Questões
Pratique com questões de diversas disciplinas e universidades
3.343 questões encontradas(exibindo 10)
O que é deep reinforcement learning?
O aprendizado supervisionado com múltiplas camadas.
O aprendizado por reforço combinado com redes neurais profundas para resolver problemas complexos.
O aprendizado não supervisionado usando técnicas de redes neurais profundas.
O uso de dados não rotulados para treinar modelos de aprendizado de máquina.
O treinamento de redes neurais sem a necessidade de feedback.
Em qual cenário é mais comum aplicar a técnica de clustering?
Para prever a saída de uma variável contínua com base em variáveis preditoras.
Para agrupar dados sem rótulos em clusters semelhantes.
Para dividir os dados de treinamento em subconjuntos e testar a precisão do modelo.
Para criar uma representação de dados em um espaço multidimensional.
Para calcular a correlação entre variáveis numéricas.
Qual é a principal vantagem do modelo de Gradient Boosting?
Ele combina vários modelos fracos para criar um modelo forte, ajustando erros de modelos anteriores.
Ele é simples de implementar e não requer ajustes de parâmetros.
Ele é ideal para dados altamente desbalanceados.
Ele sempre apresenta melhor desempenho que Random Forest.
Ele usa apenas uma árvore de decisão para realizar a classificação.
Qual é um dos principais benefícios da IA na previsão do tempo?
Previsões menos precisas
Previsões personalizadas
Redução do uso de tecnologias
Qual é o propósito do algoritmo Principal Component Analysis (PCA)?
Classificar os dados em grupos baseados em características comuns.
Diminuir a quantidade de variáveis (dimensionalidade) mantendo a maior parte da informação possível.
Prever valores contínuos a partir de variáveis independentes.
Identificar relações não lineares entre variáveis.
Realizar clustering de dados em função de suas categorias.
O treinamento da máquina de Boltzmann depende de duas fases distintas, que são:
Em um modelo de clustering, qual é o principal objetivo?
Prever um valor numérico contínuo.
Encontrar um padrão entre as classes, mesmo sem rótulos.
Encontrar a melhor linha de separação entre classes.
Garantir que todas as variáveis sejam independentes.
Melhorar a precisão do modelo supervisionado.
O que significa "modelo generativo" no contexto de IA?
Um modelo que apenas analisa dados históricos.
Um modelo que simula dados reais e pode criar novas amostras baseadas nesses dados.
Um modelo que executa tarefas repetitivas sem adaptação.
Um modelo que gera previsões sobre o clima.
A robótica de assistência é um campo que desenvolve robôs para ajudar pessoas em tarefas diárias. Uma das características importantes em robôs assistivos é a adaptabilidade. Qual das alternativas a seguir descreve a importância da adaptabilidade em robôs assistivos?
A adaptabilidade permite que o robô funcione apenas em um ambiente fixo.
A adaptabilidade é irrelevante para a eficácia do robô assistivo.
A adaptabilidade permite que o robô ajuste seu comportamento com base nas necessidades e habilidades do usuário.
A adaptabilidade aumenta a complexidade do robô sem benefícios claros.
Em Machine Learning, qual é o principal objetivo do uso de regularização?
Reduzir a dimensionalidade dos dados.
Prevenir o overfitting penalizando modelos muito complexos.
Melhorar a convergência de algoritmos iterativos.
Aumentar a precisão do modelo em dados de teste.
Ajustar a quantidade de dados usados para treinamento.