Questões de Inteligencia Artificial

Em modelos de deep learning, o overfitting ocorre quando o modelo possui baixa capacidade de representação, sendo raro em redes neurais profundas com muitos parâmetros.

Redes neurais profundas diferenciam-se das redes neurais rasas principalmente pela presença de múltiplas camadas ocultas, permitindo maior capacidade de representação.

Modelos de IA generativa, como os baseados em arquiteturas transformer, são capazes de produzir novos dados a partir de padrões aprendidos durante o treinamento.

Na regressão linear múltipla, a previsão do modelo é um valor entre 0 e 1, tal que 0 indica um evento improvável de acontecer e 1 indica a probabilidade máxima de que esse evento aconteça.

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.

Stemming é uma técnica que reduz palavras flexionadas ao seu radical, permitindo que as variações de uma palavra sejam tratadas como um mesmo termo, o que melhora o desempenho de modelos de aprendizado de máquina.

Tendo o texto como referência inicial, julgue o item subsecutivo, a respeito de aprendizado de máquina. O aprendizado por reforço é essencialmente uma forma de aprendizagem não supervisionada, pois seu objetivo principal é descobrir padrões…

Tendo o texto como referência inicial, julgue o item subsecutivo, a respeito de aprendizado de máquina. Modelos preditivos dispensam validação em um conjunto separado de dados porque a acurácia calculada durante o treinamento já representa…

RAG (retrieval augmented generation) é o processo de recuperar informações contextuais relevantes de uma fonte de dados e integrá-las ao prompt do usuário em um modelo de linguagem, melhorando-se a qualidade da resposta gerada.

As redes neurais do tipo feedforward, por padrão, processam os dados continuamente, utilizando encaminhamentos de feedbacks corretivos para aprimorar sua análise preditiva.

Um modelo probabilístico é uma técnica não supervisionada que agrupa pontos de dados com base na probabilidade de eles pertencerem a uma distribuição, sendo o modelo de mistura gaussiana (GMM) um dos métodos mais comuns.

Modelos de linguagem de grande escala, como os do tipo transformer, são treinados exclusivamente com base em regras sintáticas explícitas extraídas de dados linguísticos anotados manualmente, o que assegura maior controle semântico.

Tendo o texto como referência inicial, julgue o item subsecutivo, a respeito de aprendizado de máquina. A aprendizagem por reforço se diferencia da aprendizagem supervisionada, pois se baseia em feedback avaliativo, em vez de exemplos rotul…

5 Na análise de característica de operação do receptor (ROC), o método não paramétrico para calcular a área sob a curva (AUC) assume que os dados seguem uma determinada distribuição, como a distribuição normal.

Modelos altamente interpretáveis, como árvores de decisão simples, tendem a apresentar menor transparência em comparação a modelos complexos, como redes neurais profundas.

A mitigação de viés em modelos de IA pode envolver técnicas como balanceamento de dados, regularização e avaliação de métricas de equidade.

No que se refere a ética, transparência e responsabilidade no uso de IA, julgue o próximo item. Explicabilidade diz respeito às propriedades internas do modelo de IA que permitem compreender como ele funciona.

No que se refere a ética, transparência e responsabilidade no uso de IA, julgue o próximo item. Explicabilidade e interpretabilidade tratam do desafio de entender como os modelos de aprendizado de máquina funcionam, devido especialmente à n…

Viés algorítmico pode ocorrer quando os dados utilizados no treinamento de um sistema de IA refletem desigualdades sociais, o que pode resultar em decisões discriminatórias automatizadas.

Em uma rede neural artificial treinada por retropropagação, o objetivo principal do algoritmo durante o treinamento é aumentar o número de camadas ocultas até que a acurácia atinja 100%.