GabaritoC — máquina de vetores de suporte
Gabarito: letra C (máquina de vetores de suporte). A questão pede a técnica que NÃO é considerada de aprendizagem profunda. Máquina de Vetores de Suporte (SVM) é um método clássico de aprendizado de máquina, baseado em hiperplanos de separação, e não utiliza múltiplas camadas neurais profundas. As demais alternativas são arquiteturas ou técnicas consolidadas de deep learning.
Difusão estável (Stable Diffusion) é um modelo generativo baseado em difusão, que utiliza redes neurais profundas, tipicamente U-Net com atenção, para gerar imagens a partir de ruído. Portanto, é uma técnica de deep learning.
Redes Neurais Convolucionais (CNN) são a espinha dorsal da visão computacional moderna, com múltiplas camadas convolucionais profundas. É um dos pilares do deep learning.
Máquina de Vetores de Suporte (SVM) é um algoritmo de aprendizado supervisionado que encontra o hiperplano ótimo de separação. Embora seja um método de aprendizado de máquina poderoso, não é considerado deep learning, pois não utiliza múltiplas camadas neurais nem aprendizado de representações profundas.
Memória Longa de Curto Prazo (LSTM) é um tipo de rede neural recorrente (RNN) com células de memória e portas, projetada para capturar dependências de longo prazo em sequências. É uma arquitetura clássica de deep learning.
Transformers são a base dos modelos de linguagem atuais (como GPT, BERT) e também são usados em visão (ViT). Utilizam mecanismos de atenção e múltiplas camadas profundas, sendo um marco do deep learning.
A banca troca uma técnica clássica de machine learning (SVM) por uma de deep learning. O candidato pode confundir "máquina de vetores de suporte" com redes neurais, mas a diferença é que SVM não é uma rede neural profunda. Lembre-se: deep learning requer múltiplas camadas neurais e representações hierárquicas.
Gabarito: letra C.
Link permanente: /questoes/ce175987