Questões de Concurso
Comentadas sobre inteligencia artificial em engenharia de software
Foram encontradas 651 questões
I. Trata-se de uma biblioteca de tensores que pode ser utilizada em problemas de aprendizado profundo, podendo utilizar tanto GPU quanto CPU.
II. O pacote torch.parallel.gpu é capaz de suportar o processamento paralelo de tensores do tipo multidimensionais dimensionais e CUDA em processadores GPU.
III. O pacote torch.distributed.elasticstack é capaz distribuir um script tornando-o elástico e tolerante a falhas em diversos tipos de ambientes distribuídos.
As afirmativas são, respectivamente,
I Treinar o modelo ajustando os atributos, parâmetros de treinamento e algoritmos até que o modelo produza os resultados desejados. A validação é realizada comparando-se as predições com os resultados reais.
II Monitorar os resultados das predições para verificar se o modelo continua generalizando. Se houver uma diminuição significativa na capacidade de predição do modelo, este deve ser treinado novamente com novos dados ou até mesmo os algoritmos, atributos e parâmetros de treinamento devem ser ajustados.
III Definir o objetivo do aprendizado de máquina, estruturar o modelo que será o responsável por realizar as predições e adequar os dados para os algoritmos selecionados.
IV Verificar se o modelo generaliza. No caso de o modelo não generalizar, deve-se retornar para as fases anteriores ou até mesmo para a fase inicial. Se generalizar, o modelo já pode seguir para a produção.
A ordem sequencial correta das outras fases é:
I. Os três principais paradigmas de aprendizado de máquina são os de aprendizado supervisionado, não supervisionado e por inteligência profunda.
II. os algoritmos de classificação e clusterização estão correlacionados com paradigma de aprendizado supervisionado.
III. os algoritmos de support vector machines e randon forest são paradigmas do aprendizado de inteligência profunda.
As afirmativas são, respectivamente,
Julgue o próximo item, a respeito dos métodos de aprendizagem de máquina.
A utilização de valores aleatórios nos métodos modernos de
inicialização dos pesos das camadas das redes neurais
artificiais (RNA) permite evitar o problema do
desaparecimento do gradiente (vanishing gradient problem).
Julgue o próximo item, a respeito dos métodos de aprendizagem de máquina.
As redes neurais convolucionais (CNN) são aplicadas
exclusivamente a problemas de regressão de dados, a partir
da utilização da função de regressão logística.
Julgue o próximo item, a respeito dos métodos de aprendizagem de máquina.
As aplicações em inteligência artificial são definidas como
uma subárea da área de aprendizagem de máquina (machine
learning).
Em relação a aprendizado não supervisionado, julgue o item que se segue.
O modelo de mistura gaussiana (GMM) é um método que
descreve um agrupamento de amostras para determinado
espaço de características, em que o GMM é uma mistura de k distribuições gaussianas associadas à mudança de estado
dos pixels.
Em relação a aprendizado não supervisionado, julgue o item que se segue.
A técnica de redução de dimensionalidade (PCA) permite transformar dados que inicialmente pertencem a um espaço de dimensão n em um espaço de dimensão m , em que m < n, sendo utilizada, por exemplo, para reduzir a dimensionalidade de certo conjunto de dados através do descarte de características não úteis e que ainda permita realizar o reconhecimento de padrões.
Em relação a aprendizado não supervisionado, julgue o item que se segue.
O algoritmo random forest é um algoritmo de aprendizado
de máquina supervisionado em que se agrupam os resultados
de várias árvores de decisão de cada nó para se obter uma
conclusão própria e aumentar a precisão do modelo, não
sendo o referido algoritmo adequado para grandes conjuntos
de dados.
Em relação a aprendizado não supervisionado, julgue o item que se segue.
A ação de realizar agrupamento hierárquico tem como
premissa básica encontrar elementos em um conjunto de
dados que impliquem a presença de outros elementos na
mesma transação, com um grau de certeza definido pelos
índices de fator de suporte e o fator de confiança, que pode
ser realizado, por exemplo, por meio do algoritmo a priori.
Em relação a aprendizado não supervisionado, julgue o item que se segue.
A validação cruzada pode ser utilizada para detectar quando
uma rede neural está sendo treinada de maneira excessiva
(overtraining) e assim interromper o treinamento antes que
isso ocorra, como, por exemplo, por meio do princípio
orientador atrativo para o ajuste dos pesos e bias durante o
processo de treinamento da RNA.
Julgue o item a seguir, relativos a aprendizado supervisionado.
O trade off entre variância e viés é afetado pela utilização de
polinômios, com graus que variam de zero a três, em que o
emprego de polinômios de ordem ímpar produz sempre
melhores resultados no que diz respeito à redução da
variância e viés que os de ordem par, seja para estimativas
com regressões locais constantes e lineares, seja para as
estimativas de ordem quadrática e cúbica.
Julgue o item a seguir, relativos a aprendizado supervisionado.
A despeito do alto grau de aplicabilidade das técnicas de
regularização na classificação e na regressão, no que se
refere à sua acurácia, tais técnicas tendem a causar o
sobreajuste (overfitting) devido à influência de coeficientes
responsáveis por flutuações excessivas.
Julgue o item a seguir, relativos a aprendizado supervisionado.
As técnicas de regressão são utilizadas tanto para prever
quando para entender como o sinal avaliado é afetado pela
variação dos preditores, ou ainda, para identificar os
preditores mais importantes na relação entre o sinal avaliado
e cada um deles.
Julgue o item a seguir, relativos a aprendizado supervisionado.
Em se tratando de modelos de regressão linear, indica-se a
utilização dos seguintes métodos não paramétricos para a
estimação dos resultados: mínimos quadrados (MQ) e de
support vector machines (SVM).
Com relação às noções básicas de informática, julgue o seguinte item.
O Power Query é uma ferramenta do PowerBI utilizada para
formatação de uma tabela importada.
I. Uma empresa monitora e coleta dados em tempo real de mais de 1.000 veículos de divulgação, 100 mil blogs e das principais redes sociais do mundo. Utiliza um método capaz de identificar e segmentar grupos de eleitores a favor ou contra determinado assunto, de acordo com o interesse do cliente.
II. A partir de uma base de dados na qual são identificadas pessoas que estão fumando e pessoas que não estão fumando, são formados dois subconjuntos disjuntos: a base de treino (contendo 70% dos dados originais) e a base de teste (contendo o restante dos dados originais, 30%). Em seguida, a base de treino é submetida ao modelo para que seus parâmetros sejam calibrados e, após esta etapa, ocorre a predição de classes.
III. O sistema de recomendação de um site de comércio eletrônico monitora todos os itens vendidos e, quando um cliente está realizando uma compra, apresenta para ele itens semelhantes frequentemente comprados juntos.
Os itens I, II e III, são exemplos, respectivamente, de métodos
I. No processo de aprendizagem supervisionada o computador recebe um conjunto de dados. Ele encontrará neste conjunto dados de entrada atrelados as saídas esperadas. Neste tipo de aprendizagem o objetivo é encontrar as regras que conseguem mapear aquelas entradas com aquelas saídas.
II. À aprendizagem por reforço é um tipo de treinamento usado onde enfrentamos um ambiente complexo. Através das tentativas e erro o computador busca uma solução para O problema. Para que a máquina entenda o que são acertos e erros ela receberá recompensas e penalidades durante o processo de busca da solução.
III. Quando o conjunto de dados repassado para o computador possui apenas os valores de saída possíveis (rótulos) mas não conhecemos nada a respeito dos valores das entradas, devemos fazer uso do processo de aprendizagem não supervisionada. Ela foi criada justamente para atender este cenário. Esse aprendizagem envolve complexidades adicionais quando comparada a aprendizagem supervisionada.
Conheça nossos planos