Questões

Pratique com questões de diversas disciplinas e universidades

3.343 questões encontradas(exibindo 10)

Página 34 de 335
De acordo com o apresentado sobre IA, assinale a alternativa que descreve corretamente tal situação no âmbito da ML.
A
Underfitting.
B
Overfitting.
C
Letofitting.
D
Chromofitting.
E
Data fitting.
Em relação à regra de aprendizagem Instar, selecione a opção que contém outra forma pela qual ela é conhecida.
A
O vencedor leva tudo.
B
Regra de aprendizagem Outstar.
C
Método dos mínimos quadrados.

O que é o conceito de "overfitting" em modelos de aprendizado de máquina?

A
Quando um modelo é simples demais para capturar a complexidade dos dados.
B
Quando um modelo se ajusta excessivamente aos dados de treinamento e falha em generalizar para novos dados.
C
Quando um modelo é treinado com dados insuficientes.
D
Quando um modelo apresenta baixa precisão nos dados de treinamento.
E
Quando um modelo é atualizado com frequência para melhorar a performance.

Qual é a principal aplicação da IA no setor financeiro de uma empresa?

A

A IA pode identificar fraudes financeiras e automatizar o processo de auditoria.

B

A IA não tem impacto no setor financeiro.

C

A IA apenas gera relatórios financeiros.

D

A IA substitui todos os analistas financeiros.

E

Nenhuma das alternativas anteriores.

Em aprendizado de máquina, o que é regularização?

A

É uma técnica usada para aumentar o desempenho de modelos de aprendizado supervisionado.

B

É um processo de redução de variáveis irrelevantes durante o treinamento.

C

É um método para adicionar restrições ao modelo para evitar overfitting.

D

É uma técnica de otimização utilizada para melhorar a precisão do modelo.

E

É uma técnica para agrupar os dados em diferentes classes.

São exemplos de algoritmos de aprendizado supervisionado e não supervisionado respectivamente:
A
classificação, recompensa
B
regressão, classificação
C
detecção de padrões, treinamento modelo
D
regressão, detecção de padrões
E
tomada de decisão, recompensa
A partir dos seguintes objetivos: I. Englobar aspectos relacionados com normalizações, conversão de tipos e redução do número de atributos por meio de seleção ou extração de características, e com a forma de representação apropriada para sua utilização. II. Guiar as escolhas das técnicas aplicadas em cada etapa, principalmente na interpretação dos clusters obtidos na última etapa do processo. III. Aplicar um ou mais algoritmos de agrupamento aos dados para a identificação das possíveis estruturas de clusters existentes nos dados. Escolha a alternativa que relaciona corretamente os objetivos com a fase ou responsabilidade correspondente dentro do processo de agrupamento.
A
I - conhecimento do especialista; II - preparação; III - interpretação
B
I - validação; II - preparação; III - agrupamento
C
I - preparação; II - proximidade, III - agrupamento
D
I - preparação; II - conhecimento do especialista; III - agrupamento
E
I - preparação; II - validação; III - agrupamento

Qual das alternativas abaixo descreve uma característica dos sistemas de controle em tempo real?

A

Eles não precisam responder a eventos externos.

B

Eles devem garantir respostas rápidas e previsíveis a eventos.

C

Eles são mais lentos que sistemas não em tempo real.

D

Eles não requerem monitoramento constante.

Qual das alternativas abaixo descreve o objetivo principal dos algoritmos de planejamento de trajetória?

A

Minimizar o consumo de energia do robô.

B

Determinar a sequência de movimentos que o robô deve seguir para alcançar um objetivo específico.

C

Aumentar a velocidade máxima do robô.

D

Reduzir o tamanho do robô para facilitar o transporte.

O que caracteriza o método de validação cruzada?

A

Ele divide os dados em dois conjuntos: um para treinamento e outro para validação.

B

Ele repete o treinamento em diferentes subconjuntos dos dados para avaliar a performance do modelo.

C

Ele aumenta o número de variáveis de entrada para melhorar a acurácia.

D

Ele realiza a normalização dos dados antes do treinamento.

E

Ele elimina outliers para melhorar a acurácia do modelo.