Questões
Pratique com questões de diversas disciplinas e universidades
6.098 questões encontradas(exibindo 10)
1. Princípio de metamorfose.
2. Princípio de topologia.
3. Princípio de multiplicidade e do encaixe de escalas.
4. Princípio de mobilidade dos centros.
Desde o século XX, a IA evoluiu consideravelmente, passando por várias fases de otimismo, desafios e renascimento. Nos primeiros dias, a IA estava focada em imitar o raciocínio humano e resolver problemas lógicos. Com o tempo, o foco se deslocou para a aprendizagem e adaptação das máquinas, resultando em sistemas mais sofisticados que podemos ver hoje, como assistentes virtuais, carros autônomos e sistemas de recomendação personalizados.
Qual teórico questionou a possibilidade de as máquinas pensarem, marcando o início da jornada da IA no século XX? Assinale a alternativa correta:
I. No processo de aprendizagem supervisionada o computador recebe um conjunto de dados. Ele encontrará neste conjunto dados de entrada atrelados as saídas esperadas. Neste tipo de aprendizagem o objetivo é encontrar as regras que conseguem mapear aquelas entradas com aquelas saídas.
II. A aprendizagem por reforço é um tipo de treinamento usado onde enfrentamos um ambiente complexo. Através das tentativas e erro o computador busca uma solução para o problema. Para que a máquina entenda o que são acertos e erros ela receberá recompensas e penalidades durante o processo de busca da solução.
III. Quando o conjunto de dados repassado para o computador possui apenas os valores de saída possíveis (rótulos) mas não conhecemos nada a respeito dos valores das entradas, devemos fazer uso do processo de aprendizagem não supervisionada. Ela foi criada justamente para atender este cenário. Esse aprendizagem envolve complexidades adicionais quando comparada a aprendizagem supervisionada.
O algoritmo k-médias pode ser utilizado para fazer operações de segmentação em imagens, através de clusterização de pixels em regiões.
Ao se encontrar um outlier em uma amostra de dados, o mesmo deve ser descartado de forma a não interferir no processo de clusterização.
As árvores de decisão são utilizadas geralmente em sistemas que utilizam aprendizado não supervisionado.
Um dos pontos negativos do algoritmo k-médias é que o número de grupos deve ser definido antes de se iniciar o processo.
Pergunta 3
Feedbacks explícitos representam claramente os interesses dos usuários enquanto os implícitos não deixam claro se o usuário gostou ou não da recomendação.
Não existem diferenças entre os feedbacks explícitos e implícitos para o sistema.
Feedbacks implícitos representam claramente os interesses dos usuários enquanto os explícitos não deixam claro se o usuário gostou ou não da recomendação.
Feedbacks explícitos correspondem a ações dos usuários enquanto os implícitos podem não corresponder a ações dos usuários.
Sobre o fluxo de implementação de um algoritmo de Machine Learning, classifique V para as sentenças verdadeiras e F para as falsas:
( ) A etapa de análise de dados é a primeira do processo de Machine learning e pode ser simples, do ponto de vista de se conectar a um Dataset CSV ou a um banco de dados relacional.
( ) A coleta de dados é a etapa em que se deve tratá-los, de forma correta, antes de seu uso ou armazenamento. Pode ser utilizada em conjunto com a análise exploratória de dados, quando se realiza um estudo das características dos dados, geralmente por meio de gráficos.
( ) A etapa de escolha do modelo é o momento de selecionar os algoritmos que serão avaliados e futuramente aplicados em sua aplicação de Machine learning.
( ) A avaliação é responsável por utilizar o conjunto de testes e verificar a capacidade de generalização do algoritmo, ou seja, verificar se o algoritmo aprendeu com os dados de treino.
Assinale a alternativa que apresenta a sequência CORRETA:
Considerando o IBM Watson Assistant, skills são:
um conjunto de habilidades relacionadas a uma tarefa, por exemplo: atendente de vendas ou RH.
assistentes virtuais individuais. Cada skill é um atendente virtual realizando apenas um atendimento.
habilidades necessárias que o cientista de dados deve ter para usar a ferramenta.
habilidades genéricas do Watson para reconhecimento de fala.
aprimoramentos que a IBM Cloud permite a realização em seus modelos de Machine Learning.