Julgue o próximo item, a respeito de escritório de projetos, ITIL 4 e gestão de processos. 

Em que pese ser voltado para gerenciamento de serviços, o ITIL 4 possui a prática de desenvolvimento e gerenciamento de software, que visa garantir que os aplicativos atendam às necessidades das partes interessadas relativas a funcionalidade e auditabilidade. 

Com relação a algoritmos de busca, simulação robótica, sistemas operacionais para robôs e ferramentas de depuração, julgue o item seguinte. 

A aplicação do algoritmo A* em espaços contínuos não requer nenhuma forma de discretização, podendo operar diretamente sobre o espaço de estados.

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

A acurácia de um modelo classificador mede a taxa de previsões corretas, em relação ao total de previsões positivas.

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. 

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. 

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. 

Com base no código precedente, julgue o item a seguir. 

Na interpretação do resultado do código, valores de NDVI próximos de 0 indicam maiores quantidades de vegetação fotossinteticamente ativa, enquanto valores próximos de 1 sugerem uma baixa vegetação. 

Com base no código precedente, julgue o item a seguir. 

Ao salvar a imagem resultante, o código preserva automaticamente a escala original dos valores de NDVI, sem precisar de ajustes adicionais. 

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.