Julgue o item subsequente, com relação a aprendizado de máquina, que é uma forma de inteligência artificial com vasta aplicação na área de diagnóstico por imagem. 

No aprendizado não supervisionado, o modelo é treinado com base em um conjunto de entradas (por exemplo, dados extraídos de imagens médicas de vários pacientes) e de saídas corretas associadas a cada uma dessas entradas (por exemplo, o diagnóstico de cada paciente).

Acerca do desenvolvimento de pipelines e do processamento distribuído para aprendizado de máquina, julgue o seguinte item. 

MLflow é uma ferramenta exclusiva para uma única tarefa, como treinamento ou implantação de modelos, proporcionando funcionalidades para experimentação, rastreamento de parâmetros e métricas, reprodução de modelos, empacotamento e implantação. 

Julgue o próximo item, relativos a linguagens, ferramentas e bibliotecas que facilitam a criação, o treinamento e a implantação de modelos de software com aprendizado de máquina. 

Bibliotecas como TensorFlow e PyTorch são exclusivas para algoritmos de aprendizado profundo e não são adequadas para tarefas de aprendizado de máquina tradicionais. 

A respeito de ontologia, julgue o próximo item. 

Ontologias podem ser entendidas como aplicações criadas para simular a ação de especialistas humanos, com o propósito de solucionar problemas específicos em um dado domínio.

A respeito de ontologia, julgue o próximo item. 

A representação formal de ontologias é utilizada para que estas sejam consumidas por computadores, enquanto a representação gráfica é utilizada para compreensão humana. 

Julgue o item a seguir, a respeito de algoritmos e técnicas supervisionadas e não supervisionadas de aprendizado de máquina e aprendizagem profunda. 

As redes neurais permitem construir modelos que sejam padronizados de acordo com o funcionamento do cérebro humano. 

Julgue o item a seguir, a respeito de algoritmos e técnicas supervisionadas e não supervisionadas de aprendizado de máquina e aprendizagem profunda.

Os algoritmos baseados em árvore de decisão definem modelos com uma técnica para estimar a probabilidade de um evento ocorrer sob determinada circunstância, usando-se uma estimativa a priori da probabilidade de sua ocorrência. 

Com relação a ciência de dados e inteligência artificial, julgue o próximo item. 

Na inteligência artificial, o agente inteligente deve ser capaz de ter autonomia, isto é, deve ter a capacidade de acumular conhecimento que seja útil em suas ações. 

Com relação a ciência de dados e inteligência artificial, julgue o próximo item. 

A capacidade de classificação é uma tarefa importante no aprendizado de máquina, por ser utilizada no estabelecimento de padrões. 

Com relação a ciência de dados e inteligência artificial, julgue o próximo item. 

A utilização da lógica nebulosa é adequada quando há necessidade de uma variável fazer parte da solução de um problema.  

Com relação a ciência de dados e inteligência artificial, julgue o próximo item. 

Em uma rede regida pelo aprendizado Hebbiano, apenas um neurônio de saída é disparado, enquanto em uma rede regida pelo aprendizado competitivo, os neurônios podem ser excitados simultaneamente. 

Com relação a ciência de dados e inteligência artificial, julgue o próximo item. 

Na ciência de dados, as cadeias de Markov podem ser aplicadas a ferramentas de previsão do clima e de espalhamento de doenças, por exemplo.

Com relação a ciência de dados e inteligência artificial, julgue o próximo item. 

O algoritmo de classificação KNN (K Nearest Neighbors) é utilizado na inteligência artificial para reconhecimento de padrões. 

Com relação a ciência de dados e inteligência artificial, julgue o próximo item. 

O dispositivo computacional da inteligência artificial engloba, entre outros elementos, a percepção, que é a capacidade de provocar mudanças no ambiente.