Questões
Pratique com questões de diversas disciplinas e universidades
3.343 questões encontradas(exibindo 10)
O conceito de robôs colaborativos (cobots) se refere a robôs projetados para trabalhar ao lado de humanos. Qual das seguintes afirmações sobre robôs colaborativos é verdadeira?
Robôs colaborativos não precisam de medidas de segurança, pois são projetados para ser totalmente seguros.
Robôs colaborativos devem ser projetados para interagir com humanos de forma segura e eficiente, incorporando sensores para prevenir acidentes.
Robôs colaborativos operam a velocidades altas, tornando-os inseguros para trabalhar ao lado de humanos.
Robôs colaborativos são obsoletos e não têm aplicação prática em ambientes de trabalho modernos.
Perda de segurança resultante do acesso não autorizado a dados, conhecimentos ou documentos sigilosos provocados por fatores humanos, naturais e acidentais que ocasionam falhas nas medidas de segurança empregadas na salvaguarda dos documentos sigilosos. A qual das definições abaixo refere-se o excerto apresentado?
Um robô de entrega em um ambiente urbano deve ser capaz de navegar em ruas movimentadas. Qual tecnologia é essencial para garantir a segurança durante a navegação?
Sensores de proximidade e câmeras.
Controle remoto manual.
Navegação por GPS apenas.
Uso de sinalizadores.
Em K-means clustering, o que é um centroide?
O valor médio de todas as variáveis em um cluster.
O ponto central que representa a média das distâncias entre os pontos de dados dentro de um cluster.
O ponto de divisão entre dois clusters distintos.
A distância entre os pontos de dados dentro de um cluster.
O valor máximo de cada variável em um cluster.
Qual é a principal função de um parágrafo introdutório em um texto dissertativo?
Apresentar a conclusão do texto.
Expor a opinião pessoal do autor sobre o tema.
Introduzir o tema e contextualizar o leitor.
Listar todos os argumentos que serão utilizados ao longo do texto.
Quais são as três categorias mais comuns de algoritmos de aprendizado não supervisionado?
Agrupamento de deslocamento médio, PCA e K-means.
Regressão, Dimensionality Reduction e Anomaly Detection.
Clustering, Dimensionality Reduction e Anomaly Detection.
Regressão, Classificação e Clustering.
K-means, PCA e Random Forest.
Como a IA pode ser utilizada para otimizar os preços de produtos ou serviços?
A IA pode analisar dados de concorrência, comportamento do consumidor e demanda para ajustar os preços de forma dinâmica.
A IA não pode ser usada para ajustar preços.
A IA apenas organiza as informações sobre preços.
A IA substitui a função de precificação humana.
Nenhuma das alternativas anteriores.
Qual a principal vantagem do uso de Gradient Boosting em relação a outros algoritmos?
Ele é menos suscetível ao overfitting.
Ele é fácil de interpretar e aplicar a qualquer tipo de dado.
Ele combina múltiplos modelos fracos de forma iterativa, aumentando a acurácia.
Ele reduz a dimensionalidade dos dados de forma eficaz.
Ele é muito rápido e não requer validação cruzada.
Entre todas os paradigmas que fizeram ou ainda fazem parte da história da IA, observa-se que os paradigmas biológicos e psicológicos ainda complementam e são necessários para o desenvolvimento e estruturação dos sistemas mais evoluídos de IA. A partir dessas perspectivas, começaram a ser construídos os sistemas considerados como a junção entre essas duas linhas de pesquisa. Com essa junção, grandes sistemas começaram a ser construídos de tal forma que foi possível abranger uma representação completa do comportamento humano, além de reforçar o conceito original do que se entende por IA. Considerando essas informações e o conteúdo estudado sobre a história da IA, pode-se afirmar que estes sistemas são conhecidos como:
O que é um outlier e qual é o impacto deles nos modelos de aprendizado de máquina?
É um valor de dado que está muito próximo da média, o que torna o modelo mais preciso.
É um valor extremo que pode distorcer o desempenho do modelo e diminuir sua eficácia.
São dados categóricos que não afetam o desempenho do modelo.
São valores que possuem uma distribuição normal, sem afetar o modelo.
São valores que podem ser ignorados sem prejuízo no modelo.