Questões de Concurso Sobre inteligencia artificial em engenharia de software

Foram encontradas 537 questões

Q2031060 Engenharia de Software
Machine Learning é um subconjunto da Inteligência Artificial que utiliza dados e algoritmos para imitar o raciocínio humano. Em relação aos algoritmos de machine learning, assinale a afirmativa incorreta.
Alternativas
Q2501775 Engenharia de Software
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
Alternativas
Q2084106 Engenharia de Software
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)
Alternativas
Q2084105 Engenharia de Software
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.
Alternativas
Q2084103 Engenharia de Software
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.
Alternativas
Q2026210 Engenharia de Software
Assinale a alternativa correta com relação ao assunto Data Lake.
Alternativas
Q2026198 Engenharia de Software
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.
Alternativas
Q2020851 Engenharia de Software
Julgue o item a seguir a respeito dos conceitos de RPA (robotic process automation).
     RPA consiste num microcontrolador de 8 bits, com componentes complementares, para facilitar a programação e a incorporação em outros circuitos.
Alternativas
Q2020850 Engenharia de Software
Julgue o próximo item a respeito dos conceitos de Machine Learning
    Classificadores bayesianos são classificadores estatísticos usados para predizer a probabilidade de pertinência de um objeto a determinada classe. 
Alternativas
Q2016953 Engenharia de Software

 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 

Alternativas
Q1993161 Engenharia de Software
Com relação a Pytorch, assinale V para a afirmativa verdadeira e F para a falsa.

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,
Alternativas
Q1991594 Engenharia de Software
A implantação de uma solução de machine leaming tipicamente passa por 5 fases. Na fase inicial, deve-se ter clareza quanto à pergunta ou problema para o qual se busca uma solução e quanto às informações que serão utilizadas, sejam elas de propriedade do interessado ou a serem adquiridas no mercado. As outras fases são:

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: 
Alternativas
Q1990879 Engenharia de Software
Com relação aos conceitos de aprendizado de máquina, assinale V para a afirmativa verdadeira e F para a falsa.
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,
Alternativas
Q1988569 Engenharia de Software
Acerca de modelos preditivos e descritivos, assinale a opção correta. 
Alternativas
Q1988568 Engenharia de Software
Quanto à avaliação de modelos preditivos, assinale a opção correta.
Alternativas
Q1988360 Engenharia de Software

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).

Alternativas
Q1988359 Engenharia de Software

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.  

Alternativas
Q1988358 Engenharia de Software

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).

Alternativas
Q1988357 Engenharia de Software

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.

Alternativas
Q1988356 Engenharia de Software

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< 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. 

Alternativas
Respostas
421: C
422: A
423: E
424: A
425: C
426: B
427: D
428: E
429: C
430: D
431: E
432: A
433: E
434: D
435: D
436: C
437: E
438: E
439: C
440: C