Questões
Pratique com questões de diversas disciplinas e universidades
10.457 questões encontradas(exibindo 10)
Qual técnica de aprendizado de máquina é usada para encontrar padrões em dados não rotulados?
Aprendizado supervisionado
Regressão Linear
Aprendizado não supervisionado
Redes Neurais Convolucionais
Regressão Logística
A base de Conhecimento de um sistema especialista é o local onde estão armazenados os fatos e as regras. Alguns Sistemas Especialistas utilizam regras como base para seu processamento e operação e por isso são chamados de Sistemas Baseados em Regras, outros representam o conhecimento através de Redes Semânticas ou frames. Uma das formas de representação do conhecimento em um Sistema Especialista é através de:
Que padrão estrutural provê um ponto de atendimento para que outro objeto possa controlar o acesso ao primeiro:
Considerando o conteúdo do texto, o “lado escuro” significa:
Considerando a Administração Estratégica e a Administração Operacional, é comum:
Qual é a principal inovação do modelo BERT em relação a modelos anteriores de linguagem?
Processamento unidirecional da linguagem
Processamento bidirecional da linguagem
Exclusão de contextos de palavras
Nenhuma das anteriores
O tipo tipos de coesão caracterizada quando um módulo executa um e somente um cálculo, e então retorna o resultado é chamada de:
O que caracteriza o algoritmo de aprendizado por reforço?
O agente aprende a partir de dados rotulados e toma decisões com base na probabilidade dos eventos.
O agente toma ações em um ambiente dinâmico e aprende com as recompensas ou penalidades associadas, buscando maximizar sua recompensa ao longo do tempo.
O aprendizado por reforço não envolve interação com o ambiente, sendo passivo.
O aprendizado por reforço é usado apenas para problemas de regressão linear.
O aprendizado por reforço não é aplicável a dados sequenciais.
Qual é a principal vantagem de utilizar o algoritmo de árvore de decisão?
Facilita a visualização das decisões tomadas pelo modelo.
É mais eficiente que os modelos de regressão linear.
Trabalha bem apenas com dados numéricos.
Exige grandes quantidades de dados rotulados.
Não sofre com problemas de overfitting.