Pular para o conteúdo principal

Questão de Engenharia de Software — Inteligencia Artificial — CESPE / CEBRASPE 2025

Engenharia de SoftwareInteligencia Artificial
Código
ce196315
Banca
CESPE / CEBRASPE
Órgão
CAESB-DF
Ano
2025
Nível
Superior
Cargo
Analista de Suporte ao Negócio - Analista de Sistemas
A respeito das redes neurais artificiais, assinale a opção correta.
  1. ARedes neurais artificiais são compostas por uma única camada de neurônios e são incapazes de modelar relações complexas entre os dados.
  2. BO algoritmo Backpropagation ajusta os pesos da rede neural aleatoriamente em cada iteração, sem considerar gradientes ou uma função de custo específica.
  3. CRedes neurais convolucionais não possuem camadas de ativação e dependem das operações de convolução para processar os dados.
  4. DRedes neurais convolucionais podem ser usadas tanto para a classificação, em que a rede atribui rótulos a imagens inteiras, quanto para a segmentação, em que a rede identifica regiões específicas da imagem e fornece um mapa pixel a pixel.
  5. EEm Python, bibliotecas como Keras e PyTorch não permitem o uso de GPUs para acelerar o treinamento de redes neurais, limitando-se ao processamento em CPU.
Revelar gabarito e comentário

GabaritoD — Redes neurais convolucionais podem ser usadas tanto para a classificação, em que a rede atribui rótulos a imagens inteiras, quanto para a segmentação, em que a rede identifica regiões específicas da imagem e fornece um mapa pixel a pixel.

Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.

Redes Neurais Artificiais

Gabarito: letra D. A alternativa D está correta porque as redes neurais convolucionais (CNNs) são de fato aplicáveis tanto à classificação de imagens quanto à segmentação semântica, gerando mapas pixel a pixel. As demais alternativas contêm erros conceituais sobre a estrutura e o funcionamento das redes neurais.

Redes Neurais Artificiais
  • 1Estrutura
    • Múltiplas camadas (deep learning)
    • Camadas de ativação (ReLU, sigmoide)
  • 2Treinamento
    • Backpropagation
      • Gradiente da função de custo
      • Descida do gradiente
    • Suporte a GPU (Keras, PyTorch)
  • 3Redes Convolucionais (CNNs)
    • Classificação (ex.: AlexNet)
    • Segmentação semântica (ex.: U-Net)
      • Mapa pixel a pixel
LEVEL · soulevel.com.br

Alternativa A — ❌ Incorreta

Afirma que redes neurais são compostas por uma única camada e incapazes de modelar relações complexas. Na verdade, redes neurais podem possuir múltiplas camadas ocultas (deep learning) e, mesmo uma única camada com ativação não linear, como a sigmoide, já é capaz de modelar funções não lineares. O erro está em generalizar que são "incapazes".

Alternativa B — ❌ Incorreta

O algoritmo Backpropagation utiliza o gradiente da função de custo para ajustar os pesos, não aleatoriamente. Ele calcula a derivada do erro em relação a cada peso e os atualiza na direção oposta ao gradiente (descida do gradiente).

Alternativa C — ❌ Incorreta

Redes neurais convolucionais (CNNs) possuem sim camadas de ativação (como ReLU) após as operações de convolução. A afirmação nega a existência dessas camadas, o que é falso.

Alternativa D — ✅ Correta ⟵ GABARITO

As CNNs são amplamente utilizadas para classificação de imagens (ex.: AlexNet) e para segmentação semântica (ex.: U-Net), onde produzem um mapa de rótulos por pixel, identificando regiões específicas da imagem.

Alternativa E — ❌ Incorreta

Bibliotecas como Keras (que pode usar TensorFlow) e PyTorch oferecem suporte nativo a GPUs para acelerar o treinamento de redes neurais, mediante comandos como .cuda() ou configuração de device.

PEGA ESSA DICA!

Ao estudar redes neurais, memorize as características básicas: múltiplas camadas, funções de ativação, backpropagation baseado em gradiente, e o suporte a GPU nas principais bibliotecas.

Conclusão: A alternativa correta é a letra D.

Link permanente: /questoes/ce196315