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

A maioria das métricas utilizadas para avaliação da qualidade de um classificador em aprendizado de máquina é obtida por meio da matriz de confusão. 

Em relação ao uso de inteligência artificial para a automação de operações florestais, julgue o próximo item. 

No treinamento de modelos de aprendizado de máquina aplicados a operações florestais, pode ocorrer underfitting quando o modelo aprende padrões específicos dos dados de treinamento, mas não faz boas generalizações para novos dados. 

No que se refere à inteligência artificial aplicada ao manejo florestal, julgue o item subsequente.

Backpropagation é uma rede neural composta por três tipos de camadas: a de entrada, que recebe os dados; as camadas ocultas, responsáveis pelo processamento das informações; e a de saída, que gera os resultados. Essa estrutura permite a captura de relações complexas nos dados, tornando-se uma ferramenta eficaz na previsão e análise de variáveis florestais.

No que se refere à inteligência artificial aplicada ao manejo florestal, julgue o item subsequente.

No manejo florestal por meio de machine learning, os métodos supervisionados são amplamente utilizados para prever variações, como crescimento das árvores, a partir de dados rotulados provenientes de sensores e inventários florestais; enquanto os métodos não supervisionados são aplicados para identificar padrões e agrupar áreas com características especificas, como tipos de vegetação, grau de intervenção ou diferentes estágios de crescimento da floresta. 

O plano diretor da Embrapa 2024–2030 inclui, entre suas metas, a geração de conhecimento, tecnologias e informação para o enfrentamento e a mitigação das mudanças do clima, para o uso racional dos recursos naturais dos biomas brasileiros e para uma agricultura sustentável de futuro. A pesquisa nestas linhas de ação exige a aquisição e o processamento de um volume grande de variáveis e dados, o que hoje pode ser viabilizado por ferramentas como a computação quântica, a inteligência artificial, incluindo machine learning e deep learning, Big Data, blockchain, visão computacional, robótica e automação, o que se reflete em outro compromisso para a produção de massa crítica e domínio em tecnologias emergentes e disruptivas que permitam atingir os objetivos citados. Considerando o assunto tratado no texto precedente, julgue o item seguinte. 

No emprego das redes neurais convolucionais, aplicadas à visão computacional, os módulos iniciais conseguem identificar linhas e bordas dos objetos, os módulos seguintes organizam esses padrões em texturas e estruturas simples como triângulos e manchas, os quais se combinam então em outras estruturas como partes de folhas, galhos e bagas, e finalmente, os últimos módulos combinam esses elementos em objetos de interesse, como uma planta, um fruto ou um animal.  

O plano diretor da Embrapa 2024–2030 inclui, entre suas metas, a geração de conhecimento, tecnologias e informação para o enfrentamento e a mitigação das mudanças do clima, para o uso racional dos recursos naturais dos biomas brasileiros e para uma agricultura sustentável de futuro. A pesquisa nestas linhas de ação exige a aquisição e o processamento de um volume grande de variáveis e dados, o que hoje pode ser viabilizado por ferramentas como a computação quântica, a inteligência artificial, incluindo machine learning e deep learning, Big Data, blockchain, visão computacional, robótica e automação, o que se reflete em outro compromisso para a produção de massa crítica e domínio em tecnologias emergentes e disruptivas que permitam atingir os objetivos citados. Considerando o assunto tratado no texto precedente, julgue o item seguinte. 

No contexto da agricultura digital envolvendo diferentes processos biológicos, as aplicações da computação quântica podem ser agrupadas em áreas como bioinformática, sensoriamento remoto, modelagem climática e agricultura inteligente.

Considerando que, na chamada Indústria 4.0, diversas tecnologias digitais são integradas nos ambientes e equipamentos de produção, julgue o item subsequente, a respeito de métodos e técnicas empregadas nessa nova abordagem.  

Deep learning é um tipo de aprendizado de máquina que se baseia no uso de redes neurais de uma única camada. 

A respeito de máquinas de vetores de suporte e de avaliação de modelos de regressão, julgue o próximo item.  

SVM (support vector machines) é um classificador não probabilístico que utiliza um hiperplano com margem máxima para separar dados em diferentes categorias, combina modelos lineares com técnicas de aprendizagem baseadas em instâncias e pode executar classificações lineares ou realizar classificações não lineares.

Julgue o item a seguir, a respeito de RPA (robotic process automation). 

A padronização de processos em RPA garante consistência e conformidade; enquanto a formatação estabelece regras, a validação e a operação asseguram o funcionamento adequado dentro das diretrizes estabelecidas.

Com referência ao uso de inteligência artificial para o reconhecimento automático de padrões de imagens de satélite, julgue o item subsecutivo. 

As metodologias existentes para diferentes escalas de tomada de decisão se alinham às tecnologias incorporadas e a aplicativos orientados ao usuário, com base em ferramentas computacionais de gestão e processamento de dados, tais como webservices, SIGWeb, big data, computação em nuvem, processamento paralelo e modelagem cognitiva. 

Com referência ao uso de inteligência artificial para o reconhecimento automático de padrões de imagens de satélite, julgue o item subsecutivo. 

Em uma abordagem regional por sensoriamento remoto, podem ser utilizadas séries temporais de imagens de satélite e algoritmos de aprendizagem de máquinas para a avaliação dos níveis de degradação de pastagens. 

Com referência ao uso de inteligência artificial para o reconhecimento automático de padrões de imagens de satélite, julgue o item subsecutivo. 

Rede neurais são algoritmos que mimetizam a forma como o cérebro funciona e consistem de neurônios artificiais interligados e agrupados em camadas. Cada ligação entre neurônios possui um peso e cada neurônio possui uma função de perda e um bias, que determina se ele será ativado ou não. Tais algoritmos podem ser utilizados na classificação de imagens de satélite. 

Julgue o próximo item, relativo à classificação digital de imagens. 

Para o treinamento de um classificador supervisionado, as amostras de referência, tipicamente, serão um pequeno conjunto dos pixels da imagem, localizados em áreas conhecidas, com exatidão. 

Julgue o próximo item, relativo à classificação digital de imagens. 

O algoritmo de classificação K-Means é baseado em um método de agrupamento hierárquico. 

Acerca de modelagem computacional e inteligência artificial aplicada à biologia, julgue o item subsecutivo. 

Redes neurais gráficas são ferramentas importantes na modelagem de vias metabólicas e utilizam métodos, como random forest e XGBoost, para prever reações enzimáticas e detectar relações entre metabólitos.