Baixe o app para aproveitar ainda mais
Prévia do material em texto
Página 1/3 Disciplina INTELIGÊNCIA COMPUTACIONAL Data ___/___/______ Professor Discente AVALIAÇÃO PRESENCIAL 1. O teste de Turing foi criado por Alan Turing como um meio de avaliar o sucesso ou não de uma tentativa de produzir um computador pensante. Mais especificamente, ele era baseado na ideia de que se uma pessoa interrogasse o computador e não pudesse dizer se este era um humano ou um computador, então, para todos os efeitos, conforme Turing, o computador seria inteligente. Sobre a aplicação do Teste de Turing é CORRETO que: a) Este teste consistia em avaliar a inteligência da pessoa, onde ela respondia as questões proposta pelo computador; b) Este teste consistia em avaliar o tanto que um computador era inteligente, onde ele respondia as questões de um interrogador e ao final era calculado a nota obtida. c) O interrogador, obrigatoriamente, precisa ser um sistema computacional inteligência. d) O interrogador tentava se passar com um sistema computacional inteligente. e) O computador tentava se passar por um humano. 2. Existem inúmeras situações onde podem ser utilizado aprendizagem de máquina, dependendo das possibilidades é possível utilizar a aprendizagem supervisionada ou não supervisionada, bem como qual metodologia utilizar. Sobre os possíveis cenários existentes, avalie as afirmativas a seguir: (...) Em situações onde não há base de dados para treinamento é impossível utilizar Redes Neurais Artificiais. (...) Caso eu não tenha nenhuma base de treinamento, mas sei de antemão quais classes eu quero classificar eu ainda posso utilizar aprendizado supervisionado. (...) Árvores de decisão são exclusivas para aprendizado não supervisionado. (...) O algoritmo do vizinho mais próximo utiliza uma base de treinamento (base de instâncias). (...) Aprendizado não supervisionado nunca trazem bons resultados, pois não tem como fazer treinamento. Ao avaliar as afirmativas anteriores atribuindo F para as afirmativas Falsas e V para as afirmativas Verdadeiras, a sequência obtida foi: a) F – F – F – V – F b) F – F – F – V – V c) V – F – V – F – V d) F – F – V – F – F e) V – F – F – V – V 3. Solução de problemas por meio de busca é um importante aspecto da Inteligência Artificial. Um problema pode ser considerado como consistindo em um objetivo e um conjunto de ações que podem ser praticadas para alcançar esse objetivo. Em qualquer tempo, consideramos o estado do espaço de busca para representar aonde chegamos como um resultado das ações aplicadas até então. a) Nós escolhemos um estado para iniciar nossa busca, esse é nosso estado objetivo b) Um espaço de problema também pode ser considerado como um espaço de busca. c) Ainda que a solução seja encontrada é obrigatório percorrer todo estado de busca. d) A busca é iniciada pelo estado objetivo. e) Não se sabe qual objetivo a ser alcançado antes de iniciar a busca. 4. Consideremos a situação em uma financeira de empréstimos, que possui uma base de dados de milhares de operações já realizadas, vinculando essas operações ao perfil destes clientes. Muitas dessas operações causaram prejuízos ao banco, pois os clientes foram inadimplentes, dessa maneira o banco pretende implementar um sistema que busque evitar empréstimos a clientes que possam ser inadimplentes a partir do perfil deste cliente. Vislumbrando a possibilidade de aplicar aprendizado de máquina a este sistema, considere as afirmações a seguir: (...) É possível utilizar Árvores de Decisão. (...) É possível utilizar o algoritmo do vizinho mais próximo. (...) É possível utilizar Redes Neurais (...) É possível utilizar o teorema de Bayes ou algoritmo de Naive Bayes. Página 2/3 Ao avaliar as afirmativas anteriores atribuindo F para as afirmativas Falsas e V para as afirmativas Verdadeiras, a sequência obtida foi: a) V – F – V – F b) V – V – V – V c) V – F – F – V d) F – V – F – V e) F – V – V – F 5. Redes neurais multicamadas aprendem do mesmo jeito que perceptrons simples. a diferença principal é que em uma rede multicamada, cada neurônio tem pesos associados as suas entradas e há muito mais pesos a serem ajustados quando um erro é cometido para um fragmentado de dados de treinamento. Obviamente, uma questão importante é como atribuir responsabilidade (ou crédito) aos diferentes pesos. Um método que é comumente usado é o de retropropagação. Sobre este método é CORRETO afirmar que: a) Neste processo o gradiente de erro é desconsiderado. b) O método de gradiente descendente envolve subir a superfície que representa a função de erro pelo caminho mais íngreme para tentar achar o maior no espaço de erro. c) A retopropagação só acontece uma única vez. d) Um método comum usado para melhorar o desempenho da retropropagação é incluir momentum na fórmula que é usada para modificar os pesos. e) A inclusão do valor de momentum tem o benefício de fazer com que o método de retropropagação vá em direção ao mínimo local. 6. A maioria dos problemas do mundo real não é linearmente separável e, embora perceptrons sejam um modelo interessante para estudar o modo como os neurônios artificiais podem funcionar, é necessária alguma coisa com mais capacidade. Assim, as redes neuronais artificiais consistem em um número de neurônios que são conectados geralmente organizados em camadas. As afirmações a seguir discorrem sobre as redes neurais artificial multicamadas: (...) A primeira camada da rede é chamada de camada de entrada. (...) As camadas entre a camada de entrada e camada de saída é chamada de camada oculta. (...) A camada final é a camada de saída. (...) Uma rede pode ter uma ou mais camadas ocultas. (...) Os nós da camada de entrada, geralmente, não são neurônios, mas apenas atuam na passagem dos sinais de entrada para os nós da próxima camada. Ao avaliar as afirmativas anteriores atribuindo F para as afirmativas Falsas e V para as afirmativas Verdadeiras, a sequência obtida foi: a) V – V – V – V – F b) V – V – V – F – F c) V – F – V – F – F d) V – V – V – V – V e) V – V – V – F – V 7. O algoritmo do vizinho mais próximo é um exemplo de aprendizado baseado em instância. Métodos de aprendizado baseados em instância não tentam generalizar a partir de dados de treinamento para elabora uma hipótese que combine com todos os dados de entrada, mas, em vez disso, armazenam os dados de treinamento e usam estes dados para determinar uma classificação para cada novo fragmento de dados que for encontrado. Sobre essa técnica de aprendizado de máquina é CORRETO afirmar que: a) Trata-se de uma forma de aprendizado não supervisionado. b) Ao contrário do aprendizado de árvore de decisão, o algoritmo do vizinho mais próximo tem bom desempenho com dados de entrada com ruído. c) Sua inovação é não considerar que informações mesmo próximas sejam semelhantes. d) Os dados de treinamento não são armazenados. e) Quando uma nova instância for encontrada, ela só será comparada com os vizinhos mais próximos. 8. Uma importante técnica de Aprendizado de Máquina são as Árvores de Decisão, implementada por diversos algoritmos, é uma técnica bem popular entre os profissionais da área. Sobre as árvores de decisão é INCORRETO afirmar que: a) Trata-se de uma forma de aprendizado supervisionado. b) Há uma afirmação INCORRETA entre as demais alternativas. c) Para usar uma árvore de decisão começamos pela raiz e descemos pelas ramificações da árvore. d) Uma árvore de decisão utiliza um conjunto de valores de atributos e representa uma decisão booleana. e) Trata-se de uma forma de aprendizado não – supervisionado. 9. A implementação de Aprendizagem de Máquina pode possuir diferentes abordagens de como ocorrerá a aprendizagem por parte do algoritmoou técnica utilizada, podendo ser aprendizagem supervisionada, não supervisionada ou aprendizagem por reforço. As Página 3/3 afirmativas a seguir discorrem sobre estas formas de aprendizado. (...)V O aprendizado supervisionado ocorre a partir de dados de treinamento pré-classificados. (...) F O aprendizado não supervisionado precisa de dados de treinamento pré-classificados. (...) V O aprendizado não supervisionado não utiliza dados de treinamento pré-classificados. (...) V Um sistema que use aprendizado com reforço receberá um reforço positivo ao operar corretamente e um reforço negativo ao operar incorretamente. (...) F O aprendizado por reforço também ocorre a partir de padrões encontrados em dados de treinamento pré-classificados. Ao avaliar as afirmativas anteriores atribuindo F para as afirmativas Falsas e V para as afirmativas Verdadeiras, a sequência obtida foi: a) V – F – V – V – F b) F – V – F – F – V c) V – V – F – V – F d) V – F – V – F – F e) F – V – V – V – F 10. Um algoritmo de Busca comumente utilizado é a busca em profundidade. Busca em profundidade é assim chamada por seguir cada caminho até a sua maior profundidade antes de seguir para o próximo caminho. Supondo que comecemos pelo lado esquerdo e sigamos para o lado direito, a busca em profundidade envolve descer pelo caminho mais à esquerda na árvore até a char uma folha. Se este for um estado objetivo, a busca foi concluída e será relatado sucesso. Se a folha não representar um estado objetivo, a busca retrocederá ao primeiro nó anterior que tenha um caminho não explorado. Considerando as características da busca em profundidade é INCORRETO afirmar que: a) Busca em profundidade utiliza um método chamado de retrocesso cronológico. b) Há uma afirmação INCORRETA entre as demais alternativas. c) Busca em profundidade é um exemplo de busca de força bruta. d) Caso o caminho mais a esquerda possuir muitas ramificações, a busca deixa de seguir caminhos mais direita da árvore de busca. e) Busca em profundidade é um exemplo de busca exaustiva.
Compartilhar