Logo Passei Direto
Buscar

Inteligência Artificial

Outros
Avisão computacional apresenta várias aplicações práticas. Selecione a opção correta que justifique o uso de visão computacional para detectar a veracidade do logotipo da marca de uma empresa.
Usar tecnologias avançadas para se posicionar diante dos competidores do mercado.
Valorizar a marca da empresa.
Aumentar o engajamento do público-alvo.
Reduzir o tempo de investigação do controle de qualidade.
Evitar fraudes.
User badge image
Desenvolvendo com Questões

ano passado

User badge image
Desenvolvendo com Questões

ano passado

av inteligencia artificial para devs -1
4 pág.

av inteligencia artificial para devs -1

ESTÁCIO EAD

Respostas

User badge image

Ed Verified user icon

ano passado

A opção correta que justifica o uso de visão computacional para detectar a veracidade do logotipo da marca de uma empresa é "Evitar fraudes". A visão computacional pode ajudar a identificar logotipos falsificados ou mal utilizados, protegendo a integridade da marca e evitando prejuízos associados a fraudes.

Essa resposta te ajudou?

0
Dislike0
details

Libere essa resposta sem enrolação!

Craque NetoCraque Neto

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

Ainda com dúvidas?

Envie uma pergunta e tenha sua dúvida de estudo respondida!

Essa pergunta também está no material:

av inteligencia artificial para devs -1
4 pág.

av inteligencia artificial para devs -1

ESTÁCIO EAD

Mais perguntas desse material

O aprendizado de máquina comporta vários métodos de aprendizagem de acordo com o sinal.
Identifique a opção que exemplifica esses métodos:
Método de aprendizado por classificação e regressão
Método de aprendizado estruturado e não estruturado
Método de aprendizado por associação e memorização
Método de aprendizado supervisionado e não supervisionado
Método de aprendizado inteligente e não inteligente

O algoritmo de aprendizado de máquina K-means é um algoritmo de agrupamento estatístico que permite separar um conjunto de dados em K grupos disjuntos. Qual a técnica usada para isso?
Regressão
Associação
Simbolização
Clusterização
Classificação

Julgugositens que se seguem acerca de Inteligência Artificial.
1. Em Inteligência Artificial, pode-se adotar dois paradigmas de modelagem, o conexionista e o simbólico. Redes neurais e algoritmos genéticos estão mais associados ao primeiro, enquanto o uso de linguagens como Prolog e Lisp está relacionado ao segundo.
II. São exemplos de técnicas de inteligência computacional, os algoritmos genéticos e as redes neurais artificiais.
III. Inteligência Artificial é um conjunto de métodos e(ou) técnicas que procura desenvolver sistemas dotados de comportamento semelhante a certos aspectos do comportamento inteligente.
Apenas as afirmativas II estão corretas.
Todas as afirmativas estão corretas.
Apenas as afirmativas I e III estão corretas.
Todas as afirmativas estão incorretas.
Apenas as afirmativas I e II estão corretas.

Em relação às aplicações de Inteligência Artificial na indústria de entretenimento, julgue as opções.
O setor de entretenimento e o setor de jogos ainda não despertaram para os ganhos no investimento de aplicações usando Inteligência Artificial.
A indústria de entretenimento investe apenas no setor de filmes de ficção por não existir investimento suficiente para expansão em outros setores.
Na indústria altamente competitiva do entretenimento, empresas como Disney e outros gigantes estão usando a Inteligência Artificial para aprofundar a conexão com os consumidores por meio da personalização, otimização e experiência aprimorada.
Os consumidores de entretenimento buscam constantemente aplicações com o uso de Inteligência Artificial, mas devido à complexidade do assunto, ainda não temos um número expressivo de aplicativos.
O investimento no setor de entretenimento é um dos mais elevados, com constante atualização de tecnologia, porém, os consumidores não têm tanto entusiasmo com a tecnologia.

Nessa arquitetura de rede neural artificial, apenas os neurônios vencedores são propagados (ativados) no final de cada ciclo, determinados por quão semelhantes são os requisitos de entrada e os neurônios. Possui realimentação, ou seja, a saída de um neurônio é utilizada como entrada para o próprio neurônio e/ou para outros neurônios das camadas anteriores. Essa arquitetura é composta de duas camadas, a camada de entrada também é chamada de 'fonte' e a camada de saída também é chamada de 'grau'. Qual opção abaixo corresponde, corretamente, a essa definição?
Backpropagation
Rede Competitiva
Feed Forward (Redes diretas)
Feed Backward Networks (Redes Recorrentes)
Rede ativa

Em uma rede neural artificial, esse componente é uma variável incluída na soma da função de ativação, com o objetivo de aumentar o grau de liberdade desta função, portanto, a capacidade de aproximação da rede. O valor deste componente é ajustado da mesma forma que os pesos sinápticos e pode ser atualizado e alterado pela rede neural durante o treinamento, assim como os pesos. As redes neurais artificiais, não sabem antecipadamente quais os valores a escolher para esse componente e permite mover valores em uma direção ou outra. Qual opção abaixo corresponde, corretamente, a esta definição?
Camada oculta (Hidden layer)
FeedForward
Camada de saída (Output layer)
Backpropagation
Viés (Bias)

Um CIO de uma grande empresa farmacêutica quer implantar um projeto de deep learning com o objetivo de buscar insights para o crescimento da empresa no mercado e, portanto, precisa identificar os pontos positivos (prós) de uma solução de Deep Learning. Quais são os pontos positivos do Deep Learning?
Alto custo de implementação.
Necessidade de grande quantidade de dados limpos.
Baixo tempo de treinamento das soluções.
Arquitetura facilmente adaptável a vários domínios de problemas.
Dificuldade na interpretação das informações.

Um gerente de projetos está identificando os riscos de um projeto de deep learning de sua organização e, portanto, precisa identificar os pontos negativos (contras) de uma solução dessas. Quais são os pontos negativos do Deep Learning?
Desempenho de última geração.
Arquitetura facilmente adaptável a vários domínios de problemas.
Reduz a necessidade de engenharia de recursos.
Dificuldade na interpretação das informações.
Baixo custo de implementação.

Ainda que não pareça quando um computador escuta nossa voz por um microfone, ele também pode ser capaz de compreendê-la dado que tenha um componente de ______________ programado nele. Que opção melhor se encaixa na lacuna?
Inteligência Artificial
Processamento de Áudio e Voz
Processamento de Sinais
Processamento de Imagem
Processamento da Linguagem Natural

Mais conteúdos dessa disciplina