WorksheetsIntrodução à Inteligência Artificial e Modelos Simbólicos
Total questions: 17
Worksheet time: 9mins
Com base no material introdutório, qual combinação representa corretamente os tópicos centrais abordados nesta seção?
Inteligência Artificial, Modelos Simbólicos e Árvores de Decisão
Redes de Computadores, Segurança da Informação e Criptografia
Computação Gráfica, Realidade Virtual e Jogos Digitais
Engenharia de Software, Testes Unitários e DevOps
Sistemas Operacionais, Compiladores e Banco de Dados
Observe a descrição da rede semântica: o nó central é a ação "consertar" com relações padronizadas para agente, tempo, objeto e instrumento. Qual alternativa identifica corretamente os elementos ligados a essa ação?
Agente: Sarah; Tempo: passado; Objeto: cadeira; Instrumento: cola
Agente: cadeira; Tempo: presente; Objeto: Sarah; Instrumento: cola
Agente: Sarah; Tempo: futuro; Objeto: cola; Instrumento: cadeira
Agente: cola; Tempo: passado; Objeto: Sarah; Instrumento: cadeira
Qual estratégia fundamental uma árvore de decisão utiliza para resolver um problema de decisão?
Programação dinâmica
Dividir para conquistar
Busca exaustiva
Aproximação por Monte Carlo
Rede neural convolucional
Qual opção lista corretamente algoritmos associados a árvores de decisão conforme o material?
K-Means, DBSCAN, PCA
Naive Bayes, SVM, Perceptron
ID3, ASSISTANT, CART, C4.5
LSTM, GRU, Transformer
A*, Dijkstra, Bellman-Ford
De acordo com a definição formal apresentada, o que caracteriza estruturalmente uma árvore de decisão?
Um grafo direcionado cíclico com apenas um tipo de nó
Um grafo não direcionado com pesos negativos
Um grafo direcionado acíclico em que cada nó é de divisão (com dois ou mais sucessores) ou um nó folha
Uma lista ligada com ponteiros para o pai
Uma matriz de adjacência totalmente preenchida
Qual exemplo abaixo corresponde a um teste condicional que pode aparecer em um nó de divisão?
Ordenar todos os registros por nome
Idade > 18
Somar todos os atributos
Calcular a média global do conjunto
Aplicar k-fold cross-validation
Observe a descrição: um diagrama de árvore de decisão realiza testes binários como x¹ < a₁, x² < a₃ e x¹ < a₄, conduzindo a folhas rotuladas C₁, C₂, C₃, C₄ e C₅; ao lado, um plano (x¹ no eixo horizontal e x² no vertical) está particionado em regiões retangulares correspondentes a essas classes. Qual afirmação melhor descreve a relação entre a árvore e o diagrama de regiões de decisão?
Cada nó folha da árvore corresponde a uma região do plano onde todos os pontos são atribuídos à mesma classe.
Os nós internos da árvore representam diretamente rótulos de classe exibidos no mapa de regiões.
As regiões no plano são curvas contínuas desenhadas independentemente dos testes da árvore.
O plano (x¹, x²) é particionado em círculos concêntricos definidos pelos limiares a₁, a₂, a₃ e a₄.
As regiões do plano não têm relação com os limiares usados na árvore.
Segundo o pseudocódigo do Algoritmo de Árvore de Decisão, qual é a sequência correta de passos após verificar que o critério de parada(D) é Falso?
Escolher o atributo que maximiza o critério de divisão; para cada partição baseada nesse atributo, induzir recursivamente uma subárvore; retornar a árvore com o nó de decisão e seus descendentes.
Rotular um nó folha com a constante que minimiza a função custo; retornar a árvore.
Aleatoriamente escolher um atributo; particionar os dados uma única vez; parar.
Normalizar os atributos; aplicar k-means; usar os centróides como folhas.
Combinar todas as partições em um único nó folha; retornar a constante média.
Em árvores de decisão, o que a medida de “goodness of split” indica em uma regra de divisão?
Quão profundo será o ramo gerado
Quão bem certo atributo discrimina as classes
O número total de nós que serão criados
O custo computacional do algoritmo
Considere um teste de divisão S que separa os dados de treinamento em dois subconjuntos L e R. Segundo o material, qual é o critério que o sistema utiliza para escolher entre testes possíveis?
Escolhe o teste que produz o maior número de subconjuntos
Escolhe o teste que minimiza o tamanho do nó raiz
Escolhe o teste que maximiza (ou minimiza) algumas funções heurísticas sobre os subconjuntos
Escolhe o teste com a divisão mais equilibrada em termos de quantidade de exemplos
No contexto de impureza do nó, qual afirmação está correta de acordo com o material?
A impureza do nó depende apenas do número de exemplos totais no nó
A impureza do nó é uma função sobre a proporção das classes naquele nó
A impureza do nó é sempre zero antes de qualquer divisão
A impureza do nó é definida apenas depois da árvore completa
De acordo com o material, ao dividir um nó t em dois subconjuntos L e R, o que PL e PR representam?
As probabilidades de erro de classificação em L e R, respectivamente
As probabilidades de que um exemplo de t vá para L e R, respectivamente
As proporções das classes majoritárias em L e R, respectivamente
Os pesos dos atributos usados em L e R, respectivamente
Qual das alternativas descreve corretamente uma característica geral de qualquer função de impureza apresentada?
Assimetria: a ordem das classes altera o valor da impureza.
Possuir um máximo quando todos os exemplos pertencem à mesma classe.
Ter um mínimo quando todos os exemplos são de uma única classe.
Depender exclusivamente do número de atributos, não das proporções de classe.
Não possuir valores extremos definidos.
Em métodos de construção de árvores de decisão, qual conceito mede a aleatoriedade de uma variável aleatória e serve de base para calcular o ganho de informação?
Variância
Entropia
Acurácia
Sensibilidade
Correlação
Considere o gráfico de impureza para uma variável booleana A, comparando Entropia, índice Gini e taxa de erro de classificação em função de p (probabilidade de uma classe). Qual afirmação é mais adequada segundo o gráfico?
A Entropia é sempre menor que o índice Gini para todo p.
A taxa de erro de classificação atinge seu máximo em p=0,5 e é menor que Entropia e Gini nesse ponto.
O índice Gini é máximo em p=0 ou p=1.
Todas as três medidas têm o mesmo valor para qualquer p.
A Entropia é zero para todo p entre 0 e 1.
Em árvores de decisão, ao calcular o ganho de informação para um atributo quantitativo, qual é a estratégia usual de particionamento mencionada?
Criar três faixas iguais do atributo
Aplicar uma partição binária em ≤ valor e > valor
Agrupar por média e mediana
Escolher aleatoriamente múltiplos pontos de corte
Usar apenas os valores máximos do atributo
Considerando a tabela de distribuição por condição de tempo, qual cenário apresenta todos os exemplos de classe 'Sim' e nenhum 'Não'?
Ensolarado
Nublado
Chuvoso
Ensolarado e Chuvoso
Nenhuma das alternativas
