1)
O trecho de código-fonte mostrado abaixo utiliza a biblioteca Keras
para personalizar alguns componentes da arquitetura de uma rede
neural.
De acordo com o código-fonte, podemos afirmar que:
I. A função de ativação da camada da rede neural definida no código-
fonte utiliza uma função personalizada chamada my_softplus.
II. A regularização da camada definida no código-fonte é realizada por
uma função personalizada chamada my_l1_regularizer.
III. Existe uma restrição para os pesos da camada definida no código-
fonte implementada na função personalizada
chamada my_positive_weights.
IV. O código-fonte não define métricas de desempenho personalizadas
para a camada, pois a biblioteca Keras não implementa essa
funcionalidade.
São verdadeiras:
Alternativas:
I, II e III, apenas.
checkCORRETO
I, II e IV, apenas.
II, III e IV, apenas.
II e III, apenas.
I, III e IV, apenas.
Resolução comentada:
a afirmação I é verdadeira, pois a camada oculta utiliza uma função
de ativação personalizada chamada my_softplus; a II é correta, pois a
camada utiliza uma função personalizada chamada my_l1_regularizer
para efetivar a regularização; e a III é correta, pois a camada possui
uma restrição para não gerar pesos com valores negativos,
implementada por meio da função personalizada chamada
my_positive_weights. A IV está errada, pois, apesar de o código-fonte
exibido não utilizar uma métrica de desempenho personalizada, a
biblioteca Keras oferece essa opção.
Código da questão: 62294
2)
As redes neurais artificiais são uma técnica de aprendizagem
supervisionada bastante popular atualmente. Elas podem ser usadas
na solução de diferentes tipos de tarefas.
Analise as
alternativas a seguir e selecione a que representa os tipos de
problemas (ou
tarefas) de aprendizagem cuja solução pode ser implementada por
uma rede neural
artificial.
Alternativas:
Classificação binária e regressão simples.
Classificação (binária ou multinomial) e regressão (simples,
multivariada
ou logística)
checkCORRETO
Regressão simples e regressão logística.
Classificação multiclasse e regressão logística.
Classificação binária e classificação multiclasse.
Resolução comentada:
as redes neurais artificiais podem ser usadas para implementar a
resolução de problemas de aprendizagem supervisionada, tanto de
classificação
como de regressão.
Código da questão: 61896
3)
As redes neurais convolucionais (Convolutional Neural Networks –
CNN) surgiram a partir do estudo do córtex visual do cérebro. Elas
têm sido usadas no reconhecimento de imagens desde a década de
1980, e nos últimos anos, graças ao aumento do poder computacional
e à quantidade de dados disponíveis, as CNN conseguiram atingir um
desempenho sobre-humano em algumas tarefas visuais complexas. O
tipo de camada mais importante de uma CNN é chamado de
convolucional.
Assinale a
alternativa que descreve uma característica das camadas
convolucionais de uma
CNN
Alternativas:
Os neurônios na primeira camada convolucional estão
conectados apenas a
um neurônio da camada de entrada.
Os neurônios na primeira camada convolucional não estão
conectados aos
neurônios da camada de entrada.
Os neurônios na primeira camada convolucional estão
conectados a dois
neurônios da camada de entrada.
Os neurônios na primeira camada convolucional estão
conectados apenas
àqueles pertencentes ao seu grupo de visão na camada de
entrada.
checkCORRETO
Os neurônios na primeira camada convolucional estão
conectados a todos os
demais neurônios da camada de entrada.
Resolução comentada:
os neurônios na primeira camada convolucional não estão conectados
a cada
neurônio na camada de entrada, mas somente àqueles que
pertencem ao seu campo
de visão.
Código da questão: 61905
4)
Em tarefas de _____________________, o conjunto de treinamento pode
ser formado por uma única sequência com milhões de caracteres, o
que inviabiliza a atividade de _________________, pois a RNN seria
equivalente a uma rede profunda com milhões de _______________.
Uma estratégia que pode ser usada para resolver esse problema é
converter a longa sequência de caracteres em diversas janelas
______________ de texto. Cada instância no conjunto de dados será
uma substring curta de todo o texto, que, por sua vez, será
processada pela RNN.
Assinale a alternativa
que completa adequadamente as lacunas:
Alternativas:
Processamento de linguagem natural; teste; camadas; menores
Processamento de linguagem natural; treinamento; camadas;
maiores.
Reconhecimento de imagens; treinamento; camadas; maiores.
Processamento de linguagem natural; treinamento; camadas;
menores.
checkCORRETO
Reconhecimento de imagens; treinamento; camadas; menores.
Resolução comentada:
o conjunto de treinamento em PLN pode ser consistido em uma única
sequência de mais de um milhão de caracteres, assim, não se pode
treinar a rede
neural diretamente nesse conjunto. Em vez disso, é possível usar um
método para
converter essa longa sequência de caracteres em diversas “janelas”
menores de
texto. Cada instância no conjunto de dados será uma substring curta
de
todo o texto, e a RNN processará apenas o conjunto
dessas substrings.
Código da questão: 62305
5)
Sobre as técnicas existentes para dirimir os problemas encontrados
durante a fase de treinamento das redes neurais, analise as
afirmativas a seguir e assinale-as com V (verdadeiro) ou F (falso):
( ) Para a lentidão do treinamento, caso exista uma outra rede neural
já treinada para uma tarefa similar, é possível usar a transferência de
aprendizado e reaproveitar algumas das suas camadas ocultas.
( ) A transferência de aprendizado geralmente requer uma quantidade
maior de dados de treinamento.
( ) Técnicas de regularização, como dropout, podem ser usadas para
evitar o sobreajuste (overfitting) durante a atividade de treinamento.
( ) O pré-treinamento não supervisionado é utilizado quando existe
uma quantidade significativa de dados de treinamento rotulados.
( ) Caso existam poucos dados de treinamento rotulados, uma opção
é treinar uma rede neural em uma tarefa auxiliar e, em seguida, usar
a transferência de aprendizado.
Assinale a alternativa
que contenha a sequência correta:
Alternativas:
V – F – V – F – V.
checkCORRETO
V – V – V – F – V.
V – V – F – F – V.
V – F – V – V – F.
V – F – V – V – V.
Resolução comentada:
a transferência de aprendizado geralmente requer uma
quantidade muito menor de dados de treinamento.
O pré-treinamento não
supervisionado é utilizado quando existem poucos dados de
treinamento rotulados.
Código da questão: 62292
6)
A arquitetura AlexNet empilha algumas camadas convolucionais
diretamente
umas sobre as outras, o que a torna maior do que diversas
arquiteturas mais
básicas. Por esse motivo, AlexNet utiliza uma técnica de regularização
bastante
conhecida, para reduzir a probabilidade de sobreajuste. Assinale a
alternativa
que descreve o nome da técnica de regularização usada pela rede
neural.
Alternativas:
AdaGrad.
ℓ1 e ℓ2.
Max Norm.
Dropout.
checkCORRETO
RMSProp.
Resolução comentada:
para reduzir as possibilidades de sobreajuste, a arquitetura AlexNet
utiliza a técnica de regularização dropout, com taxa de 50%.
Código da questão: 62303
7)
O trecho de código-fonte mostrado abaixo utiliza a biblioteca Keras
para
personalizar alguns componentes da arquitetura de uma rede neural.
De acordo com o código-fonte, podemos afirmar que:
I. A função de ativação da camada da rede neural definida no código-
fonte utiliza uma função personalizada chamada my_softplus.
II. A regularização da camada definida no código-fonte é realizada por
uma função personalizada chamada my_l1_regularizer.
III. Existe uma restrição para os pesos da camada definida no código-
fonte implementada na função personalizada
chamada my_positive_weights.
IV. O código-fonte não define métricas de desempenho personalizadas
para a camada, pois a biblioteca Keras não implementa essa
funcionalidade.
São verdadeiras:
Alternativas:
I, II e III, apenas.
checkCORRETO
I, III e IV, apenas.
II e III, apenas.
I, II e IV, apenas.
II, III e IV, apenas.
Resolução comentada:
a afirmação I é verdadeira, pois a camada oculta utiliza uma
função de ativação personalizada chamada my_softplus; a II é
correta, pois a camada utiliza uma função personalizada
chamada my_l1_regularizer para efetivar a
regularização; e a III é correta, pois a camada possui uma restrição
para não gerar pesos com valores negativos, implementada por meio
da função
personalizada chamada my_positive_weights. A IV está errada,
pois, apesar de o código-fonte
exibido não utilizar uma métrica de desempenho personalizada, a
biblioteca
Keras oferece essa opção.
Código da questão: 61902
8)
A arquitetura AlexNet empilha algumas camadas convolucionais
diretamente
umas sobre as outras, o que a torna maior do que diversas
arquiteturas mais
básicas. Por esse motivo, AlexNet utiliza uma técnica de regularização
bastante
conhecida, para reduzir a probabilidade de sobreajuste. Assinale a
alternativa
que descreve o nome da técnica de regularização usada pela rede
neural.
Alternativas:
Max Norm.
Dropout.
checkCORRETO
AdaGrad.
RMSProp.
ℓ1 e ℓ2.
Resolução comentada:
para reduzir as possibilidades de sobreajuste, a arquitetura AlexNet
utiliza a técnica de regularização dropout, com taxa de 50%.
Código da questão: 61911
9)
Inúmeras variantes da arquitetura básica de uma CNN têm sido
propostas nos últimos anos, o que levou a diversos avanços na área
de análise de _____________. A arquitetura VGGNet foi desenvolvida na
Universidade de Oxford. Sua arquitetura é clássica e simples, formada
por algumas sequências de duas ou três camadas _______________ e
uma camada_____________. Ela pode chegar a um total de apenas 16
ou 19 camadas convolucionais, dependendo da sua variante, além de
uma rede densa final com duas camadas ______________ e a camada
de saída.
Assinale a alternativa
que completa adequadamente as lacunas:
Alternativas:
Texto; pooling; convolucional; ocultas.
Imagens; pooling; convolucional; ocultas.
Imagens; convolucionais; pooling; supervisionadas.
Imagens; convolucionais; pooling; ocultas.
checkCORRETO
Texto; convolucionais; pooling; ocultas.
Resolução comentada:
a arquitetura da rede VGGNet é formada por duas ou três camadas
convolucionais e uma camada pooling, seguida novamente de duas
ou três camadas
convolucionais e uma camada pooling, e assim por diante. Ela pode
chegar a um
total de apenas 16 ou 19 camadas convolucionais, dependendo da
sua variante,
além de uma rede densa final com duas camadas ocultas e a camada
de saída.
Código da questão: 62298
10)
Redes neurais profundas (RNP) podem ser usadas para solucionar
problemas extremamente complexos do mundo real. Porém treinar
uma RNP com dez ou mais camadas, cada uma contendo centenas de
milhares de neurônios, pode ser um trabalho bastante oneroso.
Diante disso,
responda: quais destes problemas não é comumente encontrado ao
treinar
uma RNP?
Alternativas:
Aumentar o número de camadas ocultas torna a atividade de
treinamento
mais rápida.
checkCORRETO
Rotular um conjunto de dados com suas respectivas classes
pode ser uma
tarefa onerosa.
Redes com milhões de parâmetros podem sofrer sobreajuste
(overfitting).
A atividade de treinamento pode ser extremamente lenta.
Podem não existir dados de treinamento suficientes.
Resolução comentada:
este não é um problema comum durante o treinamento de uma RNP.
Ao
contrário, aumentar o número de camadas ocultas geralmente deixa
a atividade de
treinamento mais lenta.