Questões de Concurso
Sobre inteligencia artificial em engenharia de software
Foram encontradas 764 questões
Assinale a opção que contém apenas os nomes dos métodos de clusterização disponíveis no módulo.
O nome do problema encontrado por Raimundo é
Para treinar um modelo pré-treinado adaptando-o às tarefas e aos conjuntos de dados específicos do domínio do MPU, Jonas deve realizar um(a):
Acerca de inteligência artificial e machine learning, julgue o item que se segue.
Para avaliar o desempenho de um classificador em problemas de classificação com classes significativamente desbalanceadas, a métrica acurácia é a mais adequada, pois considera a proporção de previsões corretas em relação ao total de amostras.
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.
Em aprendizado de máquina, classificadores binários e multiclasses são usados para categorizar dados em duas ou mais classes. Considere os cenários a seguir:
1. Um sistema de detecção de fraudes bancárias, onde cada transação deve ser classificada como fraudulenta ou não fraudulenta.
2. Um modelo de classificação de espécies de flores, onde cada flor pode ser categorizada como setosa, versicolor ou virginica.
Em relação aos cenários apresentados, assinale a alternativa que descreve os modelos mais adequados para cada tipo de problema.
Uma empresa recebe inúmeras solicitações de atendimento referentes à garantia de seus produtos. Cada solicitação descreve o defeito alegado pelo cliente, a data de compra do produto ou serviço e outros detalhes. A empresa deseja implantar um sistema que decida automaticamente se uma solicitação deve ser aprovada ou negada, com base em exemplos históricos de solicitações.
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.
Uma empresa recebe inúmeras solicitações de atendimento referentes à garantia de seus produtos. Cada solicitação descreve o defeito alegado pelo cliente, a data de compra do produto ou serviço e outros detalhes. A empresa deseja implantar um sistema que decida automaticamente se uma solicitação deve ser aprovada ou negada, com base em exemplos históricos de solicitações.
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.
Uma empresa recebe inúmeras solicitações de atendimento referentes à garantia de seus produtos. Cada solicitação descreve o defeito alegado pelo cliente, a data de compra do produto ou serviço e outros detalhes. A empresa deseja implantar um sistema que decida automaticamente se uma solicitação deve ser aprovada ou negada, com base em exemplos históricos de solicitações.
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.
Uma empresa recebe inúmeras solicitações de atendimento referentes à garantia de seus produtos. Cada solicitação descreve o defeito alegado pelo cliente, a data de compra do produto ou serviço e outros detalhes. A empresa deseja implantar um sistema que decida automaticamente se uma solicitação deve ser aprovada ou negada, com base em exemplos históricos de solicitações.
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.
Uma empresa recebe inúmeras solicitações de atendimento referentes à garantia de seus produtos. Cada solicitação descreve o defeito alegado pelo cliente, a data de compra do produto ou serviço e outros detalhes. A empresa deseja implantar um sistema que decida automaticamente se uma solicitação deve ser aprovada ou negada, com base em exemplos históricos de solicitações.
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.
Conheça nossos planos