Logo Passei Direto
Buscar

Inteligência Artificial

Outros
Questão 1/10 - Inteligência Artificial Aplicada
“Criada nos anos 1960, a tecnologia que usa computadores e algoritmos para reconhecer rostos humanos ganhou escala há pelo menos uma década, muito graças ao avanço das redes sociais e da internet. Com milhares de pessoas disponibilizando voluntariamente suas fotos na internet, existe hoje um banco de dados com bilhões de imagens que servem para treinar redes de inteligência artificial a detectar e reconhecer rostos.”
Disponível em . Acesso em 19/04/2021
Apesar de ter sido criada na década de 60, a tecnologia de reconhecimento facial somente veio ser aplicada de fato e em larga escala nos tempos atuais. Dentre os motivos para que essa tecnologia não tenha sido melhor explorada na décadas passadas, podemos destacar como um fator de grande peso:
Nota: 10.0
A a ausência de interesse em pesquisas
B os erros contidos nos métodos de reconhecimento
C não existir fotografia digital na época
D a baixa capacidade de armazenamento e processamento
E nenhuma das anteriores

A a ausência de interesse em pesquisas
B os erros contidos nos métodos de reconhecimento
C não existir fotografia digital na época
D a baixa capacidade de armazenamento e processamento
E nenhuma das anteriores
User badge image
Progresso com Exercícios

ano passado

User badge image
Progresso com Exercícios

ano passado

Prática objetiva 1 Inteligencia Artificial
7 pág.

Prática objetiva 1 Inteligencia Artificial

Respostas

User badge image

Ed Verified user icon

há 6 meses

Para responder à pergunta sobre os motivos pelos quais a tecnologia de reconhecimento facial não foi melhor explorada nas décadas passadas, vamos analisar cada alternativa: A) A ausência de interesse em pesquisas - Embora possa ter havido um interesse limitado, não é o principal fator que impede o desenvolvimento da tecnologia. B) Os erros contidos nos métodos de reconhecimento - Isso pode ter sido um problema, mas não é o fator mais significativo que limitou a aplicação da tecnologia. C) Não existir fotografia digital na época - Embora a fotografia digital tenha facilitado o uso de imagens, a tecnologia de reconhecimento facial também poderia ter sido aplicada a fotografias analógicas, embora com mais dificuldade. D) A baixa capacidade de armazenamento e processamento - Este é um fator crucial, pois as tecnologias de computação e armazenamento de dados nas décadas passadas eram limitadas, o que dificultava o processamento de grandes volumes de dados necessários para o reconhecimento facial. E) Nenhuma das anteriores - Esta opção não se aplica, pois já identificamos um fator relevante. Analisando as alternativas, a resposta mais adequada é: D) a baixa capacidade de armazenamento e processamento.

Essa resposta te ajudou?

0
Dislike0
left-side-bubbles-backgroundright-side-bubbles-background

Crie sua conta grátis para liberar essa resposta. 🤩

Já tem uma conta?

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

User badge image

Ed Verified user icon

ano passado

Analisando as opções apresentadas: A) A ausência de interesse em pesquisas - Não foi a falta de interesse em pesquisas que impediu o avanço da tecnologia de reconhecimento facial. B) Os erros contidos nos métodos de reconhecimento - Embora os erros nos métodos de reconhecimento possam ter sido um obstáculo, não foi o principal motivo para a limitação da tecnologia. C) Não existir fotografia digital na época - Este fator foi uma limitação real, pois a tecnologia de reconhecimento facial depende de imagens digitais para funcionar. D) A baixa capacidade de armazenamento e processamento - A capacidade limitada de armazenamento e processamento de dados certamente foi um dos principais motivos que impediram o avanço da tecnologia de reconhecimento facial. Portanto, a opção correta é: D) a baixa capacidade de armazenamento e processamento.

Essa resposta te ajudou?

0
Dislike0

Ainda com dúvidas?

Envie uma pergunta e tenha sua dúvida de estudo respondida!

Essa pergunta também está no material:

Prática objetiva 1 Inteligencia Artificial
7 pág.

Prática objetiva 1 Inteligencia Artificial

Mais perguntas desse material

Questão 1/10 - Inteligência Artificial Aplicada
“Criada nos anos 1960, a tecnologia que usa computadores e algoritmos para reconhecer rostos humanos ganhou escala há pelo menos uma década, muito graças ao avanço das redes sociais e da internet. Com milhares de pessoas disponibilizando voluntariamente suas fotos na internet, existe hoje um banco de dados com bilhões de imagens que servem para treinar redes de inteligência artificial a detectar e reconhecer rostos.”
Disponível em . Acesso em 19/04/2021
Apesar de ter sido criada na década de 60, a tecnologia de reconhecimento facial somente veio ser aplicada de fato e em larga escala nos tempos atuais. Dentre os motivos para que essa tecnologia não tenha sido melhor explorada na décadas passadas, podemos destacar como um fator de grande peso:
Nota: 10.0
A a ausência de interesse em pesquisas
B os erros contidos nos métodos de reconhecimento
C não existir fotografia digital na época
D a baixa capacidade de armazenamento e processamento
E nenhuma das anteriores

A a ausência de interesse em pesquisas
B os erros contidos nos métodos de reconhecimento
C não existir fotografia digital na época
D a baixa capacidade de armazenamento e processamento
E nenhuma das anteriores

Questão 2/10 - Inteligência Artificial Aplicada
Você necessita executar o treinamento de um modelo de aprendizagem, porém a quantidade de dados disponíveis é muito pequena e não há como obter novos dados.
Valendo-se dos seus conhecimento de aprendizagem de máquina, para conseguir executar o treinamento do modelo você deverá:
Nota: 10.0
A utilizar uma estratégia de validação cruzada
B utilizar os dados na proporção 80-20
C utilizar os dados na proporção 50-50
D treinar e testar com os mesmos dados
E utilizar todos os dados para treino e não testar

A utilizar uma estratégia de validação cruzada
B utilizar os dados na proporção 80-20
C utilizar os dados na proporção 50-50
D treinar e testar com os mesmos dados
E utilizar todos os dados para treino e não testar

Questão 3/10 - Inteligência Artificial Aplicada
“Após a extração e seleção de atributos, os vetores de atributos servem como entradas para os métodos de aprendizagem de máquina. Esses métodos utilizam as informações fornecidas para criar um conhecimento sobre como os dados fornecidos estão organizados e distribuídos. A escolha do método que será utilizado, assim como no caso dos atributos, depende do problema.” (Material impresso da Aula 1 – Tema 4).
Sobre tipos de aprendizagem é correto afirmar:
Nota: 10.0
A Aprendizagem supervisionada é aquela que se assemelha a escolha de uma caminho em grafos. Sempre que fazemos uma busca em profundidade se obtém a completitude ótima
B Machine Learning pode ser compreendida como um conjunto de técnicas ou métodos que permitem às máquinas aprender por meio da visão computacional.
C A aprendizagem por reforço é um tipo de machine learning voltado a redes neureais naturais baseadas no Perceptron de Rosemblatt.
D Os métodos de aprendizagem supervisionada são aqueles cujos dados fornecidos para o processo de aprendizagem e incluem exemplos com a identificação da solução desejada

A Aprendizagem supervisionada é aquela que se assemelha a escolha de uma caminho em grafos. Sempre que fazemos uma busca em profundidade se obtém a completitude ótima
B Machine Learning pode ser compreendida como um conjunto de técnicas ou métodos que permitem às máquinas aprender por meio da visão computacional.
C A aprendizagem por reforço é um tipo de machine learning voltado a redes neureais naturais baseadas no Perceptron de Rosemblatt.
D Os métodos de aprendizagem supervisionada são aqueles cujos dados fornecidos para o processo de aprendizagem e incluem exemplos com a identificação da solução desejada

Questão 4/10 - Inteligência Artificial Aplicada
A figura acima mostra um modelo de árvore de decisão aplicado a um conjunto de dados.
Valendo-se dos seus conhecimentos de aprendizagem de máquina e de modelos de árvores de decisão, podemos afirmar que o campo samples na raiz e nas folhas indicam respectivamente:
Nota: 10.0
A o total de amostras do conjunto e o total de amostras de um agrupamento final
B o total de amostras do conjunto e o total de amostras de uma classe
C o total de amostras de treino e o total de amostras de uma classe
D metade das amostras do conjunto e o total de amostras de uma classe
E o total de amostras que o modelo suporta e o total de amostras de uma classe

A o total de amostras do conjunto e o total de amostras de um agrupamento final
B o total de amostras do conjunto e o total de amostras de uma classe

Questão 6/10 - Inteligência Artificial Aplicada
A figura acima mostra um modelo de árvore de decisão aplicado a um conjunto de dados.
Valendo-se dos seus conhecimentos de aprendizagem de máquina e de modelos de árvores de decisão, podemos afirmar que o modelo foi treinado para classificar um total de :
Nota: 10.0
A 4 classes
B 5 classes
C 1 classe
D 3 classes
E 2 classes

A 4 classes
B 5 classes
C 1 classe
D 3 classes
E 2 classes

Questão 7/10 - Inteligência Artificial Aplicada
“Machine Learning atualmente é considerada como uma subárea da Inteligência Artificial, e nós devemos diferenciá-la dos métodos de Inteligência Artificial (IA) que lidam com problemas de busca, agentes inteligentes e resolução de problemas, como por exemplo fazer com que o computador consiga definir a melhor jogada em uma partida de xadrez ou encontrar a saída de um labirinto.” (Material impresso da Aula 1 – Tema 2).
Sobre ML é correto afirmar:
Nota: 10.0
A
Uma grande vantagem dos métodos de Machine Learning é que o processo de aprendizagem pode ser automatizado à medida que novos exemplos são identificados e apresentados ao algoritmo.
B
Machine Learning pode ser compreendida como um conjunto de técnicas ou métodos que permitem às máquinas obter a capacidade de raciocínio líquido, utilizando o conhecimento armazenado, permitindo novas conclusões, durante a comunicação.

A
Uma grande vantagem dos métodos de Machine Learning é que o processo de aprendizagem pode ser automatizado à medida que novos exemplos são identificados e apresentados ao algoritmo.
B
Machine Learning pode ser compreendida como um conjunto de técnicas ou métodos que permitem às máquinas obter a capacidade de raciocínio líquido, utilizando o conhecimento armazenado, permitindo novas conclusões, durante a comunicação.

Quais seriam alguns requisitos e capacidades que a máquina que aprovada por este teste deveria possuir?

A Uma entidade interage com um entrevistador, então será necessário que a entidade se manifeste de maneira palpável e produzidas por um humano que passaria no teste.
B Um entrevistador interage com uma entidade, um computador. Assim este computador deve possuir visão tridimensional ajustada para conseguir distinguir se estas respostas foram produzidas por um humano ou por um computador, o computador passaria no teste.
C Um computador interage com um entrevistador, desta forma, este computador deve ser capaz de é capacidade de raciocínio líquido, utilizando o conhecimento armazenado, permitindo novas conclusões, durante a comunicação.
D Um entrevistador interage com uma máquina, está máquina deve, então, demonstrar capacidade visualize, visão computacional para perceber objetos é também uma outra característica importante de um computador que passaria no teste.

Questão 2/10 - Inteligência Artificial Aplicada
Você necessita executar o treinamento de um modelo de aprendizagem, porém a quantidade de dados disponíveis é muito pequena e não há como obter novos dados.
Valendo-se dos seus conhecimento de aprendizagem de máquina, para conseguir executar o treinamento do modelo você deverá:
Nota: 10.0
A utilizar uma estratégia de validação cruzada
B utilizar os dados na proporção 80-20
C utilizar os dados na proporção 50-50
D treinar e testar com os mesmos dados
E utilizar todos os dados para treino e não testar

A utilizar uma estratégia de validação cruzada
B utilizar os dados na proporção 80-20
C utilizar os dados na proporção 50-50
D treinar e testar com os mesmos dados
E utilizar todos os dados para treino e não testar

Questão 4/10 - Inteligência Artificial Aplicada
A figura acima mostra um modelo de árvore de decisão aplicado a um conjunto de dados.
Valendo-se dos seus conhecimentos de aprendizagem de máquina e de modelos de árvores de decisão, podemos afirmar que o campo samples na raiz e nas folhas indicam respectivamente:
Nota: 10.0
A o total de amostras do conjunto e o total de amostras de um agrupamento final
B o total de amostras do conjunto e o total de amostras de uma classe
C o total de amostras de treino e o total de amostras de uma classe
D metade das amostras do conjunto e o total de amostras de uma classe
E o total de amostras que o modelo suporta e o total de amostras de uma classe

A o total de amostras do conjunto e o total de amostras de um agrupamento final
B o total de amostras do conjunto e o total de amostras de uma classe

Mais conteúdos dessa disciplina