Vamos analisar cada uma das afirmações sobre o tópico de Treinamento de IA: ( ) A função de ativação ReLU é amplamente utilizada em redes neurais devido à sua capacidade de reduzir o problema de gradientes desaparecendo. É verdadeira (V). A função ReLU (Rectified Linear Unit) é popular porque ajuda a mitigar o problema do gradiente desaparecendo, permitindo que os modelos aprendam de forma mais eficaz. ( ) Regularização ajuda a aumentar a complexidade do modelo ao adicionar penalidades aos pesos. É falsa (F). A regularização, na verdade, tem o objetivo de reduzir a complexidade do modelo, adicionando penalidades aos pesos para evitar o overfitting. ( ) Em aprendizado supervisionado, as variáveis de entrada são mapeadas diretamente para os rótulos de saída com a supervisão de um conjunto de treino. É verdadeira (V). No aprendizado supervisionado, o modelo é treinado com um conjunto de dados rotulados, onde as entradas são associadas a saídas conhecidas. ( ) Redes convolucionais (CNNs) são utilizadas principalmente para processamento de dados sequenciais e séries temporais. É falsa (F). As CNNs são mais comumente utilizadas para processamento de dados de imagem e reconhecimento de padrões, não especificamente para dados sequenciais ou séries temporais. ( ) O Batch Normalization é uma técnica utilizada para normalizar a saída das camadas durante o treinamento, acelerando a convergência. É verdadeira (V). O Batch Normalization normaliza as saídas das camadas, o que pode acelerar o treinamento e melhorar a estabilidade do modelo. Agora, vamos compor a sequência correta: 1. V 2. F 3. V 4. F 5. V Portanto, a sequência correta é: V - F - V - F - V. A alternativa que corresponde a essa sequência é: V F V F V.