Ambiente Virtual de Aprendizagem

Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original

Ambiente Virtual de Aprendizagem Questão 01 Em redes neurais, a propagação para frente (Forward Propagation) é um processo fundamental que ocorre durante a fase de inferência e treinamento.  Com base nessa contextualização, responda à seguinte pergunta:  O que é Propagação para Frente (Forward Propagation) em redes neurais? A Uma técnica para reduzir a dimensionalidade dos dados de entrada. B Um método para selecionar o melhor algoritmo para o modelo. C Um processo de ajuste de dados durante o treinamento. D Um processo em que os dados retroagem nas camadas para corrigir erros. E Um processo no qual os dados passam pela rede camada por camada, da entrada até a saída. Código da questão: 84720 Questão 02 Antes de iniciar um projeto de Inteligência Artificial (IA) é fundamental realizar uma análise de viabilidade. Esta análise ajuda a determinar se o projeto pode ser executado com sucesso, considerando diversos fatores críticos.  Com base nessa contextualização, responda à seguinte pergunta:  Por que é importante realizar a análise de viabilidade antes de iniciar um projeto de IA? A Para garantir que o sistema funcione exclusivamente em dispositivos locais. B Para garantir que os algoritmos de IA funcionem automaticamente. C Para avaliar o impacto ambiental do projeto. D Para verificar se há dados suficientes, tecnologia disponível, orçamento e tempo para o projeto. E Para assegurar que os programadores tenham acesso ao software mais recente. Código da questão: 84726 Questão 03 Modelos de Inteligência Artificial (IA) podem ser vulneráveis a ataques adversariais, em que entradas maliciosas são criadas para enganar o modelo e causar previsões incorretas. Proteger esses modelos contra tais ataques é crucial para garantir a segurança e a integridade das aplicações de IA.  Com base nessa contextualização, responda à seguinte pergunta:  Como uma empresa pode proteger um modelo de IA contra ataques adversariais? A Usando algoritmos mais simples que são menos propensos a ataques. B Substituindo os dados do modelo com dados sintéticos gerados por GANs. C Utilizando redes neurais menos complexas. D Limitando o acesso ao modelo apenas a usuários autenticados. E Implementando treinamento adversarial e detectando anomalias nos dados de entrada. Código da questão: 84727 Questão 04 No contexto de gerenciamento de projetos e análise de desempenho, é essencial utilizar métricas que permitam avaliar o progresso e o sucesso das iniciativas. Uma dessas métricas é conhecida como KPI, que desempenha um papel crucial na medição de resultados e na tomada de decisões estratégicas.  Com base nessa contextualização, responda à seguinte pergunta:  O que é um KPI? A Uma ferramenta de análise preditiva. B Um método de coleta de dados. C Um indicador-chave de desempenho. D Um sistema de segurança de dados. E Um tipo de rede neural. Código da questão: 84724 Questão 05 Para o sucesso de projetos de Inteligência Artificial (IA) é crucial ter acesso a dados de qualidade. As fontes de dados podem ser internas ou externas, e a escolha da fonte adequada depende do contexto e dos objetivos do projeto. Com base nessa contextualização, responda à seguinte pergunta:  Qual das seguintes alternativas é uma fonte interna comum de dados para projetos de IA? A Redes sociais. B Bases de dados públicas. C Bancos de dados corporativos. D APIs públicas. E Sensores IoT internos. Código da questão: 84725 Questão 06 Machine Learning e Deep Learning são subcampos da Inteligência Artificial (IA) que têm revolucionado diversas áreas, desde a visão computacional até o processamento de linguagem natural. Embora ambos envolvam o uso de algoritmos para aprendizado a partir de dados, eles diferem em suas abordagens e complexidade.  Com base nessa contextualização, responda à seguinte pergunta:  Qual é a principal diferença entre Machine Learning e Deep Learning? A Machine Learning é usado apenas para tarefas de classificação, enquanto Deep Learning é usado para tarefas de regressão. B Machine Learning lida com grandes volumes de dados, enquanto Deep Learning lida apenas com dados estruturados. C Machine Learning usa algoritmos estatísticos simples, enquanto Deep Learning utiliza redes neurais profundas. D Machine Learning é supervisionado, e Deep Learning não supervisionado. E Machine Learning é uma técnica mais avançada do que Deep Learning. Código da questão: 84721 Questão 07 Em projetos de Inteligência Artificial (IA), a preparação adequada dos dados é fundamental para garantir o desempenho e a precisão dos modelos, de modo que uma das etapas importantes na preparação dos dados é a normalização.  Com base nessa contextualização, responda à seguinte pergunta: O que é normalização de dados em IA? A O ajuste dos dados para que estejam em uma escala comum. B O processo de remover dados duplicados. C A limpeza dos dados para remover outliers. D A transformação de dados categóricos em numéricos. E A conversão de dados de texto em imagens. Código da questão: 84729 Questão 08 Deep Learning é uma área emergente dentro da Inteligência Artificial (IA) que tem revolucionado diversos campos, como visão computacional, processamento de linguagem natural e reconhecimento de fala.  Com base nessa contextualização, responda à seguinte pergunta:  O que é Deep Learning? A Um subconjunto da Inteligência Artificial que utiliza redes neurais complexas para processar dados. B Um algoritmo utilizado apenas para otimizar tarefas financeiras. C Uma abordagem que depende exclusivamente de algoritmos genéticos para aprendizado. D Um subconjunto do Machine Learning que utiliza redes neurais profundas para modelar padrões complexos. E Uma técnica que substitui redes neurais pelo processamento tradicional de dados. Código da questão: 84718 Questão 09 A Inteligência Artificial (IA) é um campo vasto e interdisciplinar que abrange diversas áreas de estudo e aplicação. Algumas dessas áreas são diretamente relacionadas ao desenvolvimento de sistemas inteligentes que podem aprender, raciocinar e tomar decisões.  Com base nessa contextualização, responda à seguinte pergunta:  Qual das áreas abaixo faz parte da IA? A Educação. B Redes Neurais. C Engenharia Civil. D Biologia Molecular. E Astronomia. Código da questão: 84715 Questão 10 A história da Inteligência Artificial (IA) teve períodos de grande entusiasmo e também de desilusão. Um desses períodos de desilusão é conhecido como o "grande inverno da IA". Durante esse tempo, as expectativas em relação ao progresso da IA não foram cumpridas, levando a consequências significativas para a área.  Com base nessa contextualização, responda à seguinte pergunta:  Durante o "grande inverno da IA", o que ocorreu com as pesquisas na área? A O financiamento e o entusiasmo pela IA aumentaram exponencialmente. B A IA passou a ser utilizada apenas no setor de finanças. C A IA tornou-se amplamente utilizada em diversas indústrias. D As pesquisas em IA se concentraram exclusivamente em robótica. E Houve uma estagnação nas pesquisas, com financiamento reduzido e muitos projetos abandonados. Código da questão: 84716