Questões de Concurso
Comentadas sobre inteligencia artificial em engenharia de software
Foram encontradas 661 questões
Sabendo que o neurônio possui como função de ativação a função sigmoide, o valor de saída do neurônio será:
Em relação à inteligência artificial (IA), julgue o item a seguir.
Os modelos de difusão são focados na classificação de
pontos de dados para determinar a relação entre fatores
conhecidos e desconhecidos.
Em relação à inteligência artificial (IA), julgue o item a seguir.
A IA generativa utiliza modelos de base treinados para
realizar tarefas gerais, como, por exemplo, técnicas de
distribuição de probabilidade.
Em relação à inteligência artificial (IA), julgue o item a seguir.
Todos os tipos de IA buscam imitar a inteligência humana
em tarefas de computação, ocorrendo o aprendizado por
meio de reconhecimento de textos e imagens.
Em relação à inteligência artificial (IA), julgue o item a seguir.
As redes adversárias generativas utilizam a rede geradora
para produzir dados falsos aleatoriamente e a discriminadora
para identificar esses dados falsos.
Julgue o próximo item, referente ao processamento de linguagem natural.
Na redução de palavras ao radical, ocorre under-stemming
quando duas palavras separadas são reduzidas erroneamente
à mesma raiz e, com isso, ocorre a perda de distinção
semântica entre palavras com significados diferentes.
Julgue o próximo item, referente ao processamento de linguagem natural.
A lematização prescinde do POS tagging para que as
palavras sejam reduzidas corretamente, pois todas as
palavras são reduzidas ao mesmo lemma, independentemente
de sua classe gramatical.
Julgue o próximo item, referente ao processamento de linguagem natural.
A similaridade de cosseno é uma métrica pela qual se avalia
a similaridade entre dois vetores com base no ângulo entre
eles em um espaço vetorial, de forma que, à medida que os
vetores se aproximarem, aumentará a similaridade de
cosseno.
A respeito de técnicas de redução de dimensionalidade, julgue o item subsecutivo.
Quando da configuração dos parâmetros do autoencoder, o
tamanho do espaço latente é uma informação crucial, pois
determina o tamanho do espaço onde os dados de entrada
serão comprimidos.
A respeito de KNN (k-nearest neighbours), SVM (support vector machines), deep learning e técnicas de agrupamento, julgue o item a seguir.
O SVM classifica os dados encontrando uma linha ou
hiperplano ideal; essa linha de separação é encontrada entre
duas classes distintas pela análise dos dois pontos, um de
cada grupo, mais próximos da outra classe.
A respeito de KNN (k-nearest neighbours), SVM (support vector machines), deep learning e técnicas de agrupamento, julgue o item a seguir.
SVM é um algoritmo de aprendizado de máquina
supervisionado que pode ser usado para desafios de
classificação ou regressão.
A respeito de KNN (k-nearest neighbours), SVM (support vector machines), deep learning e técnicas de agrupamento, julgue o item a seguir.
KNN é um algoritmo de aprendizado supervisionado não
paramétrico que não pode ser utilizado em problemas de
classificação, uma vez que seu objetivo é prever valores
numéricos e não valores categóricos.
Julgue o próximo item, relativo a Naive Bayes e random forest.
Tamanho do nó, número de árvores e número de recursos
amostrados, ou número de preditores amostrados, são
parâmetros de algoritmos random forest.
Com respeito aos métodos relacionados à otimização de parâmetros em redes neurais artificiais, analise as afirmativas a seguir.
I. No algoritmo backpropagation, a aplicação da regra da cadeia é fundamental para o cálculo dos gradientes dos erros com respeito aos pesos (parâmetros) da rede neural artificial.
II. O método do gradiente (também chamado de método do máximo declive ou Gradient Descent – GD) escolhe aleatoriamente um pequeno número de instâncias de dados de treinamento a cada passo, aumentando a velocidade inicial de minimização das métricas de erro.
III. As técnicas de regularização L1 (Lasso) e L2 (Ridge) podem ser utilizadas para mitigar problemas relacionados a inicialização indevida de pesos (parâmetros) em redes neurais.
Está correto o que se afirma em
Um método que pode ajudar a mitigar a ocorrência do overfitting consiste em
I. dividir o conjunto de dados em k partes;
II. utilizar uma das partes para teste e as outras k-1 para treinamento;
III. repetir o processo para cada uma das k partes do conjunto de dados; e
IV. avaliar a média das métricas de performance para o modelo.
O método acima é chamado de
O gerador tenta criar dados falsos que sejam indistinguíveis dos dados reais, enquanto que o discriminador tenta distinguir entre dados reais e falsos. O treinamento é um jogo min-max, em que o gerador melhora suas habilidades para enganar o discriminador, e o discriminador melhora suas habilidades para detectar dados falsos.
Assinale a opção que apresenta as características do modelo de IA generativa descritas no texto.
Conheça nossos planos