AOL 3 MARCHINE

Prévia do material em texto

15/10/2026, 16:32 Impressão da prova Informações da avaliação NICOLAS ROSAS MAGALHAES 47636581 Módulo A 5096 7 Machine Learning D1.20262.A AOL3 20/07/2026 08:00:00 (Finalizado) Sala Online / Andar Online / Prédio Online / Polo Online i Legenda Discursiva Objetiva Total: 6.00 10.00 Questão 1 Código 235394 1.00 1.00 Enunciado As Deep Learning são usualmente utilizadas para resolver problema de treinamento de redes neurais artificiais. Elas necessitam de muitos dados para serem treinadas e, com isso, aprenderem as características de forma hierárquica, não precisando mais de um humano para selecionar as características que formarão seu modelo de aprendizado. Considerando essas informações e o conteúdo estudado sobre Deep Learning, pode-se afirmar que uma de suas atividades executadas está relacionada à: >b)Síntese e reconhecimento de fala. Alternativa marcada b) Síntese e reconhecimento de fala. Justificativa iii Questão 2 Código 235396 1.00 1.00 Enunciado Existem três tipos de arquiteturas de Deep Learning. A primeira arquitetura é a Feed-Forward, muito utilizada em redes multicamadas, como as redes convolutivas. A segunda, Feed-Back, é frequentemente usada nas redes Stacked Sparse Coding. E a terceira, Bi-Directional, é utilizada em Deep Bolzmann e Autoencoders. Essas arquiteturas operam em diferentes tipos de treinamento, como o supervisionado e o não supervisionado. Considerando essas informações e o conteúdo estudado sobre protocolo "puramente supervisionado", pode-se afirmar, em relação a este protocolo, que: >d) Tem inicialização de parâmetros de maneira aleatória, utiliza tipicamente o método do gradiente descendente e backpropagation. Alternativa marcada d) Tem inicialização de parâmetros de maneira aleatória, utiliza tipicamente método do gradiente descendente e backpropagation. Justificativa 1/415/10/2026, 16:32 Impressão da prova Questão 3 Código 235400 1.00 1.00 Enunciado Leia o excerto a seguir:"A principal diferença entre Machine Learning tradicional, que utiliza algoritmos não supervisionados, e Deep Learning é método utilizado para extração de características relevantes para a classificação. Na abordagem tradicional, um programador faz a engenharia de forma manual, determinando quais são as características relevantes para que um certo tipo de dado seja diferenciado das outras possíveis classes. "Fonte: RAMOS, T. Deep Learning. Acesso em: 18 out. 2019. (Adaptado). Considerando essas informações e sobre Deep Learning, pode-se afirmar que ele se caracteriza por apresentar: >d)Um método de extração de características feito de forma automática. Alternativa marcada d) Um método de extração de características feito de forma automática. Justificativa Questão 4 Código 235402 0.00 / 1.00 Enunciado Existem diversos estudos que se dedicam a demonstrar o porquê de as redes profundas serem melhores que as redes simples, tomando como partida o teorema da aproximação. Este teorema gerou resultados mais refinados em comparação com o teorema de hierarquia de profundidade em complexidade de circuitos. Considerando essas informações e o conteúdo estudado sobre redes neurais, pode-se afirmar que: >c) Trata-se de uma função com diversas entradas e uma saída. Sua tarefa é pegar todos os números de sua entrada, executar uma função neles e enviar resultado para a saída. Alternativa marcada b) São usualmente utilizadas para resolver o problema de treinamento de redes neurais artificiais; elas necessitam de muitos dados para serem treinadas e, com isso, aprenderem as características de forma hierárquica. Justificativa iii Questão 5 Código 235378 1.00 1.00 Enunciado Existem três tipos de arquiteturas de Deep Learning. Essas arquiteturas operam em dois diferentes tipos de treinamento: supervisionado e não supervisionado. Neste contexto, alguns protocolos de treinamento podem ser utilizados. Considerando essas informações e o conteúdo estudado sobre aos protocolos de treinamento, analise as afirmativas a Bi-directional: Funcionam de maneira distinta das redes recorrentes, porém existe uma assimetria entre as conexões e são mais complexas de serem Puramente supervisionado: tem inicialização de parâmetros de maneira aleatória, utiliza tipicamente método do gradiente descendente e Não supervisionado e classificação no topo: Em uma camada é realizado treinamento não supervisionado. Antes são treinadas as camadas supervisionadas, mantendo as outras camadas variáveis.IV. Não supervisionado e sintonização global supervisionada: em cada camada não supervisionada é efetuado treino, uma após a outra. É adicionada uma camada de classificação e é retirada a supervisão de toda a hierarquia.Está correto apenas o que se afirma em: e IV. Alternativa marcada c) e IV. Justificativa 2/415/10/2026, 16:32 Impressão da prova Questão 6 Código 235405 1.00 1.00 Enunciado Com laços de conexão que possibilitam a persistência da informação, elas utilizam eventos passados para recalibrar suas saídas em relação a novas entradas. Podemos dizer que um sinal é enviado em um instante de tempo t, e este pode alterar o comportamento da rede em um momento t + k, em que k > São máquinas de Turing completas. Na teoria, elas podem desenvolver qualquer computação. Considerando essas informações e conteúdo estudado sobre Deep Learning, pode-se afirmar que texto faz referência ao conceito de: >d)Rede neurais recorrentes. Alternativa marcada d) Rede neurais recorrentes. Justificativa Questão 7 Código 235392 0.00 1.00 Enunciado Existem diversas técnicas que modelam essas inteligências, uma dessas áreas é chamada de Aprendizado de Máquina ou Machine Learning (ML), onde as propriedades a serem mensuradas são as características de um fenômeno, que presumem que o conjunto de dados a ser usado durante o treinamento foi previamente selecionado por um ser humano. Considerando essas informações e o conteúdo estudado sobre Deep Learning, pode-se afirmar que uma rede neural executa ações relacionadas, por exemplo: >e)À captura de imagem de entrada. Alternativa marcada c) À adoção de multicamadas. Justificativa Questão 8 Código 235379 1.00 1.00 Enunciado É um modelo de Deep Learning inspirado no córtex visual e, portanto, abrange campo da visão computacional, viabilizando o desenvolvimento de softwarescapazes de classificar e localizar objetos em imagens com dinamismo surpreendente. Considerando essas informações e conteúdo estudado sobre aos modelos de Deep Learning, pode-se afirmar que modelo ao qual trecho se refere é: >d)Redes convolucionais. Alternativa marcada d) Redes convolucionais. Justificativa 3/415/10/2026, 16:32 Impressão da prova Questão 9 Código 235390 0.00 1.00 Enunciado Leia o excerto a seguir:"Em Deep Learning, os autoencoderssão uma das várias categorias de arquitetura que podem ser utilizadas em diferentes situações, inclusive em Sistemas de Recomendação. Uma rede do tipo AE é treinada de forma não supervisionada (embora pareça supervisionada), pois não existe ou necessita de um target além das features. "Fonte: SANTANA, M. Deep Learning para sistemas de recomendação: Filtragem Colaborativa com AutoEncoders. Acesso em: 18 out. 2019. (Adaptado). Considerando essas informações e conteúdo estudado sobre autoencoders, pode-se afirmar que a variedade que usa apenas a codificação de entrada é definida como: >e)Decodificador. Alternativa marcada a) Encoder. Justificativa Questão 10 Código 235388 0.00 / 1.00 Enunciado "Há uma artilharia de satélites, radares, telescópios e supercomputadores por trás da previsão do tempo. A alta tecnologia vai muito além de saber se choverá ou fará sol. O primeiro passo é recolher as informações de temperatura, umidade, velocidade dos ventos e pressão atmosférica. "Fonte: SEVERIANO, A. Coluna mostra a tecnologia utilizada para fazer a previsão do tempo. Acesso em: 17 out. 2019. Considerando essas informações e o conteúdo estudado sobre Deep Learning, pode-se afirmar que uma importante ferramenta utilizada para a previsão do tempo é denominada de: >d)Backpropagation. Alternativa marcada a) Convolucionais. Justificativa 4/4