Acerca de inteligência artificial e machine learning, julgue o item que se segue. 

Diferentemente do aprendizado supervisionado e não supervisionado, o aprendizado por reforço baseia-se em um agente que interage com um ambiente e recebe recompensas ou penalidades conforme suas ações, buscando maximizar um retorno cumulativo ao longo do tempo. 

Acerca de técnicas utilizadas na ciência de dados, julgue o item a seguir. 

As árvores de decisão são uma técnica de aprendizado supervisionado que é adequada para analisar, por exemplo, a influência de fatores na qualidade da carne bovina em um sistema de produção, permitindo avaliar variáveis tais como alimentação, genética, manejo e peso ao abate e gerando regras interpretáveis, que auxiliam na tomada de decisão com base nessas características. 

Julgue o próximo item, relativo a aprendizado de máquina e BI (Business Intelligence). 

Random forest é um método de aprendizado de conjunto que combina várias árvores de decisão para formar um modelo mais robusto e preciso. Tal método pode ser usado tanto para resolver problemas de regressão (por exemplo, prever o valor de uma ação) quanto para realizar classificação (por exemplo, compra válida, fraude). 

Considerando a aplicação de aprendizado de máquina para monitoramento de florestas, julgue o item a seguir. 

Em um modelo de identificação de incêndios florestais, a métrica sensibilidade, também chamada de recall, afere a capacidade do modelo de encontrar todos os incêndios reais. 

Julgue o item a seguir, em relação a técnicas de agrupamento, a técnicas de redução de dimensionalidade, e a processamento de linguagem natural.

Considere que se queira aplicar técnicas de processamento de linguagem natural na frase Paulo nasceu no Ceará, de forma tal que Paulo e Ceará sejam considerados, respectivamente, o nome da pessoa e o nome do local de nascimento dela. Nessa situação, é correto utilizar o NER (named entity recognition), pois, por meio da utilização do algoritmo K-means, os grupos relacionados aos termos que se deseja segmentar — no caso, pessoa e local — podem ser encontrados.

A partir da situação hipotética precedente, julgue o item a seguir, que versa sobre inteligência artificial e assuntos correlatos. 

Considerando-se que o alvo do modelo seja identificar casos para aprovação de garantia, a métrica ideal de sucesso é a da precisão, pois objetiva minimizar falsos negativos. 

A partir da situação hipotética precedente, julgue o item a seguir, que versa sobre inteligência artificial e assuntos correlatos. 

No método CRISP-DM, é na fase de modelagem que se definem as métricas de sucesso do projeto de descoberta de conhecimento.

A partir da situação hipotética precedente, julgue o item a seguir, que versa sobre inteligência artificial e assuntos correlatos. 

A situação descrita representa um problema de classificação. 

A partir da situação hipotética precedente, julgue o item a seguir, que versa sobre inteligência artificial e assuntos correlatos. 

O aprendizado de máquina não supervisionado é a escolha ideal atender às condições apresentadas, pois o sistema aprende a aprovar ou a negar sem dados rotulados.

A partir da situação hipotética precedente, julgue o item a seguir, que versa sobre inteligência artificial e assuntos correlatos. 

O algoritmo de regressão linear é indicado para resolver o problema em questão, pois estima valores contínuos, que podem ser usados para decidir pela aprovação ou pela negação. 

Em relação a inteligência artificial, metodologias ágeis de desenvolvimento e teste de software, julgue o próximo item. 

Os sistemas de inteligência artificial dependem de algoritmos simples e fixos, ou seja, que não podem ser ajustados ou aprimorados ao longo do tempo. 

Julgue o próximo item, relativo a aprendizado de máquina e modelagem preditiva. 

As redes neurais artificiais podem ser utilizadas na previsão de safras agrícolas, pois esses algoritmos conseguem identificar padrões complexos em grandes volumes de dados históricos e meteorológicos, o que permite prever com precisão o rendimento das colheitas. 

Julgue o próximo item, relativo a aprendizado de máquina e modelagem preditiva. 

O uso de algoritmos de clustering é mais adequado que o uso de algoritmos de regressão linear para prever a produção agrícola, pois eles são capazes de encontrar relações lineares entre as variáveis.