Questões

Pratique com questões de diversas disciplinas e universidades

3.343 questões encontradas(exibindo 10)

Página 59 de 335

O aprendizado supervisionado envolve treinar um modelo em um conjunto de dados rotulado, em que o algoritmo aprende a mapear características de entrada para rótulos de saída correspondentes. Esse processo permite que o modelo faça previsões sobre novos dados não vistos. Uma tarefa típica de aprendizado supervisionado é a regressão. É um exemplo de tarefa de regressão em aprendizado de máquina a

A

classificação de e-mails como spam ou não spam, com base em várias características, como conteúdo, informações do remetente e estrutura do e-mail.

B

classificação de sentimento em positivo, negativo ou neutro a partir de um texto, como avaliação de clientes, postagem em mídias sociais ou comentários.

C

detecção de atividades fraudulentas em transações financeiras, classificando-as como legítimas ou suspeitas com base em padrões de transação e comportamento do usuário.

D

rotulação de um paciente como portador ou não de câncer, com base em características como marcadores genéticos, histórico do paciente e resultados de testes diagnósticos.

E

estimativa do consumo futuro de energia para uma região ou setor específico, com base em padrões de uso históricos, indicadores econômicos e fatores ambientais.

Em um sistema de robótica móvel, a navegação em ambientes desconhecidos é um desafio significativo. Se um robô utiliza um sensor LIDAR para mapear seu ambiente, qual técnica pode ser utilizada para evitar colisões e continuar a navegação se ele encontrar um obstáculo inesperado?

A

Parar e aguardar uma nova instrução do operador.

B

Utilizar um algoritmo de planejamento de trajetória, como A* ou RRT, para recalcular sua rota.

C

Ignorar o obstáculo, assumindo que não afetará seu caminho.

D

Aumentar a velocidade para passar rapidamente pelo obstáculo.

Ao se construir e treinar um modelo, muitas vezes é necessário determinar uma série de hiperparâmetros, tais como: qual distância será usada, o número de vizinhos a serem analisados, a quantidade de camadas em uma rede neural artificial, o número de neurônios por camada, entre outros.

Marque a afirmação correta relacionada ao ajuste de hiperparâmetros:

A
A validação cruzada permite realizar uma avaliação mais isenta dos hiperparâmetros, uma vez que o uso de várias subdivisões tende a reduzir o viés (positivo ou negativo) que poderia existir se apenas uma única divisão do conjunto de treinamento fosse utilizada.
B
A validação cruzada procura realizar uma série de avaliações, de modo a determinar a performance associada a um dado hiperparâmetro independentemente da maneira como os dados foram divididos em subconjuntos ou mesmo do conteúdo desses subconjuntos que são usados para treino e validação.
C
É muito usual que se divida o conjunto de teste, de forma a se ter um subconjunto de dados para se avaliar quais valores de hiperparâmetros funcionam melhor.
D
Em uma validação cruzada de 3 dobras, divide-se o conjunto de treinamento em 3 subconjuntos e, de forma cíclica, se utiliza de cada um deles como conjunto de treinamento enquanto os outros dois são usados para validação dos hiperparâmetros.

O uso de robôs para desastres é uma área em crescimento.
Qual das alternativas abaixo representa uma aplicação prática de robôs em situações de emergência?

A

Robôs que não interagem com o ambiente.

B

Robôs que realizam buscas e resgates em áreas de difícil acesso.

C

Robôs que apenas realizam tarefas administrativas.

D

Robôs que monitoram o clima.

Qual é a principal aplicação do algoritmo K-Means?

A

O K-Means é utilizado para otimizar redes neurais profundas em tarefas de classificação.

B

O K-Means é utilizado para reduzir a dimensionalidade dos dados e melhorar a precisão do modelo.

C

O K-Means é um algoritmo de clustering que agrupa dados com base em suas semelhanças, utilizando a média dos dados em cada cluster.

D

O K-Means é utilizado para análise de séries temporais em dados não estruturados.

E

O K-Means é utilizado para regularizar redes neurais profundas, prevenindo overfitting.

O aprendizado de máquina pressupõe a existência de dados que possam servir para um sistema se ajustar aos padrões contidos nos dados. Quando os dados não estão disponíveis inicialmente, mas são coletados por meio de feedbacks ao longo do tempo é possível que o sistema aprenda os padrões por meio da técnica de:
A
Sistemas baseados em regras para controlar equipamentos.
B
Sistemas para realizar vigilância epidemiológica.
C
Sistemas de recomendação de músicas para playlists.
D
Sistemas para composição de música por computador.

No contexto da robótica de segurança, como os robôs utilizados para patrulhamento, qual é uma das principais funcionalidades que devem ser implementadas?

A

Capacidade de realizar tarefas de limpeza.

B

Sistemas de detecção de movimento e reconhecimento facial.

C

Navegação apenas em ambientes internos.

D

Interação verbal com os patrulheiros humanos.

Identifique, dentre as opções abaixo, aquela que NÃO representa um dos objetivos fundamentais da Inteligência Empresarial:
A
Direcionar, assertivamente, os planos de negócio e a implementação de ações.
B
Inovar e criar conhecimento.
C
Aumento da eficiência do trabalho.
D
Apoiar o desenvolvimento de produtos/serviços com uma base de informação confiável, eficiente e ágil.
E
Reduzir riscos na tomada de decisão e evitar surpresas.

No desenvolvimento de robôs, a eficiência energética é um aspecto importante.
Qual é uma das principais estratégias para melhorar a eficiência energética de robôs móveis?

A

Aumentar o peso do robô para melhorar a estabilidade.

B

Usar algoritmos de otimização de trajetória que minimizem o consumo de energia.

C

Aumentar a velocidade de operação sem considerar o consumo de energia.

D

Reduzir a capacidade da bateria para diminuir o peso.

Com base na tabela a seguir, que contém a população inicial da execução de um algoritmo genético, cujos valores variam entre 0 e 7, escolha a alternativa que define corretamente a estrutura dos cromossomos com base nos valores apresentados nas colunas x e y.

xycromossomo
16C1
70C2
54C3
35C4
A
C1 = 001111; C2 = 101010; C3 = 100000; C4 = 011100
B
C1 = 011110; C2 = 101011; C3 = 101100; C4 = 010101
C
C1 = 001011; C2 = 110010; C3 = 101001; C4 = 010100
D
C1 = 001110; C2 = 111000; C3 = 101100; C4 = 011101
E
C1 = 101110; C2 = 111010; C3 = 111101; C4 = 011100