Engenharia de Software · FUNDATEC · 2025 | Questão sqc-qg477889

Engenharia de SoftwareInteligencia Artificial

Código: qg477889
Banca: FUNDATEC
Órgão: Prefeitura de Porto Alegre - RS
Ano: 2025
Nível: Superior

Cargo: Auditor Fiscal da Receita Municipal - Bloco II

Em projetos de modelos que envolvem visão computacional, técnicas transfer learning são frequentemente utilizadas para melhorar o desempenho e reduzir o tempo de desenvolvimento. Levando em consideração os conceitos relacionados à transfer learning, assinale a alternativa correta.

AQuando se utiliza transfer learning, uma vez que o modelo é carregado, não é possível ajustar seus pesos para melhorar a performance na tarefa-alvo.
BO transfer learning permite reutilizar modelos pré-treinados em grandes conjuntos de dados, como, por exemplo, o ImageNet, para aplicações específicas.
CAs técnicas de transfer learning não são adequadas para aplicações que envolvem reconhecimento facial devido à necessidade de dados específicos.
DDurante o treinamento de redes convolucionais, os pesos iniciais sempre começam com valores aleatórios, independentemente de ser um modelo pré-treinado ou não.
EO transfer learning consiste em treinar um modelo raso desde o princípio, utilizando apenas o conjunto de dados da aplicação específica, sem considerar modelo pré-treinados.

Revelar gabarito e comentário

GabaritoB — O transfer learning permite reutilizar modelos pré-treinados em grandes conjuntos de dados, como, por exemplo, o ImageNet, para aplicações específicas.

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”.

Transfer Learning em Visão Computacional

Gabarito: Letra B. O transfer learning consiste em reutilizar um modelo pré-treinado em um grande conjunto de dados (ex.: ImageNet) como ponto de partida para uma tarefa específica, permitindo economia de tempo e dados, além de melhoria de desempenho. As demais alternativas distorcem o conceito ou apresentam afirmações falsas.

Transfer Learning: Definição (Reutilizar modelo pré-treinado, Ponto de partida para tarefa específica, Economia de tempo e dados); Fine-tuning (Ajuste de pesos do modelo, Etapa comum no transfer learning); Aplicações (Visão computacional (ex.: ImageNet), Reconhecimento facial, Problemas com pouco volume de dados); O que NÃO é (Treinar modelo raso do zero, Pesos sempre aleatórios, Modelo congelado sem ajuste)

Alternativa A — ❌ Incorreta

Afirma que, uma vez carregado, não é possível ajustar os pesos. Na prática, o fine-tuning é uma etapa comum do transfer learning, na qual se ajustam os pesos do modelo pré-treinado para a nova tarefa.

Alternativa B — ✅ Correta ⟵ GABARITO

Corresponde exatamente à definição de transfer learning: aproveitar modelos treinados em grandes bases (como ImageNet) e adaptá-los a problemas específicos com menor volume de dados.

Alternativa C — ❌ Incorreta

Diz que transfer learning não é adequado para reconhecimento facial. Na verdade, é uma técnica amplamente usada nessa área, por exemplo, com modelos pré-treinados em bases de faces.

Alternativa D — ❌ Incorreta

Declara que os pesos iniciais sempre começam aleatórios. Em transfer learning, os pesos são herdados do modelo pré-treinado, não aleatórios.

Alternativa E — ❌ Incorreta

Define transfer learning como treinar um modelo raso do zero. Isso é o oposto: transfer learning parte de um modelo pré-treinado, não do zero.

PEGA ESSA DICA!

Na prova, lembre-se: transfer learning = usar um modelo já treinado como ponto de partida, podendo ou não realizar fine-tuning. As bancas costumam testar se o candidato confunde com treinamento do zero.

Gabarito: Letra B.

Link permanente: /questoes/qg477889