto ou serviço.
e) A utilização de algoritmos para prever a popularidade de um post.
Questão 9
Qual a vantagem do "aprendizado não supervisionado"?
a) Ele é mais simples e rápido do que o aprendizado supervisionado.
b) Ele pode trabalhar com dados não rotulados e encontrar padrões ou agrupamentos sem 
supervisão humana.
c) Ele exige que todos os dados sejam rotulados.
d) Ele é usado apenas para tarefas de previsão.
e) Ele é mais eficiente em tarefas de regressão.
Questão 10
O que é um "perceptron"?
a) Um algoritmo usado para identificar padrões em dados numéricos.
b) Um tipo de rede neural simples, com uma camada de neurônios, usada em problemas de
classificação binária.
c) Uma ferramenta para simular interações de agentes em jogos.
d) Uma técnica de aprendizado não supervisionado.
e) Uma rede neural complexa com várias camadas profundas.
Respostas e Justificativas
1. b) Um tipo de aprendizado em que o modelo é treinado com dados rotulados, para 
prever ou classificar novas entradas.
Justificativa: No aprendizado supervisionado, o modelo usa dados rotulados para 
aprender e fazer previsões.
2. e) Aprendizado de máquina supervisionado.
Justificativa: O aprendizado supervisionado é amplamente utilizado para analisar 
grandes volumes de dados e fazer previsões com base em dados rotulados.
3. a) Uma abordagem de aprendizado de máquina com camadas mais profundas de 
redes neurais, usada para tarefas como reconhecimento de imagem e tradução de 
linguagem.
Justificativa: Deep learning envolve redes neurais profundas que são eficazes em 
tarefas complexas como reconhecimento de imagens.
4. c) Ele usa aprendizado supervisionado para prever categorias com base na 
distância entre os pontos de dados.
Justificativa: O KNN é um algoritmo supervisionado usado para classificar dados 
com base na proximidade dos dados de treinamento.
5. c) Para realizar tarefas de processamento de imagem, como reconhecimento de 
objetos e classificação de imagens.
Justificativa: Redes neurais convolucionais são projetadas para trabalhar com dados
visuais, como imagens, para realizar tarefas de reconhecimento.
6. a) Eles são usados para treinar um modelo para prever ou classificar novos dados.
Justificativa: Os dados rotulados fornecem as respostas durante o treinamento, 
permitindo que o modelo aprenda a fazer previsões precisas.
7. a) Um algoritmo de aprendizado de máquina usado para classificação e regressão, 
com base na maximização da margem entre as classes.
Justificativa: A SVM busca a melhor margem entre as classes para garantir a maior 
precisão nas previsões.
8. b) A técnica de identificar e extrair opiniões e sentimentos de textos, como em 
análises de redes sociais.
Justificativa: A análise de sentimentos utiliza técnicas de IA para identificar emoções 
e opiniões em textos, especialmente em redes sociais.
9. b) Ele pode trabalhar com dados não rotulados e encontrar padrões ou 
agrupamentos sem supervisão humana.
Justificativa: O aprendizado não supervisionado é eficaz em explorar dados não 
rotulados, identificando padrões e agrupamentos.
10. b) Um tipo de rede neural simples, com uma camada de neurônios, usada em 
problemas de classificação binária.
Justificativa: O perceptron é uma rede neural simples usada principalmente para 
problemas de classificação binária.