NEW
Font size
WorksheetsQuiz sobre Aprendizagem de Máquina
Total questions: 20
Worksheet time: 14mins
O que é aprendizagem supervisionada em machine learning?
Um tipo de aprendizagem onde o modelo é treinado com dados não rotulados.
Um tipo de aprendizagem onde o modelo é treinado com dados rotulados.
Um tipo de aprendizagem que não requer dados de entrada.
Um tipo de aprendizagem que só funciona com redes neurais.
Qual é a principal característica da aprendizagem não supervisionada?
Utiliza dados rotulados para treinar o modelo.
Não requer dados rotulados para treinar o modelo.
Sempre utiliza redes neurais profundas.
É usada apenas para processamento de linguagem natural.
O que são redes neurais profundas?
Redes neurais com apenas uma camada oculta.
Redes neurais com múltiplas camadas ocultas.
Redes neurais que não utilizam camadas ocultas.
Redes neurais que só funcionam com dados rotulados.
Qual é o objetivo do processamento de linguagem natural (PLN)?
Criar imagens a partir de texto.
Analisar e entender a linguagem humana.
Melhorar a velocidade de processamento de dados.
Criar redes neurais profundas.
Qual é a diferença entre dados rotulados e não rotulados?
Dados rotulados têm uma etiqueta ou resposta associada, enquanto dados não rotulados não têm.
Dados não rotulados têm uma etiqueta ou resposta associada, enquanto dados rotulados não têm.
Ambos são iguais e não têm diferença.
Dados rotulados são usados apenas em aprendizagem não supervisionada.
Qual das seguintes opções é um exemplo de aprendizagem supervisionada?
Agrupamento de clientes em segmentos.
Classificação de e-mails como spam ou não spam.
Redução de dimensionalidade de dados.
Análise de sentimentos sem dados rotulados.
Qual é uma aplicação comum de redes neurais profundas?
Previsão do tempo.
Reconhecimento de voz.
Cálculo de juros compostos.
Criação de planilhas financeiras.
Qual é um exemplo de dados não rotulados?
Um conjunto de imagens com etiquetas de categorias.
Um conjunto de textos sem qualquer anotação.
Um conjunto de dados de vendas com valores de lucro.
Um conjunto de dados de pacientes com diagnósticos.
Qual é o papel das redes neurais em deep learning?
Elas são usadas apenas para tarefas de regressão.
Elas formam a base para construir modelos complexos de deep learning.
Elas são usadas apenas para tarefas de classificação.
Elas não são usadas em deep learning.
Qual é um exemplo de tarefa de processamento de linguagem natural?
Previsão de preços de ações.
Tradução automática de idiomas.
Detecção de fraudes em transações financeiras.
Análise de imagens médicas.
Qual é um desafio comum no processamento de linguagem natural?
Falta de dados para treinar modelos.
Ambiguidade e complexidade da linguagem humana.
Necessidade de hardware especializado.
Dificuldade em criar redes neurais.
Qual é uma técnica usada para melhorar o desempenho de redes neurais profundas?
Aumento de dados (data augmentation).
Redução de dados.
Exclusão de camadas ocultas.
Uso de dados não rotulados apenas.
Qual afirmação sobre os tipos de Aprendizado de Máquina (Machine Learning) está INCORRETA?
A IA de Aprendizado Supervisionado (Supervised Learning) utiliza dados rotulados para prever saídas com base em novas entradas.
A IA de Aprendizado Não Supervisionado (UnSupervised Learning) utiliza dados rotulados para descobrir novos padrões.
A IA de Aprendizado por Reforço (Reinforcement Learning) aprende a partir do feedback (reforço positivo ou negativo).
A IA de Aprendizado por Reforço (Reinforcement Learning) é geralmente usada em tarefas de otimização e controle.
Qual afirmação sobre os fatores que influenciam a precisão no Aprendizado de Máquina (ML) está correta?
Dados, ou números das representações simbólicas, são uma base da qual sistemas de ML dependem integralmente.
Para haver um emprego adequado de técnicas, processos e ferramentas de ML, é preciso um controle mínimo sobre como os dados são representados pelos usuários dos computadores.
Todo e qualquer tipo de dado (representação simbólica da realidade) permite que se aplique processos de ML para se obter bom desempenho.
Sistemas de aprendizado de máquina somente conseguem 'aprender' ao se utilizar dados coletados com as mais sofisticadas técnicas, processos e ferramentas.
Qual é o objetivo da técnica de "aprendizado supervisionado" na inteligência artificial?
Ensinar às máquinas a treinarem cães
Permitir que as máquinas aprendam com dados rotulados
Treinar máquinas para realizar tarefas domésticas
Ensinar às máquinas a se tornarem superiores aos humanos
O que é o Chat GPT?
Uma ferramenta de aprendizado de máquina que cria diálogos baseados em informações disponíveis na internet.
Uma nova tecnologia de inteligência artificial disponível para qualquer usuário da internet.
Um algoritmo que processa informações para criar novos conteúdos.
Um filme de ficção científica inspirado na inteligência artificial.
Quais são os limites da tecnologia do Chat GPT?
A ferramenta desenvolve respostas precisas e corretas para todas as perguntas.
A ferramenta tem a capacidade de reconhecer e interpretar todas as informações disponíveis.
A ferramenta utiliza bancos de dados imensos para gerar respostas precisas.
A ferramenta ainda está em construção e pode gerar respostas imprecisas ou erradas.
Por que a ética é importante na inteligência artificial?
Para aumentar a eficiência dos algoritmos, mesmo que isso signifique ignorar questões éticas
Para permitir que os algoritmos ajam de forma discriminatória e injusta
Para garantir que as decisões tomadas pelos algoritmos sejam justas, transparentes e éticas, evitando viés e discriminação.
Para garantir que os algoritmos sejam treinados sem considerar questões éticas
Como funcionam as redes neurais artificiais?
Redes neurais artificiais são compostas por camadas de neurônios interconectados que aprendem padrões a partir dos dados de entrada, ajustando os pesos das conexões durante o treinamento.
Redes neurais artificiais são compostas por camadas de neurônios isolados que não se comunicam entre si.
Redes neurais artificiais não ajustam os pesos das conexões durante o treinamento.
Redes neurais artificiais aprendem padrões apenas a partir de dados de saída, ignorando os dados de entrada.
Quais são os limites da inteligência artificial?
Os limites da inteligência artificial incluem áreas como cozinhar e tocar instrumentos musicais.
Os limites da inteligência artificial incluem áreas como criatividade, compreensão emocional, consciência própria, questões éticas e de segurança.
Os limites da inteligência artificial incluem áreas como telepatia e viagem no tempo.
Os limites da inteligência artificial incluem áreas como voar e respirar debaixo d'água.
