Aprendizagem automática
  • 1. A aprendizagem automática é um ramo da inteligência artificial que se centra no desenvolvimento de algoritmos e modelos que permitem aos computadores aprender e tomar decisões com base em dados. Envolve a criação de sistemas que podem aprender automaticamente e melhorar por si próprios sem serem explicitamente programados. Os algoritmos de aprendizagem automática podem analisar grandes quantidades de dados, identificar padrões e fazer previsões ou tomar decisões com um mínimo de intervenção humana. Estes algoritmos são utilizados em várias aplicações, como o reconhecimento de imagem e de voz, sistemas de recomendação, veículos autónomos, diagnóstico médico e muitas outras. Ao tirar partido do poder da aprendizagem automática, as organizações podem extrair informações valiosas dos dados e melhorar os processos de tomada de decisões, conduzindo a soluções mais eficientes e inovadoras.

    O que é a aprendizagem automática?
A) Um ramo da inteligência artificial que permite às máquinas aprenderem com os dados.
B) Um método de controlo de máquinas físicas com recurso a input humano.
C) Um tipo de software utilizado para jogar jogos de vídeo.
D) Uma linguagem de programação utilizada para a conceção de chips de computador.
  • 2. Qual das seguintes opções é um exemplo de aprendizagem não supervisionada?
A) Regressão linear
B) Classificação
C) Árvores de decisão
D) Agrupamento
  • 3. Qual é a função de ativação utilizada numa rede neuronal?
A) Introduzir a não linearidade na rede.
B) Armazenamento de informações para utilização futura.
C) Conversão direta de entrada em saída.
D) Treinar a rede utilizando a retropropagação.
  • 4. Que algoritmo é normalmente utilizado para a aprendizagem por reforço?
A) K-Means
B) SVM
C) Floresta aleatória
D) Q-Learning
  • 5. Que método é utilizado para reduzir a dimensionalidade dos dados na aprendizagem automática?
A) Descida de gradiente
B) Árvores de decisão
C) Análise de componentes principais (PCA)
D) Naive Bayes
  • 6. Qual é o papel de uma função de perda na aprendizagem automática?
A) Seleciona as melhores caraterísticas para o modelo.
B) Quantifica a diferença entre os valores previstos e reais.
C) Normaliza os dados antes do treino.
D) Optimiza o modelo utilizando a retropropagação.
  • 7. O que é a engenharia de caraterísticas na aprendizagem automática?
A) Regularização do modelo para evitar o sobreajuste.
B) Treinar um modelo sem quaisquer dados.
C) O processo de seleção e transformação das caraterísticas de entrada para melhorar o desempenho do modelo.
D) Avaliação do modelo através de validação cruzada.
  • 8. Qual é o objetivo de um limite de decisão na aprendizagem automática?
A) Para adicionar ruído aos dados.
B) Para minimizar a função de perda durante a formação.
C) Para separar diferentes classes no espaço de entrada.
D) Para controlar a taxa de aprendizagem do modelo.
  • 9. Que método é utilizado para otimizar hiperparâmetros em modelos de aprendizagem automática?
A) Ignorar os hiperparâmetros
B) Pesquisa na grelha
C) Concentrar-se num único hiperparâmetro
D) Seleção aleatória de hiperparâmetros
  • 10. Que método é utilizado para evitar o sobreajuste do modelo na aprendizagem automática?
A) Aumentar a complexidade do modelo
B) Treinar o modelo com mais dados
C) Regularização
D) Remoção de caraterísticas-chave
  • 11. Que técnica é utilizada para evitar o sobreajuste nas redes neuronais?
A) Abandono
B) Normalização de lotes
C) Descida de gradiente
D) Escala de caraterísticas
  • 12. Qual dos seguintes é um algoritmo de aprendizagem supervisionada?
A) Árvore de decisão
B) Regressão linear
C) Análise de componentes principais
D) Agrupamento K-means
  • 13. Qual é o método utilizado para atualizar os pesos de uma rede neuronal durante o treino?
A) Retropropagação
B) Inicialização aleatória
C) Paragem antecipada
D) Normalização de lotes
  • 14. Que algoritmo é normalmente utilizado para tratar conjuntos de dados desequilibrados na aprendizagem automática?
A) AdaBoost
B) PCA (Análise de Componentes Principais)
C) SMOTE (Synthetic Minority Over-sampling Technique)
D) K-nearest Neighbors (KNN)
  • 15. Que método é utilizado para avaliar o desempenho de um modelo de aprendizagem automática?
A) Utilizar apenas dados de treino
B) Validação cruzada
C) Verificação da complexidade computacional
D) Adivinhação
  • 16. O que é o compromisso entre a polarização e a variância na aprendizagem automática?
A) O equilíbrio entre o tempo de formação e o desempenho do modelo.
B) O equilíbrio entre a complexidade do modelo e a generalização.
C) O compromisso entre exatidão e precisão.
D) O compromisso entre subadaptação e sobreadaptação.
  • 17. Que técnica é utilizada para tratar dados em falta na aprendizagem automática?
A) Duplicação dos dados
B) Adicionar ruído aos dados
C) Ignorar os dados em falta
D) Imputação
  • 18. Que tipo de algoritmo de aprendizagem automática é adequado para prever um valor contínuo?
A) Redução da dimensionalidade
B) Classificação
C) Agrupamento
D) Regressão
  • 19. Que função é normalmente utilizada como função de perda na regressão linear?
A) Raiz do erro quadrático médio (RMSE)
B) Perda de registos
C) Erro médio quadrático (MSE)
D) Entropia cruzada
  • 20. Que algoritmo é normalmente utilizado para tarefas de classificação na aprendizagem automática?
A) Regressão linear
B) Análise de componentes principais (PCA)
C) Agrupamento K-means
D) Máquina de vetor de suporte (SVM)
  • 21. Que métrica de avaliação é normalmente utilizada para modelos de classificação?
A) Erro médio quadrático
B) Erro Absoluto Médio
C) Exatidão
D) R-quadrado
  • 22. Que algoritmo é normalmente utilizado para a deteção de anomalias na aprendizagem automática?
A) Naive Bayes
B) Floresta de isolamento
C) SVM (Máquina de Vetor de Suporte)
D) Agrupamento K-means
Criado com That Quiz — página com testes de matemática para alunos.