Questões de Concurso sobre Aprendizado de Máquina

Com base nas características, limitações e aplicações do deep learning, assinale a alternativa correta.

A respeito do aprendizado supervisionado, assinale a opção correta.

O overfitting ocorre quando um modelo de machine learning tem alta precisão nos dados de treinamento, mas apresenta desempenho significativamente pior em novos dados.

Em um projeto voltado à modernização do acompanhamento processual, a equipe de analistas de um tribunal identificou duas demandas distintas: estimar o prazo de conclusão dos processos judiciais a partir de dados históricos e detectar agrupamentos de demandas com características semelhantes, sem informações prévias de classificação. Com base nos conceitos de aprendizado de máquina, a solução adequada para atender a esses objetivos envolve a utilização de modelos

Tendo em vista os tipos de aprendizado de máquina, relacione a COLUNA II com a COLUNA I, associando os tipos de aprendizado às suas características.

COLUNA I

1. Aprendizado Supervisionado

2. Aprendizado Não Supervisionado

COLUNA II

( ) Treina modelos com um conjunto de dados que possui rótulos ou labels, em que a resposta correta já é conhecida.

( ) Treina modelos com dados que não possuem rótulos, buscando descobrir estruturas e padrões ocultos.

( ) Utilizado para tarefas de classificação e regressão, como prever preços ou categorizar e‑mails.

Assinale a sequência correta.

Um servidor da Controladoria deseja usar um Large Language Model (LLM), como o GPT ou Llama, em sua versão padrão prétreinada, para uma tarefa imediata e genérica de processamento de texto. A tarefa consiste em receber um longo relatório jurídico e criar um resumo conciso de um parágrafo.

Assinale a opção que indica a aplicação fundamental dos LLMs que permite que eles processem um texto extenso de entrada e gerem uma saída textual mais curta e coerente, como um resumo, sem a necessidade de ajuste fino (fine-tuning).

Em LLM (large language models), como o GPT, o mecanismo principal que permite gerar um texto coerente e contextualizado é denominado

Árvore de Decisão (AD) é um método de aprendizado supervisionado não paramétrico usado para tarefas de classificação e regressão que podem ser facilmente implementados Python 3.0 através da biblioteca scikit-learn versão 1.7. Com relação às vantagens da utilização das AD através dessa biblioteca, analise as afirmativas a seguir.

I. O custo de uso da AD é logarítmico em relação ao número de pontos de dados usados para treinar a árvore.

II. As previsões das AD são suaves e contínuas e apresentam aproximações constantes por partes. Portanto, são boas para extrapolação de dados.

III. AD apresentam bom desempenho mesmo que suas suposições sejam de alguma forma violadas pelo modelo verdadeiro a partir do qual os dados foram gerados.

IV. AD são estáveis, pois grandes variações nos dados podem resultar na geração de árvore equivalentes. Essa condição é assegurada pelo uso de AD dentro de pequenos conjuntos de dados.

Está correto o que se afirma em

As redes neurais convolucionais (CNN) são fundamentais para tarefas de visão computacional porque implementam operações de convolução que permitem a extração hierárquica de características visuais, desde bordas e texturas em camadas iniciais, até estruturas mais complexas em camadas profundas.

Modelos de machine learning em analytics não precisam de supervisão após serem implementados.

As redes neurais profundas (deep learning) são fundamentais em diversas aplicações modernas. Assinale a alternativa que apresenta CORRETAMENTE uma área que depende fortemente dessa tecnologia.

Em relação aos modelos de inteligência artificial (IA), assinale a alternativa correta.

A regra de Bayes, usada em inteligência artificial para o raciocínio probabilístico, quando empregada em problemas de classificação:

O aprendizado não supervisionado se caracteriza pela utilização de dados previamente rotulados para treinar um modelo de machine learning, permitindo que ele aprenda padrões automaticamente a partir dos rótulos desses dados.

Considere um modelo de aprendizado de máquina para detecção de fraudes em transações financeiras, classificando cada transação como ‘fraudulenta’ ou ‘não fraudulenta’. A base de dados disponível é fortemente desbalanceada, com a grande maioria das transações sendo não fraudulentas. Ao avaliar o modelo no conjunto de teste, observa-se uma acurácia de 99%. Sobre esta métrica, é correto afirmar que

O aprendizado supervisionado é uma técnica de IA em que o modelo é treinado com exemplos rotulados para identificar padrões e realizar previsões.

Observe as afirmativas a seguir em relação aos sistemas Analytics:

I.Aprendizado de máquina (ou Machine Learning) se refere a processo que usa modelos matemáticos de dados para auxiliar um computador a aprender sozinho, sem receber instruções diretas.

II.Inteligência artificial (ou Artificial Intelligence), que se refere a um subconjunto do aprendizado de máquina, é a capacidade de um sistema computacional de mimetizar as funções cognitivas humanas, como o aprendizado e a solução de problemas.

III.Análise de dados preditiva realiza previsões sobre resultados futuros usando dados históricos combinados com modelagem estatística, aprendizado de máquina e técnicas de mineração de dados.

IV.Análise prescritiva corresponde a prática de analisar dados para identificar padrões, que podem ser usados para fazer previsões e determinar cursos de ação ideais.

Assinale a alternativa correta:

Uma forma de lidar com tarefas preditivas em Aprendizado de Máquina é por meio do uso de algoritmos cuja base é o teorema de Bayes.

Qual das seguintes alternativas se refere a um algoritmo clássico baseado no teorema de Bayes?

Um analista judiciário especialista em tecnologia da informação do TRE-TO está atuando em uma demanda para mais implementações de IA nas operações do tribunal. Os objetivos dessa tarefa são oferecer soluções mais práticas e simplificar e automatizar atividades rotineiras, fazendo com que a IA atue como uma aliada na tomada de decisões. Considerando essa situação, a partir do uso do Banco de Dados Oracle 21C, qual ferramenta o analista pode utilizar para simplificar o desenvolvimento de modelos de machine learning preditivos, auxiliando a escolha do modelo, a seleção de atributos a serem utilizados e os ajustes dos parâmetros necessários para a criação de modelos cada vez mais precisos?

No contexto de Inteligência Artificial Generativa, a técnica utilizada para otimizar a interação com Large Language Models (LLMs) por meio de instruções específicas e bem formuladas é