Questões
Pratique com questões de diversas disciplinas e universidades
6.098 questões encontradas(exibindo 10)
A Inteligência Artificial é um ramo de pesquisa da Ciência da Computação que busca, a partir de símbolos computacionais, construir mecanismos e/ou dispositivos que simulem a capacidade do ser humano de pensar, resolver problemas, ou seja, de ser inteligente. Nessa linha considere as afirmativas a seguir:
I. A Inteligência Artificial está no centro de uma nova revolução industrial que está afetando todos os setores da economia e da vida social em vários graus.
II. No curto e médio prazo, a introdução da Inteligência Artificial exige investimentos tanto no nível macro em infraestruturas públicas quanto no nível micro nas empresas e famílias individuais.
III. Alguns autores consideraram que um dia a Inteligência Artificial alcançaria a singularidade.
IV. A introdução da Inteligência Artificial é um processo de evolução que não se pode parar, processo de evolução esse que não se pode parar.
Seguindo essa linha, esse processo não exige investimentos por parte das empresas e famílias. São verdadeiras:
Qual das seguintes opções melhor descreve o conceito de "capital social" na Sociologia?
A riqueza acumulada por um indivíduo ou grupo, considerando bens materiais e financeiros.
A rede de relacionamentos e conexões sociais que facilita a cooperação e o acesso a recursos.
A educação formal adquirida por um indivíduo ao longo da vida, incluindo diplomas e certificações.
A importância dos recursos naturais e ambientais para a sobrevivência de uma sociedade.
Comparando-se a atualização dos pesos dos neurônios entre modelos de redes neurais de aprendizado supervisionado e não-supervisionado, verifique quais afirmativas são falsas ou verdadeiras:
- ( ) Não existem diferenças na atualização dos pesos entre uma rede perceptron multicamadas (MLP) e uma rede competitiva.
- ( ) Em ambas abordagens de aprendizado, um número reduzido de pesos são atualizados a cada época.
- ( ) Na rede competitiva os neurônios competem entre si e apenas os pesos associados ao neurônio vencedor são atualizados em uma iteração.
A robótica é uma área interdisciplinar que combina várias disciplinas.
Qual das seguintes áreas é fundamental para o desenvolvimento de sistemas de controle em robótica?
Filosofia
Matemática
Sociologia
História
Qual a principal diferença entre aprender com rótulos e aprender sem rótulos?
No aprendizado com rótulos, não se precisa de dados para treinar o modelo.
O aprendizado com rótulos usa dados rotulados, enquanto o aprendizado sem rótulos usa dados não rotulados.
No aprendizado com rótulos, os dados são mais dispersos.
O aprendizado sem rótulos não necessita de modelos matemáticos.
No aprendizado com rótulos, o modelo pode aprender sozinho.
I- Pode ser utilizada desde que f seja uma função monótona, crescente ou decrescente.
II- Depende da restrição do intervalo, a fim de obtermos um polinômio de grau 1.
III- É eficiente quando, para o mesmo conjunto de valores de x, queremos interpolar duas funções distintas.
IV- É utilizado quando estamos interessados no valor de f em apenas um ponto x.
Assinale a alternativa CORRETA:
O que caracteriza a Inteligência Artificial fraca (IA estreita) em comparação com a IA forte?
( V ) Um AG é considerado um algoritmo de busca em feixe estocástica, onde os estados sucessores são criados a partir da combinação de dois (ou mais) estados “pais”.
( F ) AG usa estruturas de neurônios para executar a sua busca por um estado ótimo. AG não usa estruturas de neurônios como as RNA
( F ) Um AG contém regras com premissas e consequentes para executar o seu algoritmo.
( V ) Os AG perfazem uma busca cega, sendo a única exigência o conhecimento da função objetivo de cada indivíduo.
( V ) Um AG procura uma solução dentro de um espaço para um problema de otimização.
Em um robô que opera em ambientes de resgate, qual é a importância da comunicação entre os robôs e os operadores humanos?
Comunicação não é necessária.
A comunicação é crucial para coordenar ações e garantir a segurança.
Qual técnica pode ser utilizada para melhorar o desempenho de um modelo quando há problemas de overfitting?
Aumentar a complexidade do modelo.
Reduzir a quantidade de dados de treinamento.
Utilizar regularização ou simplificação do modelo.
Aplicar validação cruzada.
Remover outliers dos dados.