Prévia do material em texto

A
B
C
1 Marcar para revisão
Uma preocupação de desenvolvimento de um projeto de redes de
convolução é o tratamento dos dados. Nesse sentido, selecione a opção
correta sobre o tratamento dos dados
Sempre que a rede de convolução receber dados, é necessário
dividi-los por 255
As redes de convolução exploram características dos dados de
treinamento, portanto se houver tratamento dos dados o modelo
será prejudicado
A normalização dos dados deve ser feita antes do treinamento do
modelo
09/05/2025, 12:38 estacio.saladeavaliacoes.com.br/prova/681e20aaf720492e223d2a79/
https://estacio.saladeavaliacoes.com.br/prova/681e20aaf720492e223d2a79/ 1/12
D
E
A
B
C
As redes de convolução são insensíveis ao tratamento dos dados
de entrada
A normalização dos dados deve ser feita como entrada da
camada completamente conectada da rede de convolução
2 Marcar para revisão
Depois de treinar uma rede de convolução e aplicá-la para fazer a predição
de uma imagem de entrada, o programador imprimiu a seguinte linha de
comando:
Predição: [ 2.950e-03,  2.250e-01,  7.580e-01, 1.530e-02]
Em relação à variável de saída que o programador imprimiu, selecione a
opção correta.
O modelo decidiu que a melhor classe para a imagem é a quarta
O resultado da predição corresponde à posição com menor erro
O modelo escolhe aleatoriamente entre os valores da variável de
predição
09/05/2025, 12:38 estacio.saladeavaliacoes.com.br/prova/681e20aaf720492e223d2a79/
https://estacio.saladeavaliacoes.com.br/prova/681e20aaf720492e223d2a79/ 2/12
D
E
A
B
C
O modelo escolheu a terceira classe como resposta
O modelo considera o menor valor entre os dois primeiros
elementos da variável de predição
3 Marcar para revisão
As redes neurais convolucionais precisam ser treinadas para extrair
características dos dados de treinamento e generalizar seus resultados. A
respeito do treinamento das redes convolucionais, selecione a opção
correta.
A taxa de aprendizado pode ser alterada durante o processo de
treinamento
O hiperparâmetro momentum acelera a convergência do
algoritmo de aprendizado
Os algoritmos de treinamento das redes convolucionais evitam o
overfitting.
09/05/2025, 12:38 estacio.saladeavaliacoes.com.br/prova/681e20aaf720492e223d2a79/
https://estacio.saladeavaliacoes.com.br/prova/681e20aaf720492e223d2a79/ 3/12
D
E
A
B
C
Ao final da execução do algoritmo de treinamento de uma rede
convolucional, ela já pode ser utilizada.
Os pesos sinápticos são atualizados durante o treinamento
4 Marcar para revisão
A função de erro de uma rede de convolução é minimizada ao longo das
iterações do algoritmo de treinamento. Nesse sentido, selecione a opção
correta a respeito da função de erro.
A função ReLU é um exemplo de função de erro
As funções de erro são funções lambdas
É uma forma de normalizar os dados
09/05/2025, 12:38 estacio.saladeavaliacoes.com.br/prova/681e20aaf720492e223d2a79/
https://estacio.saladeavaliacoes.com.br/prova/681e20aaf720492e223d2a79/ 4/12
D
E
A
B
C
As funções de erro devem ser aplicadas na fase de testes que é
quando os modelos são validados
As funções de erro são aplicadas aos dados de treinamento e de
validação
5 Marcar para revisão
A respeito das redes convolucionais, selecione a opção correta:
São treinadas através de métodos de aprendizado supervisionado
São aplicadas para problemas gerais
Diferenciam-se das redes neurais artificiais devido à quantidade
de camadas ocultas
09/05/2025, 12:38 estacio.saladeavaliacoes.com.br/prova/681e20aaf720492e223d2a79/
https://estacio.saladeavaliacoes.com.br/prova/681e20aaf720492e223d2a79/ 5/12
D
E
A
B
São modelos computacionais que possuem uma quantidade
exata de camadas para extração de características
Utilizam a quantidade de iterações como critério de aprendizado
6 Marcar para revisão
A inteligência artificial (IA) para tomada de decisões baseada em visão é
uma área emergente que combina técnicas de Visão Computacional com
algoritmos de aprendizado de máquina para tomar decisões autônomas
com base nas informações visuais capturadas.
 
Considerando o texto, analise as alternativas e assinale a opção correta:
A inteligência artificial para tomada de decisões baseada em
visão não é uma área emergente.
A inteligência artificial para tomada de decisões baseada em
visão não utiliza técnicas de Visão Computacional.
09/05/2025, 12:38 estacio.saladeavaliacoes.com.br/prova/681e20aaf720492e223d2a79/
https://estacio.saladeavaliacoes.com.br/prova/681e20aaf720492e223d2a79/ 6/12
C
D
E
Em veículos autônomos, as CNNs não são usadas para identificar
sinais de trânsito.
A inteligência artificial para tomada de decisões baseada em
visão tem potencial apenas na indústria de transporte.
A inteligência artificial para tomada de decisões baseada em
visão computacional utiliza de históricos de dados que funcionam
como base de aprendizado e permitem, assim, fazer
generalizações úteis.
7 Marcar para revisão
A segmentação de imagens tem uma ampla gama de aplicações
empresariais em diversos setores. No varejo, por exemplo, a segmentação
de instâncias pode ser usada para identificar e contar produtos nas
prateleiras, monitorar o estoque e otimizar o layout da loja. Na indústria
automotiva, pode ser aplicada em sistemas de assistência ao motorista
para identificar e rastrear pedestres, veículos e obstáculos na estrada.
 
Considerando o texto, analise as alternativas e assinale a opção correta:
09/05/2025, 12:38 estacio.saladeavaliacoes.com.br/prova/681e20aaf720492e223d2a79/
https://estacio.saladeavaliacoes.com.br/prova/681e20aaf720492e223d2a79/ 7/12
A
B
C
D
E
A segmentação de imagens não possui aplicações empresariais
em diferentes setores.
A segmentação de instâncias no varejo não pode ser usada para
identificar e contar produtos nas prateleiras.
A segmentação de imagens não é aplicada na indústria
automotiva para sistemas de assistência ao motorista.
A segmentação de imagens é utilizada apenas para otimizar o
layout da loja no setor varejista.
A segmentação de imagens é aplicada em diferentes setores
empresariais para diversas finalidades.
8 Marcar para revisão
A análise de imagens médicas é uma área onde as CNNs têm um papel
significativo. Essas redes são treinadas para interpretar imagens de
exames médicos, como radiografias, ressonâncias magnéticas e
tomografias computadorizadas, para auxiliar no diagnóstico de doenças e
lesões. Por exemplo, em imagens de mamografias, as CNNs podem
identificar padrões suspeitos que indicam a presença de câncer de mama.
09/05/2025, 12:38 estacio.saladeavaliacoes.com.br/prova/681e20aaf720492e223d2a79/
https://estacio.saladeavaliacoes.com.br/prova/681e20aaf720492e223d2a79/ 8/12
A
B
C
D
E
Além disso, as CNNs também são usadas para segmentar e analisar
imagens de órgãos internos, auxiliando os médicos no planejamento de
cirurgias e tratamentos.
 
Considerando o texto, analise as alternativas e assinale a opção correta:
As CNNs são aplicadas apenas na análise de imagens de
paisagens.
As CNNs são aplicadas apenas na análise de imagens de
alimentos.
As CNNs são aplicadas na análise de imagens médicas para
suporte a profissionais de saúde no diagnóstico mais preciso.
As CNNs são aplicadas apenas na análise de músicas.
As CNNs são aplicadas apenas na análise de documentos
escritos.
9 Marcar para revisão
00
hora
: 45
min
: 20
seg
Ocultar
Questão 10 de 10
Em branco (10)
Finalizar prova
1 2 3 4 5
6 7 8 9 10
SM1 Ciencia De Dados Em Python
09/05/2025, 12:38 estacio.saladeavaliacoes.com.br/prova/681e20aaf720492e223d2a79/
https://estacio.saladeavaliacoes.com.br/prova/681e20aaf720492e223d2a79/ 9/12
A
B
C
Com as habilidades básicas de Python e manipulação de imagens, é
possível criar projetos simples, como detecção de objetos em uma
imagem, reconhecimento de padrões ou até mesmo sistemas de vigilância
simples. A biblioteca OpenCV é uma ferramenta poderosa para esses
projetos, oferecendo uma ampla gama de algoritmos e funções pré-
implementadas para facilitar o desenvolvimentode aplicações de Visão
Computacional. Certamente, esse é um fator muito incentivador para quem
está iniciando nessa área.
 
Considerando o texto, analise as alternativas e assinale a opção correta:
Desenvolver aplicações simples de Visão Computacional em
Python é bastante complexo, uma vez que o programador precisa
se preocupar em criar todas as funções de manipulações de
imagens.
Não é possível utilizar Python para desenvolver projetos simples
de Visão Computacional.
OpenCV não é uma biblioteca útil para o desenvolvimento de
aplicações de Visão Computacional em Python.
09/05/2025, 12:38 estacio.saladeavaliacoes.com.br/prova/681e20aaf720492e223d2a79/
https://estacio.saladeavaliacoes.com.br/prova/681e20aaf720492e223d2a79/ 10/12
D
E
Desenvolver aplicações simples de Visão Computacional em
Python é um passo emocionante para consolidar os
conhecimentos adquiridos, utilizando habilidades básicas de
Python e manipulação de imagens.
A manipulação de imagens não é um componente importante no
desenvolvimento de aplicações de Visão Computacional em
Python.
10 Marcar para revisão
A matriz de confusão é uma ferramenta fundamental na avaliação do
desempenho de modelos de aprendizado de máquina, como as redes
neurais convolucionais (CNNs). Ela permite visualizar a precisão das
previsões em relação aos rótulos verdadeiros, destacando áreas de
acertos e erros do modelo.
 
Considerando o texto, analise as alternativas e assinale a opção correta.
09/05/2025, 12:38 estacio.saladeavaliacoes.com.br/prova/681e20aaf720492e223d2a79/
https://estacio.saladeavaliacoes.com.br/prova/681e20aaf720492e223d2a79/ 11/12
A
B
C
D
E
A matriz de confusão não é uma ferramenta útil para avaliar o
desempenho de modelos de CNN.
A matriz de confusão é usada para extrair características de
imagens em modelos de CNN.
A matriz de confusão é um recurso de testes de qualidade em
modelos de CNN que precisam ser utilizados com frequência
para verificar a qualidade dos resultados da rede.
A matriz de confusão é usada apenas em tarefas de
segmentação semântica em modelos de CNN.
A matriz de confusão é exclusiva de modelos de aprendizado
supervisionado, não sendo aplicável a modelos de CNN.
09/05/2025, 12:38 estacio.saladeavaliacoes.com.br/prova/681e20aaf720492e223d2a79/
https://estacio.saladeavaliacoes.com.br/prova/681e20aaf720492e223d2a79/ 12/12