Revisão da tentativa _ POSEAD 3

Prévia do material em texto

Situação Finalizada
Iniciado quinta-feira, 6 nov. 2025, 08:06
Concluído quinta-feira, 6 nov. 2025, 08:20
Duração 13 minutos 54 segundos
Nota 6.00 de um máximo de 6.00(100%)
Questão 1
Completo
Atingiu 0.60 de 0.60
O modo colapso é um problema comum no treinamento de GANs, onde o gerador
começa a produzir apenas um conjunto limitado de outputs. Isso ocorre quando o
gerador encontra uma saída que o discriminador não consegue distinguir como
falsa, levando-o a repetir essa saída continuamente. Esse problema reduz a
diversidade dos dados gerados, prejudicando a eficácia e a aplicabilidade das
GANs.
O que é um modo colapso em GANs?
a. Quando o gerador produz apenas um conjunto limitado de outputs.
b. Quando o gerador falha em criar dados sintéticos.
c. Quando ambos os modelos param de treinar.
d. Quando o discriminador não consegue distinguir entre real e falso.
e. Quando há falta de dados para o treinamento.
Sua resposta está correta.
06/11/25, 08:20 CLIQUE AQUI PARA REALIZAR A PROVA CURRICULAR - VALOR 6,0 PONTOS: Revisão da tentativa | POSEAD
https://moodleposead.unifatecie.edu.br/mod/quiz/review.php?attempt=173990&cmid=393309 1/6
Questão 2
Completo
Atingiu 0.60 de 0.60
Questão 3
Completo
Atingiu 0.60 de 0.60
As GANs têm sido utilizadas na produção de vídeos realistas para filmes e jogos. A
capacidade de criar animações e personagens digitais realistas revoluciona a
indústria do entretenimento, permitindo a criação de novos conteúdos de alta
qualidade.
Para que são utilizadas as GANs na indústria do entretenimento?
a. Reconhecimento de fala.
b. Análise de séries temporais.
c. Produção de vídeos realistas para filmes e jogos.
d. Redução de dimensionalidade.
e. Tradução automática.
Sua resposta está correta.
As Generative Adversarial Networks (GANs) são uma das técnicas mais inovadoras
na geração de dados sintéticos. Introduzidas por Ian Goodfellow e seus colegas em
2014, as GANs têm a capacidade de criar novos dados a partir de um conjunto
existente, o que é crucial para muitas aplicações de inteligência artificial. A técnica
funciona com duas redes neurais, uma geradora e uma discriminadora, que
competem entre si em um processo conhecido como aprendizado adversarial. Este
avanço tem permitido progressos notáveis na criação de imagens, vídeos e até
textos sintéticos.
Quem introduziu as GANs e em que ano?
a. Yann LeCun, 2010.
b. Geoffrey Hinton, 2006.
c. Andrew Ng, 2012.
d. Ian Goodfellow, 2014.
e. Fei-Fei Li, 2016.
Sua resposta está correta.
06/11/25, 08:20 CLIQUE AQUI PARA REALIZAR A PROVA CURRICULAR - VALOR 6,0 PONTOS: Revisão da tentativa | POSEAD
https://moodleposead.unifatecie.edu.br/mod/quiz/review.php?attempt=173990&cmid=393309 2/6
Questão 4
Completo
Atingiu 0.60 de 0.60
Questão 5
Completo
Atingiu 0.60 de 0.60
As funções de ativação são componentes essenciais das RNAs que introduzem
não-linearidade no modelo, permitindo que a rede aprenda padrões complexos nos
dados. Sem essas funções, a rede seria equivalente a uma combinação linear de
suas entradas, limitando sua capacidade de modelar relações não-lineares. Existem
várias funções de ativação usadas em RNAs, incluindo a função sigmoide, a
tangente hiperbólica (tanh) e a unidade linear retificada (ReLU).
Qual é a principal função das funções de ativação nas RNAs?
a. Melhorar a linearidade do modelo.
b. Reduzir a complexidade do modelo.
c. Armazenar dados temporariamente.
d. Introduzir não-linearidade para permitir o aprendizado de padrões
complexos.
e. Simplificar os cálculos matemáticos.
Sua resposta está correta.
As Redes Neurais Recorrentes (RNNs) são projetadas para processar dados
sequenciais, como texto e séries temporais. Elas possuem conexões recorrentes
que permitem que informações de etapas anteriores influenciem as etapas
subsequentes. Variantes como Long Short-Term Memory (LSTM) e Gated Recurrent
Unit (GRU) foram desenvolvidas para melhorar o aprendizado de dependências de
longo prazo.
O que permitem as conexões recorrentes nas RNNs?
a. Permitir que informações de etapas anteriores influenciem etapas
subsequentes.
b. Armazenar dados temporariamente.
c. Melhorar a resolução de imagens.
d. Reduzir a complexidade computacional.
e. Acelerar o treinamento da rede.
Sua resposta está correta.
06/11/25, 08:20 CLIQUE AQUI PARA REALIZAR A PROVA CURRICULAR - VALOR 6,0 PONTOS: Revisão da tentativa | POSEAD
https://moodleposead.unifatecie.edu.br/mod/quiz/review.php?attempt=173990&cmid=393309 3/6
Questão 6
Completo
Atingiu 0.60 de 0.60
Questão 7
Completo
Atingiu 0.60 de 0.60
As Redes Neurais Convolucionais (CNNs) são aplicadas em projetos de carros
autônomos, onde ajudam os veículos a reconhecer sinais de trânsito, pedestres e
outros veículos, melhorando a segurança nas estradas. A capacidade das CNNs de
identificar padrões complexos em dados visuais é crucial para a operação segura
de veículos autônomos.
Em que campo as CNNs são aplicadas para melhorar a segurança nas estradas?
a. Tradução automática.
b. Análise de séries temporais.
c. Geração de texto.
d. Processamento de linguagem natural.
e. Carros autônomos.
Sua resposta está correta.
O desenvolvimento de técnicas de aprendizado auto-supervisionado permitiu a
criação de modelos poderosos com menos dependência de dados rotulados, que
são caros e demorados de se obter. Nessa abordagem, modelos são treinados em
tarefas onde eles aprendem a prever partes dos dados a partir de outras partes,
utilizando grandes volumes de dados não rotulados.
Qual é a vantagem do aprendizado auto-supervisionado?
a. Ajustar pesos dos modelos de maneira estática.
b. Melhorar a linearidade dos modelos.
c. Armazenar dados temporariamente.
d. Aumentar a dimensionalidade dos dados.
e. Reduzir a dependência de dados rotulados caros e demorados de se obter.
Sua resposta está correta.
06/11/25, 08:20 CLIQUE AQUI PARA REALIZAR A PROVA CURRICULAR - VALOR 6,0 PONTOS: Revisão da tentativa | POSEAD
https://moodleposead.unifatecie.edu.br/mod/quiz/review.php?attempt=173990&cmid=393309 4/6
Questão 8
Completo
Atingiu 0.60 de 0.60
Questão 9
Completo
Atingiu 0.60 de 0.60
As Redes Neurais Convolucionais (CNNs) são projetadas para processar dados
estruturados em grades, como imagens. Elas utilizam camadas convolucionais que
aplicam filtros para extrair características espaciais hierárquicas, como bordas,
texturas e objetos. As CNNs são compostas por camadas convolucionais, camadas
de pooling e camadas totalmente conectadas.
Para que são usadas as camadas convolucionais nas CNNs?
a. Armazenar dados temporariamente.
b. Aplicar filtros para extrair características espaciais hierárquicas.
c. Eliminar ruídos dos dados de entrada.
d. Reduzir o tamanho dos dados de entrada.
e. Conectar todas as camadas da rede.
Sua resposta está correta.
As Redes Neurais Convolucionais (CNNs) utilizam camadas de pooling para reduzir
a dimensionalidade dos mapas de características, mantendo a informação
essencial e reduzindo a carga computacional. As camadas de pooling ajudam a
extrair características mais robustas e invariantes a translações.
Qual é o principal objetivo das camadas de pooling nas CNNs
a. Aumentar a dimensionalidade dos dados.
b. Reduzir a dimensionalidade dos mapas de características.
c. Armazenar dados temporariamente.
d. Distinguir entre dados reais e gerados.
e. Melhorar a linearidade do modelo.
Sua resposta está correta.
06/11/25, 08:20 CLIQUE AQUI PARA REALIZAR A PROVA CURRICULAR - VALOR 6,0 PONTOS: Revisão da tentativa | POSEAD
https://moodleposead.unifatecie.edu.br/mod/quiz/review.php?attempt=173990&cmid=393309 5/6
Questão 10
Completo
Atingiu 0.60 de 0.60
Um dos principais desafios das RNAs é o problema do gradiente desaparecido ou
explosivo. À medida que os sinais de erro são retropropagados através das
camadas da rede, eles podem diminuir exponencialmente (gradiente desaparecido)
ou aumentar exponencialmente (gradiente explosivo). Isso dificulta o treinamento
eficientede redes profundas.
O que ocorre no problema do gradiente desaparecido em RNAs?
a. Os gradientes permanecem constantes.
b. Os gradientes são resetados a cada iteração.
c. Os gradientes diminuem exponencialmente.
d. Os gradientes são ignorados.
e. Os gradientes aumentam exponencialmente.
Sua resposta está correta.
06/11/25, 08:20 CLIQUE AQUI PARA REALIZAR A PROVA CURRICULAR - VALOR 6,0 PONTOS: Revisão da tentativa | POSEAD
https://moodleposead.unifatecie.edu.br/mod/quiz/review.php?attempt=173990&cmid=393309 6/6