Aprendizado de Máquina (Machine Learning) é:
Redes neurais são:
Deep learning (aprendizagem profunda) se diferencia de redes neurais simples por:
LLMs (Large Language Models) utilizam principalmente qual arquitetura de aprendizagem profunda?
No aprendizado supervisionado, os dados de treinamento:
No aprendizado não supervisionado, o modelo:
Classificação em ML é:
Um modelo com viés (bias) alto apresenta qual problema?
Uma empresa de marketing usa ML para agrupar clientes por comportamento de compra, sem categorias pré-definidas. Esse é um exemplo de:
O aprendizado semi-supervisionado é útil quando:
No aprendizado por reforço, o agente aprende:
Qual das seguintes é uma característica das redes neurais?
Aprendizado online é mais indicado para situações em que:
O Netflix recomenda filmes com base no seu histórico de visualização e no comportamento de usuários similares. Esse é um exemplo de:
Explique a diferença entre viés (bias) e variância (variance) no treinamento de modelos de ML. Use a analogia de acertar um alvo para ilustrar.
Um modelo é treinado com e-mails rotulados como "spam" ou "não-spam" para classificar novos e-mails. Esse cenário descreve:
Um algoritmo identifica padrões incomuns no tráfego de rede sem exemplos rotulados de "normal" ou "anomalia". Esse cenário descreve:
Considere as seguintes afirmações:
I. LLMs são algoritmos de deep learning que usam transformers.
II. Deep learning é um subconjunto do aprendizado de máquina.
III. Redes neurais sempre produzem resultados explicáveis.
IV. ML é um subconjunto da IA.
Quais estão corretas?
Uma empresa tem 50 radiografias rotuladas por médicos e 5.000 não rotuladas. Qual tipo de aprendizado é mais adequado?
Compare os quatro tipos de aprendizado de máquina (supervisionado, não supervisionado, semi-supervisionado e por reforço). Para cada um, descreva: (a) como funciona e (b) dê um exemplo prático.
Explique a hierarquia: IA → ML → Redes neurais → Deep learning → LLMs. Para cada nível, descreva brevemente o que é e como se relaciona com o nível anterior.