Questões de Concurso sobre Aprendizado de Máquina

Um sistema analisa dados históricos de clientes para prever se um novo cliente será bom ou mau pagador, com base em atributos como renda, idade e profissão.

Com base nessa informação, é possível concluir que essa tarefa caracteriza um problema de:

Matheus foi empossado recentemente pela ALEGO como analista e está se aprofundando nos estudos das redes neurais (RN). Ele sabe que as RN podem ter diversas formas de aprendizagem não supervisionada.

O tipo de aprendizado onde os neurônios de saída da rede disputam entre si para se tornarem ativos e somente um neurônio de saída é ativado em determinado instante se denomina:

Durante a investigação de possíveis discursos de ódio em grande volume, foi utilizada IA generativa baseada em LLMs. O perito precisa entender como o modelo constrói sua representação interna dos textos.

1. Embeddings

2. Tokenização

3. Modelo Transformer

Associe as técnicas ao seu propósito:

O uso de OCR dispensa a necessidade de revisão humana em documentos digitalizados, pois a taxa de reconhecimento é suficiente para garantir precisão total em qualquer tipo de documento.

Uma rede neural profunda pode apresentar baixo erro no conjunto de treinamento e desempenho insatisfatório em dados não vistos, mesmo após múltiplas épocas de treinamento. Nesse contexto, considerando restrições que preservam a arquitetura fundamental do modelo, a estratégia que atua de forma mais adequada sobre o fenômeno descrito é

Um Instituto Federal de Educação está desenvolvendo diferentes soluções baseadas em aprendizado de máquina para apoiar a gestão acadêmica e pedagógica. Entre as iniciativas consideradas, estão:

1. o uso de dados históricos de estudantes, previamente rotulados quanto à ocorrência de evasão ou de permanência, para estimar o risco de evasão acadêmica;
2. a análise de dados acadêmicos e de frequência com o objetivo de identificar padrões e perfis semelhantes entre estudantes, sem a definição prévia de categorias;
3. o desenvolvimento de um agente inteligente capaz de recomendar intervenções pedagógicas ao longo do tempo, ajustando suas decisões a partir de recompensas associadas ao desempenho dos estudantes.

Com base nesse cenário, dadas as afirmativas,

I. A estimativa do risco de evasão acadêmica, a partir de dados históricos previamente rotulados, caracteriza um problema de aprendizado supervisionado.

II. A identificação de padrões e perfis semelhantes entre estudantes pode ser tratada como um problema de aprendizado supervisionado, desde que os dados estejam organizados e armazenados em sistemas acadêmicos.

III. O agente que recomenda intervenções pedagógicas e ajusta suas decisões, a partir de recompensas ao longo do tempo, utiliza aprendizado por reforço.

verifica-se que está/ão correta/s

Uma Secretaria da Fazenda analisa declarações fiscais sem rótulos prévios para identificar padrões de comportamento econômico atípico entre contribuintes, visando a subsidiar auditorias. A abordagem de aprendizado de máquina corretamente aplicada ao cenário descrito é aprendizado

Considerando aspectos conceituais e práticos de Redes Neurais Artificiais e Redes Neurais Profundas (Deep Learning), assinale a alternativa INCORRETA.

Em um modelo de rede neural artificial, além dos pesos das conexões entre neurônios, cada unidade de processamento recebe um valor fixo adicionado à soma ponderada de suas entradas, cuja função é ajustar o limiar de ativação do neurônio, permitindo maior flexibilidade na modelagem de padrões complexos. A alternativa que corretamente identifica esse componente é:

Em algoritmos de aprendizado de máquina, a validação cruzada (cross-validation) é utilizada para aumentar o conjunto de treinamento ao duplicar os dados disponíveis, elevando assim a capacidade de generalização do modelo.

A técnica de lematização (lemmatization) reduz palavras à sua raiz por meio de regras heurísticas, frequentemente resultando em formas que não constituem palavras válidas no dicionário do idioma original.

Um exemplo de algoritmo de aprendizado de máquina que tenta, por padrão, maximizar as verossimilhanças condicionais do treinamento é o

Analise as afirmativas abaixo sobre Deep Learning.

1. É um tipo ou subconjunto de machine learning ou aprendizagem de máquina.

2. Trabalha sempre com aprendizado não supervisionado, no qual o aprendizado emerge naturalmente através dos nós da rede.

3. Emprega redes neurais artificiais multicamadas, atribuindo pesos e vieses distintos em camadas e nós, ou neurônios artificais, distintos.

Assinale a alternativa que indica todas as afirmativas corretas.

Aplicações de ciência de dados empregam métodos estatísticos e de aprendizado de máquina para extração de padrões, construção de modelos preditivos e suporte analítico a decisões, em tarefas como classificação, detecção de anomalias e análise de grandes volumes de dados.

No modelo de Machine Learningo Overfitting ocorre quando:

O aprendizado de máquina (machine learning) é frequentemente categorizado em diferentes paradigmas, dependendo da natureza dos dados disponíveis e do problema a ser resolvido. Dois dos tipos mais comuns são o aprendizado supervisionado e o aprendizado não supervisionado.

A principal diferença conceitual entre essas duas abordagens reside no fato de que, no aprendizado supervisionado:

Um grupo de indivíduos é suspeito de utilizar aprendizado de máquina para realizar fraudes bancárias. Para fazer a análise apropriada ele precisa identificar qual tipo de aprendizado está sendo usado em cada etapa.

1. Detecção de anomalias em transações sem rótulos

2. Classificação de transações como “fraude” ou “legítima”

3. Agente que ajusta estratégia de detecção com base em feedback de penalidade e recompensa

Associe corretamente o tipo de aprendizado ao cenário:

A secretaria de fazenda de certo estado visa implantar um sistema inteligente capaz de detectar automaticamente indícios de fraude em notas fiscais eletrônicas, com base em padrões históricos de transações regulares e irregulares. O sistema deverá aprender com exemplos rotulados e ajustar-se continuamente a novos tipos de fraude à medida que recebe novos dados.

Na situação hipotética apresentada, a técnica de inteligência artificial mais adequada para que o sistema em apreço atenda às demandas dessa secretaria de fazenda corresponde ao uso de

No contexto da Inteligência Artificial (IA), assinale a alternativa que define o que é aprendizado de máquina (machine learning).

Uma empresa de e-commerce implantou um modelo de machine learning para prever a probabilidade de churn, métrica que indica a rotatividade ou evasão de clientes. Após seis meses em produção, a equipe de dados observou que, embora as distribuições estatísticas das features de entrada permanecessem estáveis (mesmas médias, mesmos desvios-padrão e mesmas distribuições), o relacionamento entre essas features e a variável-alvo (churn) havia mudado significativamente devido a alterações no comportamento dos consumidores causadas por novas políticas de fidelização da empresa.

Diante desse cenário, é correto afirmar que o modelo: