Luiz, médico dermatologista, criou um modelo de IA para auxiliar na detecção de câncer de pele com visão computacional. Como um modelo de classificação binária, ele terá 4 possíveis saídas: verdadeiro positivo (paciente com câncer, detectado corretamente), verdadeiro negativo (paciente sem câncer, detectado corretamente), falso positivo (paciente sem câncer, detectado incorretamente) e falso negativo (paciente com câncer, não detectado pelo modelo).

Levando em consideração que um modelo de IA seria utilizado como uma ferramenta de auxílio ao diagnóstico de câncer de pele, os erros de “tipo 1” (falso positivo) seriam tolerados, já que haveria uma análise posterior realizada por um médico especialista. No entanto, os erros “tipo 2” (falso negativo) seriam os mais críticos, uma vez que podem resultar em um diagnóstico tardio ou falho, comprometendo a saúde do paciente. Tomando o cenário como base, julgue os itens a seguir:

I. A métrica mais importante nesse caso seria a Sensibilidade (Recall ou Revocação);

II. A métrica mais importante nesse caso seria a Precisão (Precision);

III. Ao ajustar o modelo para minimizar erros de "tipo 2", geralmente os erros de "tipo 1" tendem a aumentar;

IV. Luiz deveria submeter seu modelo a um treinamento mais longo, independentemente do overfitting.

Estão corretas as afirmativas 

No contexto dos algoritmos utilizados em análise de dados, considere os passos a seguir:

1. recebe os dados de treinamento como entrada, que incluem atributos e categorias;

2. calcula a probabilidade de cada categoria ocorrer com base na quantidade de exemplos de cada categoria no conjunto de dados;

3. calcula a probabilidade condicional para cada atributo, ou seja, a probabilidade de um atributo dada uma categoria;

4. para uma nova entrada, calcula a probabilidade de cada categoria dada a entrada;

5. seleciona a categoria com a maior probabilidade condicional como a previsão para a nova entrada;

6. repete os passos 4 e 5 para todas as entradas desconhecidas.

Assinale o algoritmo que é implementado nos passos acima.

Assinale a alternativa que indica o tipo de aprendizagem que consiste em adquirir novos fatos ou habilidades, transformando e aumentando o conhecimento existente que tem forte semelhança com o novo conceito ou habilidade desejada em uma forma eficaz e útil na nova situação, requerendo mais inferência por parte do aluno do que aprender de cór (aprendizado por memorização) ou aprender com a instrução.

Sobre as redes neurais convolucionais (CNNs) é correto afirmar que

Sobre modelos de otimização de redes neurais, assinale a afirmativa incorreta. 

Sobre a divisão e tratamento de dados, assinale a afirmativa correta.

A recente explosão de machine learning e deep learning tornou os tensores populares. TensorFlow e PyTorch são dois frameworks com suporte a API de tensor.
Em relação aos tensores, assinale a opção incorreta.

Uma rede neural é um modelo preditivo motivado pela forma como o cérebro funciona. Redes neurais artificiais são formadas por neurônios artificiais, que desenvolvem cálculos similares sobre suas entradas. Elas podem resolver uma variedade de problemas, tais como o reconhecimento de caligrafia e a detecção facial, entre outros. São geralmente representadas por meio de um grafo orientado, onde os vértices representam os neurônios e as arestas representam as sinapses. Podem ser classificadas em três categorias específicas: Redes Neurais Feed-Forward, Redes Recorrentes e Redes Conectadas Simetricamente. Dentro dessas categorias, existem diversos tipos de arquiteturas.

Assinale a alternativa que define corretamente uma Rede Neural Perceptron Multicamadas.

O Processamento de Linguagem Natural (PLN) é a subárea da Inteligência Artificial responsável por estudar a capacidade e as limitações de uma máquina de entender a linguagem dos seres humanos. Para poder realizar essa modelagem, são necessários pré-processamentos que abstraem e estruturam a língua, deixando apenas aquilo que representa uma informação relevante. Uma das etapas desse processo compreende a normalização. Uma tarefa que pode ser realizada dentro do processo de normalização é denominada de tokenização lexical. Considere a seguinte sentença:

A área de Ciência de Dados é muito interessante!

Assinale a alternativa correta que representa o resultado da tokenização lexical para essa sentença.

Machine Learning, ou aprendizado de máquina, é um subcampo da inteligência artificial baseada na ideia de que os sistemas podem aprender a identificar padrões e tomar decisões, por meio da análise de dados. De acordo com o tipo de técnica utilizada no processo de aprendizagem, existem vários algoritmos que podem ser aplicados para gerar o modelo de aprendizado. Os parâmetros desse modelo podem ser atualizados por meio de técnicas de otimização. Com base nessas informações, assinale a alternativa correta.

No aprendizado de máquina, o algoritmo de classificação considerado mais rudimentar e simples, que cria o modelo simplesmente baseado na moda da classe, ou seja, classifica todas as instâncias de acordo com a classe dominante, é conhecido como

Sobre o processamento morfológico de imagens, considere as afirmativas a seguir.
I - A morfologia matemática é fundamentada na teoria dos conjuntos e tem como exemplos de operadores morfológicos a erosão, a dilatação, a abertura e o fechamento. II - As operações morfológicas em imagens binárias ocorrem de forma diferente das operações morfológicas em imagens tons de cinza. III - A dilatação e a erosão morfológica em imagens tons de cinza podem ser usadas em conjunto com a subtração de imagens para obter o gradiente morfológico da imagem.
Está(ão) correta(s)

Dos seguintes algoritmos de aprendizado de máquina, assinale a alternativa que apresenta corretamente os algoritmos que possuem a característica de serem de aprendizado não supervisionado.

Após a realização de uma pesquisa com alunos da universidade sobre preferências em relação às atividades acadêmicas e opções de lazer no campus, foram obtidos dados de questionários. Com base nesses dados, isolaram-se duas variáveis numéricas, a fim de se criarem grupos de usuários e, posteriormente, traçarem planos específicos para cada grupo. Arbitrariamente, foi definido que cinco grupos distintos seriam obtidos e, posteriormente, foi rodado um algoritmo de aprendizado de máquina para gerar os grupos.
A partir desse contexto, duas questões foram formuladas:
(I) Qual desses algoritmos abaixo é o mais adequado para tal tarefa? (II) Qual a parametrização que deveria ter sido realizada?
Assinale a alternativa que apresenta a resposta correta para as duas questões formuladas.

Assinale a alternativa correta com relação ao assunto Data Lake.

É necessário utilizar um algoritmo de Machine Learning para realizar a classificação de um objeto em três ou mais classes que possuem uma ordem determinada antecipadamente.

Assinale a alternativa que indica corretamente um algoritmo que possa realizar esta tarefa.

 Sobre os conceitos de modelos preditivos, analise as afirmações abaixo.

  I. O modelo preditivo não supervisionado recebe dados de entrada e saída e busca correlações entre eles.

 II. O modelo supervisionado recebe apenas dados de entrada para encontrar padrões e prevê repetições de ocorrências anteriores.

III. A análise preditiva é utilizada como ferramenta para identificar padrões que podem sugerir ações fraudulentas.

 IV. A utilização de técnicas de aprendizagem de máquina para a análise preditiva permite produzir de forma automática e mais rápida modelos mais precisos.

É correto o que se afirma APENAS em