Questões sobre Inteligência Artificial e Automação

As Árvores de Decisão são algoritmos de aprendizagem supervisionada usados para classificação e regressão, modelando decisões com base em regras derivadas dos dados. Elas são amplamente utilizadas em diversas áreas, como saúde, finanças e análise de risco.
Como exemplo, considere a Árvore de Decisão (fictícia), a seguir, que classifica pacientes com base no risco de ter um infarto. As decisões são feitas com base em três critérios: idade, peso e se é fumante, ou não.




Em relação ao funcionamento das Árvores de Decisão, assinale a alternativa que descreve seu princípio de operação e comportamento na modelagem de dados.

Considerando as ideias do texto precedente, julgue o próximo item. 

Abordagens determinísticas, estocásticas e de aprendizado de máquina podem ser utilizadas para classificar pares de fazendas como compatíveis ou não, sendo que há exemplos em que os métodos de machine learning superam os demais em termos de qualidade de resultados (acurácia, precisão, sensibilidade e especificidade) e eficiência (tempo de execução computacional).

Acerca de inteligência artificial e machine learning, julgue o item que se segue. 

O aprendizado não supervisionado se caracteriza pela utilização de dados previamente rotulados para treinar um modelo de machine learning, permitindo que ele aprenda padrões automaticamente a partir dos rótulos desses dados. 

A respeito de visão computacional com redes neurais convolucionais (CNN), de classificação de imagens e de processamento de linguagem natural (PLN), julgue o item seguinte. 

Na classificação de imagens, o objetivo principal é atribuir um rótulo (classe) a cada pixel da imagem, delimitando e identificando diferentes objetos ou regiões, ao passo que, na segmentação de imagens, o objetivo é atribuir um único rótulo à imagem como um todo, indicando seu conteúdo principal.

A respeito de visão computacional com redes neurais convolucionais (CNN), de classificação de imagens e de processamento de linguagem natural (PLN), julgue o item seguinte. 

A operação de convolução nas CNN envolve a aplicação de filtros (kernels) sobre blocos da matriz de pixels de uma imagem de entrada. Cada filtro gera um mapa de características ao realizar operações que capturam padrões locais específicos, como bordas e texturas. Esse processo resulta em uma transformação que não preserva necessariamente a posição espacial das informações relevantes da imagem, mas é fundamental para a redução da dimensionalidade dos dados.