Questões de Concurso Sobre inteligencia artificial em engenharia de software

Considerando a aplicação de aprendizado de máquina para monitoramento de florestas, julgue o item a seguir. 

Em um modelo de identificação de incêndios florestais, a métrica sensibilidade, também chamada de recall, afere a capacidade do modelo de encontrar todos os incêndios reais. 

Julgue o próximo item, relativo a aprendizado de máquina e modelagem preditiva. 

As redes neurais artificiais podem ser utilizadas na previsão de safras agrícolas, pois esses algoritmos conseguem identificar padrões complexos em grandes volumes de dados históricos e meteorológicos, o que permite prever com precisão o rendimento das colheitas. 

Julgue o próximo item, relativo a aprendizado de máquina e modelagem preditiva. 

O uso de algoritmos de clustering é mais adequado que o uso de algoritmos de regressão linear para prever a produção agrícola, pois eles são capazes de encontrar relações lineares entre as variáveis. 

A respeito de inteligência artificial (IA) e de metodologias ágeis de desenvolvimento de software, julgue o item que se segue.

Graças ao aumento no desempenho de processamento e à análise de grandes volumes de dados, a IA já superou o desempenho humano em várias tarefas específicas, embora a criatividade ainda seja um desafio para a IA.

Julgue o item seguinte, relativo à ciência de dados.

O aprendizado de máquina não supervisionado utiliza algoritmos para analisar conjuntos de dados não rotulados, a fim de descobrir padrões ocultos sem necessidade de intervenção humana.

Julgue o próximo item, relativo à avaliação de modelos.

Considere que os três gráficos identificados por #1, #2 e #3 a seguir representem resultados de modelos de classificação em uma base de treinamento com dados de uma agência bancária e que neles a linha separe duas situações: X indicativo de não pagamento de empréstimo e O indicativo de pagamento de empréstimo. Com base nessas informações e nos gráficos apresentados, é correto afirmar que #1 é o modelo mais simples e performático com baixo viés, o modelo #2 tem acurácia média e alto viés e #3 é o modelo ideal, em comparação aos demais, pois tem alto viés e alta acurácia.

Julgue o próximo item, relativo à avaliação de modelos.

A IA generativa é capaz de criar conteúdos novos, como textos, imagens, músicas e vídeos, além de resolver problemas inéditos com base em conhecimentos prévios, permitindo gerar novos artefatos realistas em escala, sem repeti-los.

Julgue o próximo item, relativo à avaliação de modelos.

Considere que o gráfico a seguir descreva o resultado de três modelos de regressão logística distintos e que os resultados de AUC para os modelos referentes às curvas A, B e C sejam, respectivamente, 0,91, 0,77 e 0,59. A partir dessas informações, é correto afirmar que o modelo relativo à curva A é o melhor para classificar corretamente os dados presentes no conjunto de dados utilizado, ainda que o modelo relativo à curva C tenha obtido o menor valor.

Relativamente aos conceitos de CRISP-DM, MLOps e Python, julgue o seguinte item.

O monitoramento contínuo em MLOps é utilizado para identificar desvios de desempenho de modelos em produção, incluindo mudanças na distribuição de dados usados em comparação a dados de treinamento. 

Julgue o item a seguir, referentes aos modelos de linguagem da IA generativa.

Em uma rede adversária generativa (GAN), o gerador cria dados e o discriminador avalia se esses dados pertencem ao conjunto de treinamento real.

Julgue o item a seguir, referentes aos modelos de linguagem da IA generativa.

O VAE (variational autoencoder) é um autoencoder cuja distribuição de codificações é regularizada somente após o treinamento, o que garante que seu espaço latente tenha boas propriedades e maior dimensão para capturar padrões subjacentes, permitindo a geração de novos dados.

Julgue o próximo item, relativo a redes neurais e suas arquiteturas. 

O perceptron multicamada (MLP) é um tipo de rede neural artificial constituída de várias camadas de neurônios que utilizam funções de ativação não lineares, permitindo que essa rede aprenda padrões complexos acerca de dados de entrada.

Considerando os conceitos de ML (machine learning), julgue o item a seguir. 

Nos algoritmos supervisionados de ML, o modelo é treinado apenas com dados de entrada, e as saídas são geradas automaticamente pelo algoritmo com base nos padrões inferidos, sem necessidade de dados de saída rotulados. 

Considerando os conceitos de ML (machine learning), julgue o item a seguir. 

Os algoritmos supervisionados de ML do tipo regressão linear são capazes de prever uma variável dependente contínua usando determinado conjunto de variáveis independentes.