Prévia do material em texto

Introdução à inteligência artificial 
 
A crescente influência dos sistemas de inteligência artificial vai além do processamento eficiente 
de dados, estendendo-se à capacidade de aprendizado contínuo e à adaptação a padrões 
dinâmicos. 
Essa característica distintiva permite que os sistemas de IA evoluam com o tempo, aprimorando 
seu desempenho e mantendo-se relevantes em cenários complexos e em constante mudança. 
Nesse sentido, qual característica distintiva dos sistemas de inteligência artificial vai além do 
processamento eficiente de dados? 
Utilize o Assistente Pedagógico para enriquecer sua aprendizagem! 
A) Capacidade de processar grandes volumes de dados. 
B) Capacidade de aprendizado contínuo e adaptação a padrões dinâmicos. 
C) Capacidade de reconhecimento de padrões. 
D) Capacidade de automação de tarefas. 
E) Capacidade de tomada de decisão autônoma. 
 
2) Diferentemente da inteligência artificial fraca, que se limita a tarefas específicas e não 
demonstra compreensão ou consciência global, a inteligência artificial forte busca simular a 
inteligência humana de maneira mais abrangente. 
Na medicina, a IA está sendo cada vez mais utilizada para auxiliar médicos no diagnóstico e 
tratamento de doenças. Sistemas de IA podem analisar grandes volumes de dados médicos, 
como exames de imagem e históricos de pacientes, para identificar padrões e fazer previsões 
precisas sobre condições de saúde. Essa tecnologia promete melhorar a eficiência dos cuidados 
de saúde e salvar vidas. 
Considerando o uso crescente de inteligência artificial na medicina, qual é um dos principais 
benefícios que essa tecnologia pode oferecer aos profissionais de saúd 
A) A IA pode analisar grandes volumes de dados médicos, identificar padrões e fazer previsões 
precisas sobre condições de saúde, auxiliando no diagnóstico e tratamento de doenças. 
B) A IA pode substituir completamente a necessidade da intervenção humana na área médica, 
uma vez que a inteligência robótica entra em um mesmo patamar da humana. 
C) A IA pode tornar os cuidados de saúde menos eficientes e menos precisos, pois sua 
codificação, como foi realizada por humanos, é propícia a erros considerados graves. 
D) A IA pode aumentar a carga de trabalho dos profissionais de saúde, sem trazer benefícios 
significativos, já que será necessário se especializar em ferramentas de IA. 
E) A IA pode gerar resultados imprecisos e prejudicar o diagnóstico e tratamento de doenças, 
pois não terá mais o auxílio médico para indicar os caminhos ao paciente. 
 
3) A estatística desempenha um papel fundamental na análise e interpretação de dados, 
fornecendo métodos e técnicas que possibilitam a compreensão de padrões e tendências em 
conjuntos de informações. Um dos aspectos essenciais desse campo é a amostragem, que se 
refere à prática de selecionar uma parte representativa de uma população maior para realizar 
análises mais eficientes. 
Ao trabalhar com dados, muitas vezes busca-se agrupá-los e reduzi-los para uma amostra 
representativa, eliminando a aleatoriedade inerente ao conjunto original. 
A qual método matemático essa afirmação se refere? 
A) Método de regressão linear. 
B) Algoritmo K-Means. 
C) Análise de componentes principais (PCA). 
D) Teste de hipótese. 
E) Método de Monte Carlo. 
 
4) A frequência, expressa pela quantidade de incidências em um intervalo de tempo, é um 
parâmetro vital para análises em diversas áreas, desde monitoramento de sistemas até 
comportamento de usuários em plataformas digitais. 
Considerando o uso crescente da inteligência artificial na coleta e análise de dados de 
frequência, qual das seguintes afirmações é correta sobre o seu papel nesse contexto? 
A) A inteligência artificial é útil apenas na coleta de dados de frequência, mas sua análise é 
deficiente pela falta de especialistas na área. 
B) A inteligência artificial pode processar dados de frequência, mas sua eficácia na análise 
depende da intervenção humana para resultados precisos. 
C) A inteligência artificial tem mínima capacidade para lidar com dados de frequência devido à 
sua complexidade de implementação. 
D) A inteligência artificial desempenha um papel importante na análise de dados de frequência, 
oferecendo resultados significativos e precisos. 
E) A inteligência artificial tem um papel secundário na coleta e análise de dados de frequência, 
com uma contribuição sem grande significância. 
 
5) Com o avanço do tempo, diversas abordagens e linhas de estudo têm surgido no campo da 
inteligência artificial. Uma dessas abordagens é a biológica, que busca compreender e replicar os 
processos cognitivos observados nos sistemas biológicos, especialmente as redes neurais 
humanas. Nos anos 1960, essa vertente de pesquisa recebeu a designação de “inteligência 
artificial”, marcando o início de uma jornada rumo à criação de sistemas capazes de simular o 
pensamento humano e realizar tarefas complexas de forma autônoma. 
Qual vertente de estudo da inteligência artificial busca compreender e replicar os processos 
cognitivos observados nos sistemas biológicos, especialmente as redes neurais humanas? 
A) Inteligência artificial genética. 
B) Inteligência artificial quântica. 
C) Inteligência artificial simulada. 
D) Inteligência artificial tradicional. 
E) Inteligência artificial biológica. 
 
Diferentes técnicas de IA 
 
1) Considere um agente taxista que pretende chegar a um destino. Ele tem uma função que 
permite distinguir as diferentes formas de chegar a esse destino, maximizando o percurso em 
função do tempo, da despesa e da segurança. Esse é um agente do tipo: 
A) reativo simples. 
B) reativo baseado em modelos. 
C) baseado em objetivos. 
D) baseado na utilidade. 
E) com aprendizagem. 
 
2) Considere um agente associado a um sensor em uma fábrica de brinquedos. O sensor detecta 
quando um brinquedo passa pela esteira. O agente recebe a informação do sensor e emite a 
ação de EMPACOTAR. Esse agente é do tipo: 
A) reativo simples. 
B) reativo baseado em modelos. 
C) baseado em objetivos. 
D) baseado na utilidade. 
E) com aprendizagem. 
 
3) No contexto dos algoritmos genéticos, considere os seguintes cromossomos-pais: 11000 e 
01011. Após a reprodução, os cromossomos resultantes são 11011 e 01000. O resultado dessa 
operação é um processo de: 
A) mutação. 
B) cruzamento. 
C) aptidão. 
D) genótipo. 
E) seleção. 
 
4) Considere um sistema de detecção de pessoas em um ambiente baseado em infravermelho. 
A saída do sistema dispara um alarme se houver alguma pessoa e não faz nada se não houver. 
Um sistema desse tipo executa um processo de: 
A) classificação. 
B) regressão. 
C) agrupamento (clustering). 
D) otimização. 
E) maximização. 
 
5) O reinforcement learning (RL) é um tipo de aprendizagem de máquina semelhante ao 
aprendizado supervisionado no que se refere: 
A) a efetuar o mapeamento da entrada com a saída. 
B) à utilização de recompensa e de punições. 
C) à busca de semelhanças e de diferenças em um conjunto de dados. 
D) à busca do modelo de ação adequado. 
E) a um conjunto correto de ações para executar uma tarefa. 
 
Estatística para Inteligência artificial 
 
1) A média (Me) é calculada somando-se todos os valores de um conjunto de dados e dividindo-
se pelo número de elementos desse conjunto. 
Identifique a fórmula a seguir que pode ser utilizada para calcular a média da altura de três 
pessoas, considerando que: 
A1 = Pessoa 1 
A2 = Pessoa 2 
A3 = Pessoa 3 
Q = Quantidade de pessoas 
A) Média = A1+A2+A3 * Q 
B) Média = A1 * A2 * A3 
C) Média = A1 + A2 + A3 / Q 
D) Média = A1 + A2 / Q 
E) Média = A1 + A2 + A3 * A3 
 
2) Para encontrar a amplitude de um conjunto, basta calcular a diferença entre o maior e o menor 
valor da lista. Um professor fez uma pesquisa de idades em uma turma do ensino médio, 
composta por 15 alunos, e obteve os seguintes resultados: 15, 15, 15, 15, 16, 16, 16, 
14, 16, 16, 16, 17, 17, 18, 18. 
Qual é a amplitude das idades dos alunos dessa sala de aula? 
A) 3 
B) 6 
C) 10 
D) 4 
E) 18 
 
3) Acerca da definição do conceitode Variância e do desvio padrão, é correto afirmar que: 
A) Para encontrar o valor do desvio padrão é necessário antes determinar o valor da variância. 
B) A variância não tem relação com medidas de dispersão. 
C) Para encontrar o valor da variância, basta calcular o valor da média e elevar ao quadrado. 
D) A variância não tem relação com o desvio padrão. 
E) Para determinar o valor da variância é necessário que o desvio padrão seja maior que zero 
 
4) Em Machine Learning temos a aprendizagem supervisionada. Na aprendizagem 
supervisionada existe um conjunto prévio de dados inseridos na máquina, e as sugestões que 
serão dadas ao usuário devem ser parecidas com os dados registrados. 
Quais das técnicas seguintes poderiam ser utilizadas para implementar esse tipo de 
algoritmo? 
A) Média, desvio padrão e regressão linear. 
B) Análise regressiva. 
C) Média e Deep Learning. 
D) Média ponderada e grafos. 
E) Somente variância e desvio padrão. 
 
5) No mercado financeiro e nas instituições bancárias, os métodos estatísticos são empregados 
para modelagem financeira e econômica, visando modelar o comportamento do crédito e da 
inadimplência. 
Analise as afirmativas seguintes e indique qual seria útil para o cenário descrito. 
A) A implantação de sistemas de mineração de dados sem um método para análise e 
interpretação. 
B) O conceito de Business Inteligence (BI). 
C) Sistemas de suporte a decisão implementam regras de negócio que podem gerar essas 
informações. 
D) Seria importante o auxílio de um sistema Inteligente para analisar os dados e a implementação 
de algoritmos estatisticos para apoiar a tomada de decisão. 
E) O ideal seria uma combinação de BI com mineração de dados 
 
Redes neurais artificiais I 
 
1) Os testes de Turing, conduzidos por volta de 1950 pelo matemático e cientista da computação 
Alan Turing, representam um marco fundamental na história da inteligência artificial e, por 
extensão, no desenvolvimento das redes neurais artificiais. Esses testes foram concebidos com 
base em várias premissas que impulsionaram os estudos nessa área. 
Com base nesse conceito, analise as afirmativas a seguir e identifique aquela que está em 
conformidade com as características de um sistema de inteligência artificial. 
A) Os testes de Turing foram desenvolvidos para demonstrar a superioridade das máquinas em 
relação aos seres humanos em tarefas cognitivas. 
B) Os testes de Turing foram realizados para avaliar a capacidade das máquinas de superar as 
limitações dos seres humanos em termos de processamento de informações. 
C) Os testes de Turing foram projetados para demonstrar que as máquinas podem substituir 
completamente os seres humanos em todas as atividades intelectuais. 
D) Os testes de Turing foram conduzidos para determinar a capacidade de uma máquina de 
imitar a inteligência humana, identificando o que é homem ou robô. 
E) Os testes de Turing foram realizados para determinar a viabilidade de uma inteligência 
artificial capaz de pensar e sentir como um ser humano. 
 
Os sistemas de inteligência artificial (IA) mudaram a forma como interagimos com a computação. 
Essas aplicações são capazes de processar, com rapidez, uma quantidade enorme de dados que 
têm suas origens nos mais variados meios. 
 
Com base nesse conceito, analise as afirmativas abaixo e identifique aquela que está em 
conformidade com as características de um sistema de inteligência artificial. 
 
 
 
a. 
Coletar dados e apresentar o resultado desses dados são características que por si só justificam 
um sistema como inteligente. 
 
 
b. 
Os sistemas de IA devem coletar e analisar os dados, sendo capazes de gerar alguma inferência 
sobre a manipulação e análise desses dados. 
 
 
c. 
Os sistemas de IA atuais substituem por completo a necessidade da interferência humana. 
 
 
d. 
Os sistemas de IA não manipulam dados, apenas realizam análise sobre os dados coletados. 
 
 
e. 
Sistemas de IA são classificados em IA forte (realiza alguma manipulação e extração do 
conhecimento) e IA fraca (realiza coleta e apresentação de dados). 
 
2) Além da modelagem cognitiva, outras disciplinas, como a teoria da informação e a neurociência 
computacional, contribuíram significativamente para o desenvolvimento teórico das redes neurais 
artificiais. A teoria da informação ofereceu conceitos cruciais, como entropia e teorema de Bayes, 
que permitiram uma compreensão mais profunda da 
representação e do processamento de informações nas redes neurais. Além disso, diversos 
estudos contribuíram para os princípios biológicos subjacentes ao funcionamento do 
cérebro, que serviram como inspiração para o design e o aprimoramento das redes neurais 
artificiais. 
Qual disciplina contribuiu significativamente para o desenvolvimento teórico das redes 
neurais artificiais, fornecendo importantes apontamentos sobre os princípios biológicos do 
funcionamento do cérebro? 
A) Teoria dos conjuntos. 
B) Psicologia experimental. 
C) Astronomia. 
D) Sociologia. 
E) Neurociência computacional. 
 
3) As redes neurais artificiais são estruturas compostas por nós ou unidades interconectadas 
por ligações direcionais. Essas conexões desempenham um papel crucial na transmissão e no 
processamento de informações dentro da rede. Quando uma unidade "i" envia um sinal de 
ativação para uma unidade "j", essa ativação é propagada ao longo da ligação que conecta as 
duas unidades. 
Qual é o papel das conexões em uma rede neural artificial? 
A) As conexões são responsáveis por fornecer energia às unidades da rede. 
B) As conexões são responsáveis por armazenar informações importantes na rede. 
C) As conexões são responsáveis por transmitir e processar informações dentro da rede. 
D) As conexões são responsáveis por determinar a localização geográfica das unidades na rede. 
E) As conexões são responsáveis por manter a estabilidade física da rede neural. 
 
4) A inteligência artificial (IA) revolucionou o reconhecimento de caracteres, possibilitando a 
interpretação precisa e rápida de textos impressos ou manuscritos em diversas línguas. Por meio 
de algoritmos avançados de processamento de imagens e aprendizado de máquina, sistemas de 
reconhecimento óptico de caracteres (OCR) são capazes de extrair informações de documentos 
físicos ou digitais, convertendo-os em texto editável. 
Imagine que você está desenvolvendo um sistema de reconhecimento de caracteres escritos 
à mão para uma aplicação de reconhecimento de texto em dispositivos móveis. Para isso, 
você decide utilizar perceptrons em uma rede neural artificial para classificar os diferentes 
caracteres. Durante o desenvolvimento do sistema, surge a necessidade de compreender as 
características dos perceptrons e como eles se encaixam no contexto mais amplo das redes 
neurais artificiais. 
Assinale a alternativa que apresenta uma característica essencial dos perceptrons em uma 
rede neural artificial. 
A) Os perceptrons utilizam uma função de ativação para determinar a saída. 
B) Os perceptrons são incapazes de aprender com exemplos. 
C) Os perceptrons podem ter múltiplas camadas ocultas. 
D) Os perceptrons são tipicamente usados para processar dados de texto. 
E) Os perceptrons são restritos a problemas de classificação linear. 
 
5) Existem várias estruturas que podem ser construídas a partir das duas principais arquiteturas 
de redes neurais artificiais: redes de alimentação direta (feedforward) e redes recorrentes 
(recurrent neural networks – RNNs). As redes de alimentação direta consistem em camadas de 
neurônios organizadas em uma sequência linear, em que as conexões fluem apenas em 
uma direção, da camada de entrada para a camada de saída. 
Qual é uma característica das redes de alimentação direta (feedforward) em uma rede neural 
artificial? 
A) As conexões fluem em ambas as direções entre as camadas. 
B) As conexões fluem apenas da camada de saída para a camada de entrada. 
C) As conexões fluem apenas da camada de entrada para a camada de saída. 
D) As conexões fluem em ciclos, permitindo feedbackentre as camadas. 
E) As conexões fluem aleatoriamente entre as camadas 
 
Aplicação de redes neurais 
 
1) O desenvolvimento de tecnologias menores e de menor potência possibilitou o surgimento da 
IoT, segmento em que mesmo pequenos dispositivos, às vezes até um simples sensor, são 
capazes de se integrar a outros elementos de uma grande rede. Que outros benefícios uma 
rede neural pode extrair da IoT? 
A) Funções de ativação mais simples, já que os componentes são mais simples. 
B) Acesso à vasta quantidade de informações obtida de forma nem sempre diretamente ligada 
ao objeto principal do dispositivo que a está fornecendo. 
C) Menor complexidade de desenvolvimento. 
D) Dados representados de forma normalizada graças à distribuição de dados menos 
centralizada e mais diretamente vinculada à fonte que capturou a informação. 
E) Ato de abolir a necessidade de programação. 
 
2) As redes neurais adentraram a área da agronomia em todos os setores, tanto para a pesquisa, 
quanto para o desenvolvimento de soluções finais. Para uma pesquisa de campo que pretenda 
prever o tempo de germinação de sementes em diferentes ambientes, é relevante considerar as 
variáveis de profundidade, espécie e tipo de solo. Dentre as alternativas, qual delas é uma 
afirmação coerente com o projeto de uma rede neural para atender a essa demanda? 
A) Problemas de regressão como o da pesquisa demandam que se obtenha maior desempenho 
por meio do aprendizado por reforço. Nesse caso, podem ser utilizadas recompensas e 
punições para guiar a rede na obtenção de um melhor resultado. 
B) A rede neural deverá classificar as plantas de acordo com características em comum que 
podem ser obtidas pelo método de aprendizado não supervisionado capaz de detectar 
características nem sempre conhecidas. 
C) Não deverão ser utilizadas camadas ocultas, uma vez que todas as variáveis são de prévio 
conhecimento. 
Problema de regressão que utilizará as variáveis de profundidade, espécie e tipo de solo como 
neurônios de entrada. O aprendizado do tipo supervisionado utilizará as amostras da pesquisa 
para tentar prever o tempo de germinação de uma semente. 
E) A função de custo calculará a diferença entre a profundidade desejada e a profundidade 
obtida. 
 
3) Existem diversas vantagens das redes neurais no dia a dia. Sobre elas, é possível afirmar o 
seguinte: 
A) Sem o uso das redes neurais, muitas das soluções modernas seriam impraticáveis devido à 
dificuldade de se modelar um sistema que, muitas vezes, não é de amplo conhecimento da 
ciência atual. 
B) Devido ao alto custo de desenvolvimento, as redes neurais ainda são pouco utilizadas em 
áreas alheias à medicina. 
C) As redes neurais mudaram os rumos da ciência. A IoT, por exemplo, deve sua existência às 
redes neurais, já que somente sensores inteligentes são capazes de se integrar a outros em 
ambientes complexos. 
D) Todas as áreas podem se beneficiar do uso de redes neurais. Para isso, são necessários o 
uso 
de robôs e a adequação do ambiente para eles. 
E) Redes neurais são mais facilmente integráveis aos campos da medicina e da agronomia pela 
forte relação biológica entre elas, campo de estudo que originou a criação dos próprios 
neurônios artificiais. 
 
4) Um dos campos de estudo mais complexos da medicina certamente é a área de 
sequenciamento genético. Organismos de todo tipo têm seu código genético mapeado e 
posteriormente aproveitado para compreender um pouco mais sobre as origens e as 
características que tornam a vida possível e como interagem com outros seres e elementos do 
ambiente. A partir dessas informações, é possível desenvolver medicamentos para tipos 
específicos de vírus e bactérias. Sabe-se que o código genético tem apenas quatro nucleotídeos 
fundamentais cujas ligações e contexto em que aparecem determinam as diversas características 
do organismo. De que forma esses dados costumam ser 
representados? 
A) O código genético tem infinitos elementos, e somente redes neurais com aprendizado não 
supervisionado são capazes de compreendê-los. 
Apenas quatro nucleotídeos fundamentais (adenina, guanina, timina e citosina) são suficientes 
para uma rede neural detectar a presença deles para relacionar a alguma característica 
específica. 
C) O código genético não pode ser representado adequadamente para ser utilizado por redes 
neurais, demandando o uso de algoritmos genéticos específicos. 
D) O código genético requer uma representação não binária de dados, já que cada entrada 
individual pode ser de quatro tipos diferentes. 
E) Sendo a ordem e o contexto em que cada nucleotídeo aparece os fatores determinantes, os 
nucleotídeos podem ser expressos de forma binária, mas deverão ser agrupados em 
conjuntos maiores como se fossem palavras. 
 
5) Redes neurais são capazes de encontrar padrões em ambientes e dados complexos, muitos 
deles naturais ao ser humano como identificar e classificar imagens. Porém, muitas vezes, as 
características detectadas por elas vão além do compreendido pelo ser humano. A medicina 
tira proveito disso ao utilizar redes neurais no diagnóstico e na reconstrução de imagens de 
ressonância nuclear magnética. Qual alternativa apresenta uma abordagem de aprendizado 
válida para esse tipo de aplicação? 
A) Aprendizado supervisionado, em que o projetista é responsável por fornecer os pesos e 
vieses necessários para se reconhecer os padrões necessários. 
B) Aprendizado por reforço, utilizando em conjunto com as entradas o valor esperado na saída. 
C) Aprendizado não supervisionado, com a atribuição de penalidades e recompensas toda vez 
que um diagnóstico correto é obtido. 
D) Aprendizado supervisionado, permitindo que a rede seja capaz de agrupar sozinha, sem 
qualquer informação, retorno sobre o erro obtido. 
E) Aprendizado não supervisionado, deixando que a rede, ao receber diversas entradas, 
encontre por si elementos em comum entre cada imagem e passe a classificá-las. 
 
Estruturas de dados para IA I 
 
1) Python e seus métodos são amplamente difundidos e aplicados em todo o mundo, destacando-
se como uma linguagem versátil e poderosa para uma variedade de estruturas de dados. Sua 
popularidade deriva não apenas da sua sintaxe clara e concisa, mas também 
da vasta gama de bibliotecas e frameworks disponíveis, que oferecem suporte robusto para 
implementações eficientes de estruturas, como listas, filas e pilhas. 
No contexto da ciência de dados e da inteligência artificial, a utilização de Python é 
especialmente prevalente, devido à sua capacidade de lidar com grandes conjuntos de dados 
e implementar algoritmos complexos de forma eficaz. 
Por que Python é especialmente prevalente na manipulação de grandes conjuntos de dados 
no contexto de estruturas de dados? 
A) Por sua incapacidade de lidar com grandes conjuntos de dados, característica essencial para 
tratamento de dados. 
B) Por sua capacidade de lidar com grandes conjuntos de dados e implementar estruturas 
complexas de forma eficiente. 
C) Por ser uma linguagem obsoleta e pouco utilizada na área, em detrimento das linguagens 
como Java e C#. 
D) Por sua sintaxe confusa e difícil de entender, uma vez que utiliza programação orientada a 
objetos. 
E) Por não possuir suporte para implementações eficientes de estruturas de dados, base para a 
inteligência artificial. 
 
2) A linguagem Python é frequentemente escolhida devido à sua simplicidade, legibilidade e poder 
computacional. Sua aplicação é particularmente notável em estruturas de dados como listas, filas 
e pilhas, em que sua sintaxe intuitiva e suas bibliotecas abrangentes facilitam a 
implementação rápida e eficiente de soluções para uma variedade de problemas 
computacionais. 
Qual função específica da linguagem Python é comumente utilizada na implementação de 
filas e pilhas para inserção ao final da estrutura? 
A) insert(). 
B) remove(). 
C) pop(). 
D) extend(). 
E) append(). 
 
3) A estrutura de dados do tipo fila é essencial para o desenvolvimento de uma ampla gama de 
aplicações que requerem ordenação e processamentosequencial de elementos. Baseada no 
princípio first-in-first-out (FIFO), a fila gerencia os elementos de forma que o primeiro 
elemento inserido seja o primeiro a ser retirado. Isso a torna particularmente adequada para 
situações em que a ordem de chegada dos elementos é crítica, como na simulação de 
processos de espera, gestão de tarefas em sistemas operacionais ou no controle de filas de 
atendimento. 
Por que a estrutura de dados fila é amplamente utilizada em diversas aplicações? 
A) Porque seu princípio first-in-first-out (FIFO) garante que o primeiro elemento inserido seja o 
primeiro a ser removido, o que é essencial em situações em que a ordem de chegada dos 
elementos é crítica. 
B) Porque seu princípio first-in-first-out (FIFO) garante que o último elemento inserido seja o 
primeiro a ser removido, o que é essencial em situações em que a ordem de chegada dos 
elementos é crítica. 
C) Porque seu princípio last-in-first-out (LIFO) garante que o primeiro elemento inserido seja o 
primeiro a ser removido, o que é essencial em situações em que a ordem de chegada dos 
elementos é crítica. 
D) Porque sua implementação em Python é mais simples do que outras estruturas de dados, o 
que facilita sua utilização em uma variedade de contextos. 
E) Porque sua versatilidade permite a inserção e a remoção de forma eficiente de elementos em 
ambientes de processamento de dados em tempo real. 
 
Pilhas, como estruturas de dados, desempenham um papel crucial na ordenação de elementos e 
a linguagem Python oferece métodos específicos para manipulação eficaz dessas estruturas. No 
contexto de uma pilha, os métodos de acesso que realizam consultas 
no topo da pilha são essenciais para obter informações sobre o elemento mais recentemente 
adicionado. 
Em situações em que a ordem inversa de processamento é necessária, o método de consulta 
no topo da pilha permite verificar o próximo elemento a ser processado sem removê-lo da 
estrutura. Isso é especialmente útil em algoritmos de busca em profundidade e em sistemas 
de rastreamento de histórico, por exemplo. 
No contexto de pilhas em Python, qual método específico de acesso é considerado essencial 
para verificar o próximo elemento a ser processado sem removê-lo da pilha? 
A) pop(). 
B) push(). 
C) peek(). 
D) empty(). 
E) size(). 
 
5) No desenvolvimento de sistemas de inteligência artificial em Python, a escolha e a 
implementação adequada de estruturas de dados são elementos-chave para o sucesso. Em 
particular, algoritmos de busca em largura (BFS) e busca em profundidade (DFS) são 
amplamente utilizados em problemas de navegação, como a rota mais curta em um mapa ou 
a busca de soluções em árvores de decisão. Nessas situações, as estruturas de dados 
desempenham um papel crucial ao armazenar informações sobre os nós visitados durante a 
busca, garantindo a eficiência e a corretude dos algoritmos. 
No contexto da implementação de algoritmos de busca em largura (BFS) e busca em 
profundidade (DFS) para problemas de inteligência artificial em Python, como as estruturas 
de dados são essenciais? 
A) As estruturas de dados são responsáveis por somente representar visualmente os caminhos 
percorridos pelos algoritmos de busca em largura e busca em profundidade, facilitando a 
compreensão do processo de busca. 
B) As estruturas de dados são relevantes apenas para a fase inicial do pré-processamento de 
dados, na qual são organizados os dados de entrada antes da aplicação dos algoritmos de 
busca em largura e busca em profundidade. 
As estruturas de dados armazenam apenas o código-fonte dos algoritmos de busca em 
largura e busca em profundidade, sem influenciar diretamente o gerenciamento de dados 
durante a execução dos algoritmos. 
D) As estruturas de dados são utilizadas para armazenar informações sobre os nós visitados 
durante a busca, garantindo que cada nó seja visitado exatamente uma vez. Isso é 
fundamental para a eficiência e a corretude dos algoritmos, especialmente em problemas de 
navegação em mapas ou grafos. 
E) As estruturas de dados não têm relevância na implementação de algoritmos de busca em 
largura e busca em profundidade em Python, já que a linguagem lida automaticamente com o 
gerenciamento de dados. 
 
Estruturas de dados para IA II 
 
1) Uma estrutura de dados em árvore tem como principais características: 
A) Ser uma estrutura de dados hierárquica não linear, composta por um conjunto limitado de 
elementos, sendo que os elementos em uma árvore terão um único elemento raiz. 
B) Ser uma estrutura de dados hierárquica linear, composta por um conjunto ilimitado de 
elementos, sendo que os elementos em uma árvore terão pelo menos três elementos raiz. 
C) Ser uma estrutura de dados hierárquica linear, composta por um conjunto limitado de 
elementos, sendo que os elementos em uma árvore não terão um elemento raiz. 
D) Ser uma estrutura de dados não linear, composta por um conjunto ilimitado de elementos, 
sendo que os elementos em uma árvore terão vários elementos raiz. 
E) Ser uma estrutura de dados hierárquica linear, composta por um conjunto limitado de 
elementos, sendo que os elementos em uma árvore não terão um elemento raiz. 
 
2) Em uma estrutura de dados em árvore, com uma única raiz, é possível ter dois tipos de 
composições abaixo da raiz, que são: 
A) nós intermediários e nós finais. 
B) nós intermediários e nós adjacentes. 
C) nós internos e nós externos. 
D) nós pais e nós intermediários. 
E) nós pais e nós folhas. 
 
3) Em uma estrutura de dados binária, todos os nós têm grau 0, 1 ou 2, logo, podemos ter 0, 1 
ou 2 nós filhos. Em uma árvore estritamente binária, todos os nós têm grau: 
A) 0, 1, 2 ou 3. 
B) 0 ou 1. 
C) 0 ou 2. 
D) 1 ou 2. 
E) 1, 2, 3 ou 4. 
 
4) O algoritmo de Breadth First Search (BFS) é oriundo da teoria dos grafos para a realização de 
buscas a partir do nó raiz de uma árvore, explorando em seguida os nós vizinhos até 
encontrar o elemento procurado. Ele é conhecido também como: 
A) algoritmo de busca sequencial. 
B) algoritmo de busca em largura. 
C) algoritmo de busca top down. 
D) algoritmo de busca orientada. 
E) algoritmo de busca regular. 
 
5) O algoritmo DFS realiza buscas em grafos, sendo inicializado por meio da escolha de algum 
nó do grafo; este nó se torna o nó raiz e, a partir deste, o algoritmo explora cada um dos 
outros ramos até encontrar o elemento buscado, por essa razão o algoritmo DFS também é 
conhecido como: 
A) algoritmo de busca restrita. 
B) algoritmo de busca especializada. 
C) algoritmo de busca por imersão. 
D) algoritmo de busca em profundidade. 
E) algoritmo de busca analítica. 
 
Redes neurais convolucionais I 
1) Um pixel é o menor ponto que forma uma imagem digital, e um conjunto de pixels com várias 
cores forma a imagem inteira. Considere que uma imagem 3x4 foi amostrada e armazenada 
em uma matriz 200 x 300. Quantos pixels a imagem amostrada terá? 
A) 12. 
B) 200. 
C) 300. 
D) 6k. 
E) 60k. 
 
2) Codificar uma imagem é representá-la com o menor número possível de bits, preservando a 
qualidade e a inteligibilidade necessárias à sua aplicação. Nesse contexto, uma imagem do 
tamanho 1.024x1.024 pixels, codificada com 16 bits (2 bytes), resultará em um arquivo de, 
aproximadamente: 
A) 2Mbits. 
B) 2MB. 
C) 16kB. 
D) 16Mbits. 
E) 16MB. 
 
3) O que acontecerá se uma imagem de 1.024 x 768 exibida em um monitor de 14” for exibida 
em um monitor de 19”? 
A) O tamanho da imagem e dos pixels será maior. 
B) O tamanho da imagem e dos pixels será menor. 
C) O tamanho da imagem e dos pixels será o mesmo. 
D) O tamanho da imagem será maior e o dos pixels, menor. 
E) O tamanho da imagem será menor e o dos pixels, maior. 
 
4) Qual é o tipo de imagem em cuja qualidade não haverá piora se sua dimensão for 
aumentada? 
A) 2D. 
B) 3D. 
C) De rastreio. 
D) Vetorial. 
E) Matricial. 
 
5) Para caracterizar o objeto que se quer reconhecer ou classificar, são utilizados descritores 
que especificam o aspecto a ser considerado. No caso do reconhecimento facial, são 
calculadas característicasque geram descritores: 
A) de contorno. 
B) de aspecto. 
C) topológicos. 
D) dimensionais. 
E) inerciais. 
 
Redes neurais convolucionais II 
 
1) As redes neurais convolucionais estão revolucionando as pesquisas e o desenvolvimento de 
tecnologias que utilizam sistemas de inteligência artificial. Após alguns anos de ceticismo, as 
soluções de inteligência artificial voltaram a chamar a atenção de todos os setores da 
tecnologia. O que justificou essa ascensão? 
A) As redes convolucionais são mais fáceis de compreender e analisar do que os demais tipos de 
redes devido à semelhança com o cérebro humano. 
B) As redes convolucionais se utilizam de matemática simples se comparadas com as demais 
soluções. 
C) As redes convolucionais superaram as redes neurais densas em todos os aspectos ao extrair 
características relevantes padronizando o método de busca. 
D) As redes neurais convolucionais obtêm desempenho superior a outros tipos de redes para 
determinados tipos de sinais, mesmo utilizando menos conexões e neurônios, o que reduz a 
quantidade de cálculo efetuado pelo computador. 
E) As redes neurais convolucionais não precisam de treinamento. 
 
2) Maior disponibilidade computacional de cada vez maior processamento possibilitou a 
criação de redes mais complexas e maiores para aumentar a capacidade de resolução de 
problemas de uma rede neural. Para obter resultados mais eficientes, as redes neurais 
densas devem ser substituídas pelas redes neurais convolucionais? 
A) Sim. As redes neurais densas têm um conjunto de ligações elevado que torna o treinamento 
demasiadamente lento se comparado às redes neurais convolucionais. 
B) Sim. As redes neurais densas sempre perdem em desempenho para as redes neurais 
convolucionais, que têm comportamento inspirado no cérebro humano. 
C) Não. As redes neurais densas são mais eficientes que as redes neurais convolucionais; 
apenas 
necessitam de mais avanços na computação. 
D) Não. As redes neurais densas, apesar de mais lentas, são capazes de se adaptar sozinhas, ao 
contrário das redes neurais convolucionais, que precisam de treinamento constante. 
E) Não. As redes neurais densas estão presentes e fazem parte das redes neurais 
convolucionais, 
especialmente na camada final, conhecida como totalmente conectada. Além disso, as redes 
neurais convolucionais são eficientes no processamento de sinais naturais, como imagens e 
sons, mas podem ser drasticamente prejudicadas em outros casos. 
 
3) Qual a relação entre a quantidade de características necessárias a serem detectadas e a 
quantidade de neurônios em uma rede neural convolucional? 
A) Cada característica terá um kernel específico e produzirá seu próprio mapa de atributos, de 
forma que a quantidade de neurônios da primeira camada oculta será diretamente 
proporcional à quantidade de características detectadas. 
B) Os neurônios necessários para varrer uma determinada quantidade de pixels é fixo e não 
depende da quantidade de características. 
C) Mais características significam mais neurônios de entrada. 
D) A relação é inversamente proporcional, já que, quanto mais características estão sendo 
buscadas, melhor serão aproveitados os filtros que poderão detectar múltiplas características 
simultaneamente. 
E) Não há nenhuma relação. 
 
4) As redes neurais convolucionais têm quatro camadas com funções diferentes, sendo que a 
primeira delas funciona como um filtro na tentativa de detectar as características existentes 
em uma imagem para a qual a rede foi treinada. Qual a relação entre a posição dos pixels da 
imagem original e o mapa de atributos? 
A) Não há como identificar a posição a que um pixel do mapa de atributos corresponde à imagem 
convolucionada porque a operação de convolução reconstrói a matriz a partir de produtos e 
somas entre vários deles. 
B) É impossível correlacionar a posição de um pixel na imagem com outro no mapa de atributos 
porque a unidade de retificação linear (ReLU) truncará parte desses pixels, perdendo boa parte 
das informações que não têm alguma característica relevante. 
C) A posição pode ser mantida para todos os pixels desde que sejam preenchidas as bordas do 
mapa de atributos porque um pixel é perdido em cada extremidade. 
D) A posição é mantida, já que ambas as matrizes têm o mesmo tamanho após a convolução. 
E) Somente será possível identificar a posição de um pixel após a última camada da rede de 
convolução onde os neurônios estão totalmente conectados. 
 
5) Para uma imagem com 30 pixels em cada coluna e 30 pixels em cada linha, da qual se 
pretende extrair cinco características, considerando os parâmetros de peso e viés de cada 
conexão formada, quantos parâmetros independentes existirão para uma rede neural densa 
convencional e para uma rede convolucional que usa um kernel 3x3, respectivamente? 
A) A convencional necessitará de 901 parâmetros; a convolucional, de apenas 9. 
B) A convencional necessitará de 4.501 neurônios; a convolucional, de apenas 900. 
C) A convencional necessitará de 810.900 neurônios; a convolucional, de apenas 50. 
D) A convencional necessitará de 2.700 neurônios; a convolucional, de apenas 9. 
E) A convencional necessitará de 900 neurônios; a convolucional, de apenas 1.350. 
 
Funções e Classes em Python 
 
 
Estruturas condicionais e iterativas em Python 
1) Funções são sub-rotinas que executam uma ação em particular; seu principal objetivo é 
agrupar um código que pode ser reutilizado em diferentes locais do sistema. De acordo com 
esse conceito, assinale a afirmativa correta acerca da sua aplicação. 
A) Funções servem para deixar o código mais elegante, facilitando a compreensão dos 
desenvolvedores. 
B) Funções são sub-rotinas do código fonte que servem somente para diminuir a quantidade de 
linhas do código fonte. 
C) Funções têm como principais objetivos reutilizar o código e facilitar a manutenção. 
D) Funções são utilizadas se há necessidade de agrupar o código mesmo que não estejam 
dentro 
do mesmo escopo. 
E) Funções são sempre criadas quando há necessidade de execução de uma ação no sistema. 
2) As variáveis e os parâmetros, atribuídos em uma função chamada, existem no escopo local 
dessa função, e as variáveis que recebem valor fora de todas as funções existem no escopo 
global. Sendo assim, verifique o código a seguir: 
 
Assinale a alternativa que justifique porque a variável, nesse caso, foi declarada como global: 
A) Isso acontece para que o conteúdo da variável não seja executado somente em um contexto 
de leitura pela função. 
B) A definição global é obrigatória para todas as variáveis que são manipuladas por uma função. 
C) A definição global faz parte da sintaxe da linguagem Python. Sendo assim, é comum aparecer. 
D) Essa definição de global é para definir que a variável não terá o valor do seu conteúdo 
alterado. 
 
E) A definição global foi utilizada para facilitar a compreensão do código, mas indiferente seria 
utilizada como global. 
3) Objetos são criados a partir das classes por meio de atribuição. O objeto é uma nova 
instância da classe que tem características próprias. Assinale a alternativa verdadeira acerca 
de um exemplo correto sobre objeto e classe. 
A) Em um código, é possível ter uma classe para cada animal que necessite ser cadastrado. 
B) É possível ter um objeto para cada tipo de animal que necessite ser cadastrado. 
C) Uma classe e um objeto para cada animal que necessite ser cadastrado no sistema. 
D) Uma classe para representar animal e um objeto para representar cada animal a ser 
cadastrado no sistema. 
E) Um objeto e diversas classes animais para representar os diversos animais a serem 
cadastrados no sistema. 
4) Em linguagens como Java e C#, basta declarar que os atributos não podem ser acessados de 
fora 
 
da classe utilizando a palavra chave private. Em orientação a objetos, é prática quase que 
obrigatória proteger seus atributos com private. O Python não utiliza o termo private, que é um 
modificador de acesso e também chamado de modificador de visibilidade. No Python, são 
inseridosdois underscores ('__'). 
 
Assinale a alternativa correta acerca dessa afirmativa: 
A) Dessa maneira, não é possível acessar o atributo idade de um objeto do tipo pessoa fora da 
classe. 
B) Dessa maneira, o valor do atributo idade pode ser acessado por qualquer objeto do tipo 
pessoa mesmo fora da classe. 
C) A definição do underscore antes do atributo idade é desnecessária nesse caso, visto que o 
método init já tem. 
D) A declaração de private não é muito recomendada como boa prática em orientação a objetos. 
E) A declaração de private é um recurso obrigatório em todas as linguagens de programação 
para proteger os objetos. 
5) Seja o código a seguir que representa uma classe Aluno 
 
Essa classe e o seu método podem ser testados utilizando o seguinte código: 
a = Aluno(5, 6, 7, 8) 
m = a.fecha_media() 
print(m) 
Assinale a alternativa que indique uma afirmação correta sobre a classe Aluno. 
A) A função __init__ corresponde ao conceito de construtor em Python. 
B) A variável notas não pode ser alterada e, portanto, causaria um erro de execução no código 
apresentado. 
C) As variáveis locais soma e media não precisariam ser inicializadas e mesmo assim a função 
fecha_media funcionaria corretamente. 
D) A função fecha¬_media corresponde ao conceito de um método privado em Python. 
E) A função fecha_media calcula a média de quatro notas do aluno e retorna um valor do tipo 
float. 
 
Estruturas condicionais e iterativas em Python 
 
1) A Python suporta vários paradigmas de programação, incluindo programação imperativa e 
funcional orientada a objetos ou estilos processuais. Apresenta um sistema de tipificação 
dinâmica e gerenciamento automático de memória, tendo uma grande e abrangente 
biblioteca padrão. Considerando a descrição acima, marque a sentença verdadeira acerca de 
Python 
A) Python possibilita a inclusão de códigos de diferentes linguagens de programação. 
B) Python permite realizar um fácil gerenciamento de memória e, por isso, é a linguagem mais 
utilizada do mundo. 
C) Python permite uma fácil adaptação devido a seu sistema de tipificação dinâmico. 
D) Python cresce no mundo da programação, entre outros, devido a essas características. 
E) Python tem um crescente aumento em sua utilização devido a sua abrangente biblioteca 
padrão. 
2) Embora o valor em string de um número seja considerado um valor totalmente diferente da 
versão inteira ou de um ponto flutuante, um inteiro pode ser igual a um número de ponto 
flutuante, como no exemplo: 
>>>> 42 == ‘42’ 
False 
>>>> 42 == 42.0 
True 
>>>> 42.0 == 0042.000 
True 
Assinale a alternativa correta que justifica por que isso ocorre. 
A) Isso ocorre porque a Python não consegue fazer a distinção entre inteiro e string. Dessa 
forma, trata os dois tipos igualmente. 
B) Isso ocorre porque a Python tem mecanismos específicos para int e float. Dessa forma ela 
consegue diferenciar os dois tipos, mss não o tipo string. 
C) A Python faz essa distinção porque strings são textos, enquanto tanto inteiros quanto 
números de ponto flutuante são números. 
D) Esse fato é comum em linguagens como a Python, com características de tipagem forte e 
tipos de dados. 
E) Isso ocorre porque o compilador da Python não consegue fazer a diferenciação entre o tipo 
string e os tipos numéricos. 
3) Em Python tudo é um objeto, inclusive a mais simples variável é considerada um objeto, algo 
que em outras linguagens de programação não existe. Com base nessa afirmativa, assinale a 
alternativa correta. 
A) Esta característica permite que se possa manipular recursos de uma variável, como, por 
exemplo, em uma string, saber o tamanho de uma palavra. 
B) Esse recurso é importante por permitir trabalhar com a programação orientada a objetos. 
C) Isso é uma característica de construção da Python, mas não possibilita recursos adicionais aos 
programadores. 
D) A afirmativa acima está incorreta, pois apesar de a Python ser uma linguagem orientada a 
objetos, não atribui esse conceito a variáveis. 
E) Essa afirmativa não é válida, pois atualmente todas as linguagens de programação trabalham 
com esse conceito, inclusive com manipulação de variáveis 
4) O while é um comando que manda um bloco de código ser executado enquanto uma 
condição for satisfeita. Assim, permite que sejam criados loops de execução. É um comando 
muito útil, mas pode ser perigoso, pois, se o critério de parada não for tratado corretamente, 
o laço pode não ter fim. Assinale a alternativa correta acerca do que foi descrito. 
A) O exemplo acima não é considerado grave, pois a Python consegue entender que houve um 
laço repetitivo e gerencia a memória. 
B) O interpretador da Python descartará o sistema da memória após algum tempo de execução 
do loop repetitivo. 
C) O programa não executa o que deveria ser feito, mas o loop não ter fim causa a não execução 
do sistema 
D) O programa não faz o que deveria ser feito e, após algumas tentativas, o sistema operacional 
irá descartá-lo da memória gerando erro. 
E) O programa não faz o que deveria ser feito e pode entrar em loop infinito, como é chamado. 
5) Analise o trecho de código a seguir: 
 
Sobre este código, assinale a alternativa correta. 
A) O programa será executado somente quando a condição for true. 
B) Se a condição for false, não será apresentada nenhuma mensagem. 
C) Se a condição for true, uma mensagem será exibida, e se for false, outra mensagem será 
exibida. 
D) O laço de repetição do tipo while testa por uma condição que seja false para executar o bloco 
de comandos associado 
E) O laço de repetição apresentado sempre entra em loop infinito não importando se a condição 
é true ou false. 
 
Redes multicamada 
 
1) As redes multicamadas são uma generalização das redes de camada única, em que ao menos 
uma camada oculta está presente. Muitas vezes essa rede é chamada MLP (Multi Layer 
Perceptron). Sobre elas é correto afirmar que: 
A) multicamada; de entrada; pesos; funções de ativação. 
B) de camada única; ocultos; pesos; conexões. 
C) multicamada; de saída; não linearidades; conexões. 
D) multicamada; ocultos; não linearidades; funções de ativação. 
E) de camada única; de entrada; não linearidades; várias camadas. 
2) As funções de ativação modificam a intensidade de um sinal fornecido na saída de um 
neurônio mesmo que as entradas sejam as mesmas. Sobre Perceptrons e as funções de 
ativação que utilizam, é correto afirmar que: 
A) quanto mais camadas ocultas maior cuidado se deve ter na escolha da função de ativação. 
B) para transformar uma rede neural de camada única em uma rede multicamadas, basta 
adicionar mais neurônios na saída. 
C) as redes multicamada estão limitadas a um grupo específico de funções de ativação. 
D) somente aprende e trata problemas de natureza discreta. 
E) a camada de entrada tem finalidades diferentes nas redes de camada única se comparada às 
redes multicamadas. 
 
 
Utilizando o erro quadrático médio, determine o custo para a rede da imagem abaixo, cuja saída 
esperada é 1. 
A) 0,0196. 
B) 0,24. 
C) 0,14. 
D) 0,0576. 
E) 0,0480. 
4) Um neurônio de uma camada oculta se conecta a dois neurônios de saída. Qual será o erro 
desse neurônio considerando que os erros obtidos nos dois neurônios de saída são de 0,4 e 
0,5, para pesos de conexão de 0,1 e 0,2 respectivamente? 
A) 0,14. 
B) 0,47. 
C) 0,066. 
D) 0,0116. 
E) 0,22. 
 
5) A escolha da função de ativação pode impactar drasticamente o processo de treinamento. 
Assinale a alternativa que melhor descreve uma função de ativação e suas respectivas 
características. 
A) A função logística possui saída rígida, sendo adequada para classificação de classes binárias. 
B) A função degrau, por ser a mais simples, é a mais rápida para utilizar durante o treinamento 
de uma rede multicamada com o uso de gradiente descente. 
C) A função ReLU tem metade do sinal igual à função identidade. 
D) A função sigmoide é superior à função de tangente hiperbólica já que não possui termos 
negativos. 
E) A função de tangente hiperbólica só pode ser utilizada por redes decamada simples. 
 
Nos testes de Turing, realizados por volta de 1950, dentre as premissas que deram origem aos 
estudos de redes neurais artificiais, é possível destacar quatro, dentre elas: 
 
 
a. 
Aprendizado de máquina para realizar adaptação diante de novas circunstâncias e criação de 
padrões. 
 
 
b. 
 
Representação de dados para armazenamento. 
 
 
c. 
Raciocínio analógico para representação do aprendizado por estímulo. 
 
 
d. 
Processamento de linguagem de máquina para criar comunicação. 
 
 
e. 
Raciocínio analógico para utilização de informações automatizadas. 
 
 
As redes neurais artificiais são um campo de estudo que vem sendo muito explorado em diversos 
lugares do mundo, principalmente em países disruptivos com grande quantidade de startups, 
como os Estados Unidos, Israel e Alemanha. A área acadêmica também tem crescido muito, com 
diversos estudos sobre a implementação prática de novas tecnologias a partir de redes neurais, 
em diferentes campos de atuação. O processo de conexão entre neurônios artificiais leva à 
geração de sinapses e à construção de redes neurais artificiais. As estruturas mais conhecidas 
são organizadas em camadas, nas quais a saída de cada neurônio de uma camada precedente 
serve de entrada para todos os neurônios da camada seguinte. Imagine que você é um 
pesquisador na área de redes neurais e acaba de receber uma bolsa de estudos de doutorado 
em uma grande universidade fora do país. Sua pesquisa principal consiste no processo de 
conexão de neurônios artificiais. Seu orientador pediu alguns complementos à pesquisa. Diante 
deste cenário, marque a opção correta sobre o que é preciso ter em mente para estabelecer a 
função matemática da qual deriva a rede neural perceptron? 
 
 
 
 
a. 
Inicialmente, é preciso ter em mente a função matemática da qual deriva a rede neural SOM. 
Para isso, é necessário interligar um perceptron (Px) a outro SOM, formando duas camadas, ou 
seja, uma rede artificial perceptron de multicamadas (MP). Todavia, os perceptrons não são iguais 
entre si. Devido a isso, é preciso uma função de ativação, já que as entradas das sinapses podem 
ser de N tipos. Assim, são obtidos os dados: (S) = Somatório, (n) = Função de ativação, (Px) = 
Perceptron X (Py) = Perceptron Y (P) = Perceptron = (S) ｛wij . ai｝ -> Há uma camada 
(perceptron) (MLP) = Px + Py = n (S {wij . ai}) -> Há duas camadas (MLP) Com isso, é formada 
uma ligação da unidade i para a unidade j, respectivamente, com cada um dos perceptrons (Px + 
Py), criando, assim, a ativação ai de i para j, sendo que cada ligação MLP terá um peso numérico 
wij associado a ele, que, por sua vez, determinará o sinal de conexão entre as unidades. Logo, a 
função de ativação de cada sinapse (n) multiplicará as funções de somatórios dos perceptrons, 
criando uma rede artificial MLP baseada na conexão de dois neurônios (Px e Py). 
 
 
 
 
b. 
Inicialmente, é preciso ter em mente a função matemática da qual deriva a rede neural 
perceptron. Para isso, é necessário interligar um perceptron (Px) a outro perceptron (Px), 
formando duas camadas, ou seja, uma rede artificial perceptron de multicamadas (RBM). Todavia, 
os perceptrons não são iguais entre si. Devido a isso, é preciso uma função de ativação, já que as 
entradas das sinapses podem ser de N tipos. Assim, são obtidos os dados: (A) = Subtração, (n) = 
Função de ativação, (Px) = Perceptron X (Py) = Perceptron Y (P) = Função de ativação = (S) ｛wij 
. ai｝ -> Há uma camada (perceptron) (MLP) = Px + Py = n (S {wij . ai}) -> Há duas camadas 
(MLP) Com isso, é formada uma ligação da unidade i para a unidade j, respectivamente, com 
cada um dos perceptrons (Px + Py), criando, assim, a ativação ai de i para j, sendo que cada 
ligação MLP terá um peso numérico wij associado a ele, que, por sua vez, determinará o sinal de 
conexão entre as unidades. Logo, a função de ativação de cada sinapse (n) multiplicará as 
funções de somatórios dos perceptrons, criando uma rede artificial MLP baseada na conexão de 
dois neurônios (Px e Py). 
 
 
 
 
c. 
Inicialmente, é preciso ter em mente a função matemática da qual deriva a rede neural 
perceptron. Para isso, é necessário interligar um perceptron (Px) a outro perceptron (Py), 
formando duas camadas, ou seja, uma rede artificial perceptron de multicamadas (MLP). Todavia, 
os perceptrons não são iguais entre si. Devido a isso, é preciso uma função de ativação, já que as 
entradas das sinapses podem ser de N tipos. Assim, são obtidos os dados: (S) = Somatório, (n) = 
Função de ativação, (Sx) = SOM X (So) = SOM Y (P) = Perceptron = (S) ｛wij . ai｝ -> Há uma 
camada (perceptron) (MLP) = Px + Py = n (S {wij . ai}) -> Há duas camadas (MLP) Com isso, é 
formada uma ligação da unidade i para a unidade j, respectivamente, com cada um dos 
perceptrons (Px + Py), criando, assim, a ativação ai de i para j, sendo que cada ligação MLP terá 
um peso numérico wij associado a ele, que, por sua vez, determinará o sinal de conexão entre as 
unidades. Logo, a função de ativação de cada sinapse (n) dividirá as funções de somatórios dos 
perceptrons, criando uma rede artificial MLP baseada na conexão de dois neurônios (Px e Py). 
 
 
 
 
d. 
Inicialmente, é preciso ter em mente a função matemática da qual deriva a rede neural 
perceptron. Para isso, é necessário interligar um perceptron (Px) a outro Sparse AE (SAE), 
formando três camadas, ou seja, uma rede artificial perceptron de multicamadas (MLP). Os 
perceptrons não são iguais entre si. Devido a isso, é preciso uma função de ativação, já que as 
entradas das sinapses podem ser de N tipos. Assim, são obtidos os dados: (S) = Somatório, (n) = 
Função de ativação, (Px) = Perceptron X (Py) = Perceptron Y (P) = Perceptron = (S) ｛wij . ai｝ -> 
Há uma camada (perceptron) (MLP) = Px + Py = n (S {wij . ai}) -> Há duas camadas (MLP) Com 
isso, é formada uma ligação da unidade i para a unidade j, respectivamente, com cada um dos 
perceptrons (Px + Py), criando, assim, a ativação ai de i para j, sendo que cada ligação MLP terá 
um peso numérico wij associado a ele, que, por sua vez, determinará o sinal de conexão entre as 
unidades. Logo, a função de ativação de cada sinapse (n) multiplicará as funções de somatórios 
dos perceptrons, criando uma rede artificial MLP baseada na conexão de dois neurônios (Px e 
Py). 
 
 
 
 
e. 
Inicialmente, é preciso ter em mente a função matemática da qual deriva a rede neural 
perceptron. Para isso, é necessário interligar um perceptron (Px) a outro perceptron (Py), 
formando duas camadas, ou seja, uma rede artificial perceptron de multicamadas (MLP). Todavia, 
os perceptrons não são iguais entre si. Devido a isso, é preciso uma função de ativação, já que as 
entradas das sinapses podem ser de N tipos. Assim, são obtidos os dados: (S) = Somatório, (n) = 
Função de ativação, (Px) = Perceptron X (Py) = Perceptron Y (P) = Perceptron = (S) ｛wij . ai｝ -> 
Há uma camada (perceptron) (MLP) = Px + Py = n (S {wij . ai}) -> Há duas camadas (MLP) Com 
isso, é formada uma ligação da unidade i para a unidade j, respectivamente, com cada um dos 
perceptrons (Px + Py), criando, assim, a ativação ai de i para j, sendo que cada ligação MLP terá 
um peso numérico wij associado a ele, que, por sua vez, determinará o sinal de conexão entre as 
unidades. Logo, a função de ativação de cada sinapse (n) multiplicará as funções de somatórios 
dos perceptrons, criando uma rede artificial MLP baseada na conexão de dois neurônios (Px e 
Py). 
 
Python é uma linguagem de programação amplamente difundida, utilizada por diversas empresas 
na criação de soluções tecnológicas robustas, desde sistemas embutidos até sistemas 
distribuídos oriundos de diversos tipos de plataformas. Diante disso, imagine a seguinte situação: 
Você é um programador, contratado por uma empresa que pesquisa novas tecnologias com base 
em estruturas de dados e linguagem Python. Tendo o conhecimento de que algumas estruturas 
de dados podem ser combinadas a partir da linguagem Python para criaçãode sistemas 
dinâmicos, você ficou responsável por elaborar um cadastro com entrada e saída de estudantes, 
visando a alocá-los em determinadas universidades de acordo com a nota deles no vestibular. 
Dado o contexto apresentado, qual estrutura de dados poderia ser utilizada, a partir da linguagem 
Python, para implementar um cadastro dinâmico de estudantes? 
 
 
a. 
Tendo em vista o objetivo, que é alocar os estudantes conforme a nota no vestibular, é necessário 
utilizar uma estrutura de dados tipo lista. Assim, é possível pensar inicialmente em uma fila, tendo 
em vista que, na estrutura de dados de listas, os processos são executados em um sistema 
operacional (fila). Porém, isso, por si só, não garante a adequação dos alunos nas universidades 
conforme as notas que obtiveram. Então, será necessário utilizar os ponteiros, oriundos das 
estruturas de dados de pilha, que, por sua vez, estarão dentro de uma fila. Assim sendo, garante-
se que, conforme os alunos entrem na Pilha, os primeiros que entrarem serão alocados nas 
respectivas universidades, obedecendo ao apontamento do ponteiro, que deverá conter a lógica 
de alocação, conforme a nota que o aluno obtiver. 
b. 
Tendo em vista o objetivo, que é alocar os estudantes conforme a nota no vestibular, é necessário 
utilizar uma estrutura de dados estática. Assim, é possível pensar inicialmente em uma fila, tendo 
em vista que, na estrutura de dados de fila, o último a entrar será o primeiro a sair (Fifa). Porém, 
isso, por si só, não garante a adequação dos alunos nas universidades conforme as notas que 
obtiveram. Então, será necessário utilizar os ponteiros, oriundos das estruturas de dados de lista, 
que, por sua vez, estarão dentro de uma pilha. Assim sendo, garante-se que, conforme os alunos 
entrem na Fila, os primeiros que entrarem serão alocados nas respectivas universidades, 
obedecendo ao apontamento do ponteiro, que deverá conter a lógica de alocação, conforme a 
nota que o aluno obtiver. 
c. 
Tendo em vista o objetivo, que é alocar os estudantes conforme a nota no vestibular, é necessário 
utilizar uma estrutura de dados de grafos. Assim, é possível pensar inicialmente em conexões, 
tendo em vista que, na estrutura de dados de fila, o primeiro a entrar será o primeiro a sair (Fifo). 
Porém, isso, por si só, não garante a adequação dos alunos nas universidades conforme as notas 
que obtiveram. Então, será necessário utilizar os aplicativos de pesquisa com entrada constante 
de dados, oriundos das estruturas de dados de lista, que, por sua vez, estarão dentro de uma fila. 
Assim sendo, garante-se que, conforme os alunos entrem na Fila, os primeiros que entrarem 
serão alocados nas respectivas universidades, obedecendo ao apontamento do ponteiro, que 
deverá conter a lógica de alocação, conforme a nota que o aluno obtiver. 
d. 
Tendo em vista o objetivo, que é alocar os estudantes conforme a nota no vestibular, é necessário 
utilizar uma estrutura de dados dinâmica. Assim, é possível pensar inicialmente em algoritmos de 
compactação de dados, tendo em vista que, na estrutura de dados de pilha, o primeiro a entrar 
será o primeiro a sair (Fifo). Porém, isso, por si só, não garante a adequação dos alunos nas 
universidades conforme as notas que obtiveram. Então, será necessário utilizar os ponteiros, 
oriundos das estruturas de dados de lista, que, por sua vez, estarão dentro de uma fila. Assim 
sendo, garante-se que, conforme os alunos entrem na Fila, os primeiros que entrarem serão 
alocados nas respectivas universidades, obedecendo ao apontamento do ponteiro, que deverá 
conter a lógica de alocação, conforme a nota que o aluno obtiver. 
e. 
Tendo em vista o objetivo, que é alocar os estudantes conforme a nota no vestibular, é necessário 
utilizar uma estrutura de dados dinâmica. Assim, é possível pensar inicialmente em uma fila, 
tendo em vista que, na estrutura de dados de fila, o primeiro a entrar será o primeiro a sair (Fifo). 
Porém, isso, por si só, não garante a adequação dos alunos nas universidades conforme as notas 
que obtiveram. Então, será necessário utilizar os ponteiros, oriundos das estruturas de dados de 
lista, que, por sua vez, estarão dentro de uma fila. Assim sendo, garante-se que, conforme os 
alunos entrem na Fila, os primeiros que entrarem serão alocados nas respectivas universidades, 
obedecendo ao apontamento do ponteiro, que deverá conter a lógica de alocação, conforme a 
nota que o aluno obtiver