Questões
Pratique com questões de diversas disciplinas e universidades
3.343 questões encontradas(exibindo 10)
Qual é um dos principais desafios enfrentados por robôs subaquáticos?
A exploração subaquática é sempre realizada por humanos.
A necessidade de resistência à pressão e corrosão, além de capacidade de navegação em condições de visibilidade limitada.
Robôs subaquáticos não podem ser programados.
A exploração subaquática é irrelevante para a pesquisa científica.
Qual é o principal objetivo do k-fold cross-validation?
Avaliar a capacidade de generalização do modelo, dividindo os dados em k partes e realizando testes em cada uma delas.
Ajustar os parâmetros do modelo para otimizar a função de custo.
Aumentar a quantidade de dados disponíveis, replicando amostras do conjunto de dados.
Reduzir a dimensionalidade dos dados antes de aplicar o modelo.
Combinar os resultados de múltiplos modelos para melhorar o desempenho.
Qual é a principal causa da cirrose hepática?
Consumo excessivo de álcool
Infecções virais
Herança genética
Dieta rica em gorduras
Exposição a toxinas ambientais
Qual é a principal vantagem de usar deep learning em modelos de aprendizado de máquina?
Requer menos dados de treinamento.
Funciona bem para tarefas de processamento de dados não estruturados, como imagens e texto.
Não precisa de parâmetros de treinamento ajustados.
É ideal para conjuntos de dados pequenos e simples.
É mais rápido de treinar e testar.
O que é validação cruzada e qual é sua principal vantagem?
Validação cruzada é uma técnica que divide os dados em várias partes e treina o modelo em diferentes subconjuntos, ajudando a evitar overfitting e a obter uma melhor generalização.
Validação cruzada é um método para aumentar a complexidade do modelo e melhorar a precisão.
Validação cruzada treina o modelo em uma única divisão de dados e depois testa com a mesma divisão.
Validação cruzada é usada apenas para dados não rotulados.
Validação cruzada é uma técnica para reduzir o número de variáveis no modelo.
Em qual situação a técnica de dropout é mais útil?
Para aumentar a complexidade do modelo e melhorar a previsão.
Para reduzir o tempo de treinamento da rede neural.
Para prevenir o overfitting, desativando aleatoriamente neurônios durante o treinamento.
Para melhorar a precisão dos dados de entrada antes do treinamento.
Para otimizar a função de erro.
Com objetivo de obter informações por meio do aprendizado de máquina, verificou-se que o processo que estava sendo realizado consistia em examinar as características de determinado objeto e atribuir-lhe uma ou mais classes; verificou-se também o uso de algoritmos de aprendizado supervisionados. Identifique que ação está sendo realizada:
Qual é a principal vantagem do algoritmo k-means para agrupamento de dados?
Ele pode lidar com dados não lineares.
Ele não precisa especificar o número de clusters a priori.
Ele é eficiente em termos de computação e fácil de implementar.
Ele não necessita de inicialização de parâmetros.
Ele sempre gera resultados ideais para dados grandes.
Nos agrupamentos hierárquicos, um dendrograma é uma árvore que controla quando os clusters são criados e que determina qual é a métrica das distâncias.
Com relação às técnicas de buscas usadas em inteligência artificial, considere as afirmativas a seguir.
I. Um algoritmo genético é uma busca de subida de encosta (Hill Climbing) estocástica em que é mantida uma grande população de estados. Novos estados são gerados por mutação e por crossover, que combina pares de estados da população.
II. A busca em largura, em profundidade e de custo uniforme são casos especiais de busca pela melhor escolha (Best First).
III. A busca A* expande nós com valor mínimo para f(n) = g(n) + h(n). A* é completa e ótima, desde que se possa garantir que h(n) seja admissível.
Assinale a alternativa correta.