Revisar envio do teste: Teste Aula 08 – SP_POS_713841_... [Link]
SP_POS_713841_2503_01 2503-MACHINE LEARNING - TÉCNICAS E CASES Aulas Aula 08 - TensorFlow Revisar envio do teste: Teste Aula 08
Revisar envio do teste: Teste Aula 08
Usuário EVERTON VERTUAN DE VECCHI
Curso 2503-MACHINE LEARNING - TÉCNICAS E CASES
Teste Teste Aula 08
Iniciado 06/10/25 16:14
Enviado 06/10/25 17:05
Data de vencimento 17/10/25 23:59
Status Completada
Resultado da tentativa 10 em 10 pontos
Tempo decorrido 51 minutos
Resultados exibidos Todas as respostas, Respostas enviadas, Respostas corretas, Comentários
Pergunta 1 1 em 1 pontos
Ao criarem redes neurais no TensorFlow, os desenvolvedores podem usar uma combinação de operações de baixo
nível e APIs de alto nível para de�nir a arquitetura e o �uxo de dados do modelo.
Ao implementar um modelo de rede neural no TensorFlow, qual dos seguintes passos é comumente realizado
primeiro ao de�nir a estrutura da rede?
Resposta b. De�nir as camadas e a arquitetura da rede usando, por exemplo, [Link]().
Selecionada:
Respostas: a. Avaliar o desempenho do modelo no conjunto de teste.
b. De�nir as camadas e a arquitetura da rede usando, por exemplo, [Link]().
c. Iniciar o processo de otimização do modelo.
d. Carregar um modelo pré-treinado e ajustar seus parâmetros. ← OK
1 of 8 10/6/2025, 5:07 PM
Revisar envio do teste: Teste Aula 08 – SP_POS_713841_... [Link]
Comentário Resposta correta: B. Ao criar uma rede neural no TensorFlow, o primeiro passo geralmente envolve a
da resposta: de�nição da arquitetura do modelo, especi�cando as camadas e suas conexões. O método
[Link]() é uma maneira conveniente de empilhar camadas linearmente para criar um
modelo. Os outros passos, como avaliação, otimização e carregamento de um modelo pré-treinado,
vêm após a de�nição inicial da arquitetura.
Pergunta 2 1 em 1 pontos
O aprendizado de máquina é uma disciplina fascinante e abrangente dentro da inteligência arti�cial, que envolve
várias técnicas e abordagens. Dependendo do tipo de dados disponíveis e do problema em mãos, diferentes
abordagens de aprendizado podem ser adotadas.
Em qual tipo de aprendizado de máquina o algoritmo aprende a tomar decisões por meio de tentativa e erro,
recebendo recompensas ou punições com base nas ações tomadas, visando maximizar um acumulado de
recompensas ao longo do tempo?
Resposta d. Aprendizado por reforço.
Selecionada:
Respostas: a. Aprendizado supervisionado.
b. Aprendizado não supervisionado.
c. Aprendizado semissupervisionado.
d. Aprendizado por reforço.
Comentário Resposta correta: D. No aprendizado por reforço, agentes aprendem a tomar decisões interagindo com
da resposta: um ambiente. Eles não são instruídos explicitamente sobre qual ação tomar em cada situação. Em vez
disso, após cada ação, eles recebem uma recompensa (positiva ou negativa) que indica quão boa foi
aquela ação. O objetivo é aprender uma política que maximize a recompensa acumulada ao longo do
tempo. Isso é diferente do aprendizado supervisionado, em que os modelos são treinados em dados
previamente etiquetados, e do aprendizado não supervisionado e semissupervisionado, que lidam com
dados sem etiquetas ou com uma combinação de dados etiquetados e não etiquetados,
respectivamente.
2 of 8 10/6/2025, 5:07 PM
Revisar envio do teste: Teste Aula 08 – SP_POS_713841_... [Link]
Pergunta 3 1 em 1 pontos
Árvores de decisão são uma técnica popular em aprendizado de máquina para tarefas de classi�cação e regressão.
Elas funcionam através da divisão recursiva do espaço de características em subespaços, até que um critério de
parada seja atingido. A decisão sobre onde dividir os dados é geralmente baseada em um critério de pureza, como o
ganho de informação ou o índice Gini.
Qual das seguintes opções é uma vantagem das árvores de decisão em comparação com outros algoritmos de
aprendizado de máquina?
Resposta As árvores de decisão produzem modelos que são facilmente interpretáveis e
Selecionada: c. visualizáveis.
Respostas: a. As árvores de decisão são sempre mais precisas do que outros algoritmos.
b. As árvores de decisão são intrinsecamente resistentes a over�tting.
As árvores de decisão produzem modelos que são facilmente interpretáveis e
c. visualizáveis.
d. As árvores de decisão não requerem qualquer pré-processamento dos dados.
Comentário Resposta correta: C. Uma das maiores vantagens das árvores de decisão é que elas podem ser
da resposta: representadas gra�camente e suas decisões podem ser facilmente interpretadas, mesmo por pessoas
sem formação técnica em aprendizado de máquina. Isso não signi�ca que elas sejam sempre mais
precisas (opção A) ou que sejam resistentes a over�tting (opção B). Na verdade, sem a poda adequada,
as árvores de decisão podem sofrer over�tting. Além disso, embora possam lidar com características
categóricas diretamente, as árvores de decisão, assim como outros algoritmos, muitas vezes se
bene�ciam do pré-processamento adequado dos dados.
Pergunta 4 1 em 1 pontos
Redes neurais, especialmente as redes neurais profundas, têm revolucionado muitos campos da tecnologia devido à
sua capacidade de modelar e processar dados complexos. Esses modelos têm sido aplicados em uma variedade de
tarefas, bene�ciando-se de sua habilidade em capturar padrões intricados e representações hierárquicas dos dados.
Em qual das seguintes aplicações práticas as redes neurais têm demonstrado desempenho excepcionalmente bom
nos últimos anos?
3 of 8 10/6/2025, 5:07 PM
Revisar envio do teste: Teste Aula 08 – SP_POS_713841_... [Link]
Resposta b. Reconhecimento automático de fala em assistentes virtuais.
Selecionada:
Respostas: a. Predição do mercado de ações com precisão de 100%.
b. Reconhecimento automático de fala em assistentes virtuais.
c. Tradução instantânea e precisa de idiomas mortos desconhecidos.
d. Cálculo do saldo bancário com base em transações.
Comentário Resposta correta: B. Redes neurais, em particular as redes neurais profundas, têm desempenhado
da resposta: papel fundamental no avanço do reconhecimento automático de fala, permitindo o desenvolvimento
de assistentes virtuais mais precisos e responsivos, como Siri, Alexa e Google Assistant. Por outro lado,
a predição precisa do mercado de ações (opção A) e a tradução de idiomas mortos desconhecidos
(opção C) ainda são desa�os e não foram completamente resolvidos com redes neurais. A opção D,
calcular o saldo bancário, é uma tarefa simples que não requer redes neurais.
Pergunta 5 1 em 1 pontos
O algoritmo K-means é uma das técnicas de clustering mais populares em aprendizado de máquina não
supervisionado. O objetivo do K-means é dividir um conjunto de pontos de dados em "K" grupos ou clusters, de
modo que os pontos dentro de um mesmo cluster sejam mais próximos uns dos outros do que com os pontos de
outros clusters.
Qual das seguintes a�rmações descreve corretamente o funcionamento básico do algoritmo K-means?
Resposta O K-means inicializa "K" centroides aleatoriamente e, em seguida, reatribui pontos com
Selecionada: c. base na proximidade desses centroides, atualizando-os a cada iteração.
Respostas: O K-means requer que o número de clusters seja determinado com base nos dados
a. antes da execução.
O K-means atribui aleatoriamente cada ponto a um cluster e, em seguida, calcula a
b. média dos pontos.
O K-means inicializa "K" centroides aleatoriamente e, em seguida, reatribui pontos com
c. base na proximidade desses centroides, atualizando-os a cada iteração.
d. O K-means funciona melhor para tarefas de classi�cação do que para agrupamento.
Comentário da Resposta correta: C. Durante a execução do algoritmo K-means, os centroides dos clusters são
resposta: continuamente recalculados até que uma condição de parada seja satisfeita, geralmente quando os
4 of 8 10/6/2025, 5:07 PM
Revisar envio do teste: Teste Aula 08 – SP_POS_713841_... [Link]
centroides não mudam signi�cativamente entre iterações consecutivas. As outras opções não
descrevem corretamente o funcionamento básico do K-means.
Pergunta 6 1 em 1 pontos
O Natural Language Toolkit (NLTK) é uma das bibliotecas mais populares em Python para o processamento de
linguagem natural (PLN). Ele oferece uma ampla gama de ferramentas e recursos linguísticos que ajudam os
desenvolvedores e pesquisadores a trabalhar com dados de linguagem humana, realizando tarefas como
tokenização, lematização, tagging POS e muitas outras.
Ao trabalhar com o NLTK no Python, qual função você usaria para dividir um texto em sentenças?
Resposta c. [Link].sent_tokenize()
Selecionada:
Respostas: a. [Link].word_tokenize()
b. [Link]()
c. [Link].sent_tokenize()
d. [Link]()
Comentário da Resposta correta: C. A função [Link].sent_tokenize() é usada no NLTK para dividir um texto em
resposta: uma lista de sentenças. Por outro lado, [Link].word_tokenize() é utilizada para dividir um texto
em palavras, enquanto as opções [Link]() e [Link]() não são funções reais no
NLTK.
Pergunta 7 1 em 1 pontos
Redes neurais são um subcampo do aprendizado de máquina inspirado pela estrutura do cérebro humano. Esses
modelos são compostos por unidades, chamadas neurônios, organizadas em camadas. Cada neurônio recebe
informações, processa-as através de uma função de ativação e passa o resultado para os próximos neurônios. O
treinamento de redes neurais envolve ajustar pesos e vieses para minimizar o erro entre as previsões do modelo e os
valores reais.
Em uma rede neural, qual dos seguintes conceitos refere-se à função que determina a saída de um neurônio com
5 of 8 10/6/2025, 5:07 PM
Revisar envio do teste: Teste Aula 08 – SP_POS_713841_... [Link]
base na soma ponderada de suas entradas?
Resposta c. Função de stivação.
Selecionada:
Respostas: a. Backpropagation.
b. Função de custo.
c. Função de stivação.
d. Gradiente descendente.
Comentário Resposta correta: C. Em redes neurais, a função de ativação é aplicada à soma ponderada das entradas
da resposta: de um neurônio para produzir sua saída. Funções de ativação comuns incluem a função sigmóide, ReLU
(recti�ed linear unit) e tangente hiperbólica. Enquanto isso, backpropagation é o algoritmo usado para
atualizar os pesos da rede durante o treinamento; função de custo mede o erro entre as previsões do
modelo e os valores reais; e gradiente bescendente é uma técnica de otimização para minimizar essa
função de custo.
Pergunta 8 1 em 1 pontos
O aprendizado de máquina (machine learning - ML) é uma disciplina da inteligência arti�cial que foca na construção
de sistemas que podem aprender a partir de dados, sem serem explicitamente programados para isso. Há várias
categorias de algoritmos de aprendizado de máquina, cada uma adequada para diferentes tipos de tarefas e dados.
Qual das seguintes opções descreve uma forma de aprendizado onde o modelo é treinado com um conjunto de
entradas juntamente com as saídas esperadas, com o objetivo de fazer previsões em novos dados não vistos
anteriormente?
Resposta a. Aprendizado supervisionado.
Selecionada:
Respostas: a. Aprendizado supervisionado.
b. Aprendizado não supervisionado.
c. Aprendizado semissupervisionado.
d. Aprendizado por reforço.
Comentário Resposta correta: A. No aprendizado supervisionado, os modelos são treinados com um conjunto de
da resposta: dados que contém as entradas e as saídas corretas. O objetivo é aprender um mapeamento entre as
6 of 8 10/6/2025, 5:07 PM
Revisar envio do teste: Teste Aula 08 – SP_POS_713841_... [Link]
entradas e as saídas para que, quando apresentado a novos dados não vistos, ele possa fazer previsões
ou classi�cações precisas. Em contraste, o aprendizado não supervisionado trabalha com dados que
não têm saídas ou etiquetas associadas. O aprendizado por reforço se concentra na tomada de
decisões através de recompensas e penalidades. O aprendizado semissupervisionado, por outro lado,
usa uma combinação de dados rotulados e não rotulados para o treinamento.
Pergunta 9 1 em 1 pontos
No PyTorch, de�ne-se a arquitetura da rede em termos de camadas e a sequência de operações. A maioria das
camadas e funções comuns, como camadas convolucionais e funções de ativação, são fornecidas pelo módulo
[Link].
Ao criar uma rede neural simples no PyTorch, qual dos seguintes passos é essencial para de�nir a estrutura da rede?
Resposta c. Herdar da classe [Link] e implementar o método forward.
Selecionada:
Respostas: a. Escrever um algoritmo de otimização do zero.
b. Converter todos os dados de entrada para imagens PNG.
c. Herdar da classe [Link] e implementar o método forward.
d. De�nir a arquitetura da rede usando exclusivamente camadas convolucionais.
Comentário Resposta correta: C. Ao criar uma rede neural no PyTorch, é crucial herdar de [Link] e de�nir
da resposta: a passagem direta (forward pass) da rede no método forward. Isso estabelece a arquitetura e o
comportamento da rede. As outras opções não são requisitos essenciais para de�nir a estrutura de
uma rede neural no PyTorch. Por exemplo, enquanto camadas convolucionais são comuns em redes
convolucionais (CNNs), muitas redes incluem outros tipos de camadas, e o PyTorch já fornece
algoritmos de otimização padrão no módulo [Link].
Pergunta 10 1 em 1 pontos
OpenCV (Open Source Computer Vision Library) é uma biblioteca de código aberto que contém mais de 2.500
algoritmos otimizados que são usados em diversas aplicações, desde sistemas de reconhecimento facial até a
montagem automática de mapas em robôs.
7 of 8 10/6/2025, 5:07 PM
Revisar envio do teste: Teste Aula 08 – SP_POS_713841_... [Link]
Qual das seguintes a�rmações descreve corretamente o OpenCV?
Resposta OpenCV é uma biblioteca de código aberto focada em visão computacional e
Selecionada: a. aprendizado de máquina.
Respostas: OpenCV é uma biblioteca de código aberto focada em visão computacional e
a. aprendizado de máquina.
b. OpenCV é um sistema operacional desenvolvido especi�camente para câmeras digitais.
c. OpenCV é uma linguagem de programação especializada em renderização grá�ca.
d. OpenCV é uma ferramenta de design grá�co usada para criar interfaces de usuário.
Comentário da Resposta correta: A. O OpenCV oferece ferramentas e algoritmos para processamento de imagem e
resposta: visão computacional, sendo amplamente adotado em aplicações acadêmicas, de pesquisa e
comerciais. As outras opções não descrevem corretamente o propósito ou a natureza do OpenCV.
Segunda-feira, 6 de Outubro de 2025 17h06min00s BRT
8 of 8 10/6/2025, 5:07 PM