Quiz de Inteligência Artificial - Machine Learning

O que é machine learning?

• Machine learning é um tipo de inteligência artificial que permite que os computadores aprendam com dados e melhorem ao longo do tempo sem serem explicitamente programados.

• Machine learning é um tipo de robô que executa tarefas repetitivas

• Machine learning é um tipo de software que não utiliza dados para funcionar

• Machine learning é um tipo de tecnologia que não evolui ao longo do tempo

Quais são os tipos de aprendizado em machine learning?

• Supervisionado, não supervisionado e por reforço

• Aprendizado teórico, prático e experimental

• Aprendizado rápido, lento e médio

• Aprendizado passivo, ativo e neutro

Explique o que é o algoritmo de aprendizado supervisionado.

• É um algoritmo que não requer dados de treinamento

• É um algoritmo de machine learning onde o modelo é treinado com um conjunto de dados rotulados para fazer previsões ou classificações para novos dados.

• É um algoritmo que não é utilizado em machine learning

• É um algoritmo que só funciona com dados não rotulados

Dê um exemplo de aplicação de machine learning na vida real.

• Sistemas de recomendação em plataformas de streaming, como Netflix, que utilizam machine learning para sugerir conteúdos com base no histórico de visualizações do usuário.

• Sistemas de controle de tráfego que utilizam machine learning para otimizar o fluxo de veículos

• Máquinas de lavar roupa que utilizam machine learning para determinar o ciclo de lavagem ideal

• Aplicativos de delivery de comida que utilizam machine learning para prever o tempo de entrega

Quais são as etapas do processo de treinamento de um modelo de machine learning?

• Coleta de dados, escolha do algoritmo de astrologia, treinamento do modelo, avaliação do modelo e ajuste de parâmetros.

• Preparação de dados, seleção do algoritmo de machine learning, teste do modelo, validação do modelo e ajuste de parâmetros.

• Coleta e preparação de dados, escolha do algoritmo de machine learning, treinamento do modelo, avaliação do modelo e ajuste de parâmetros.

• Coleta e preparação de dados, escolha do algoritmo de machine learning, treinamento do modelo, validação do modelo e ajuste de hiperparâmetros.

O que é overfitting em machine learning?

• Overfitting é quando um modelo de machine learning tem um desempenho excelente em novos dados

• Overfitting é quando um modelo de machine learning não consegue aprender os dados de treinamento

• Overfitting é quando um modelo de machine learning não inclui ruído e flutuações aleatórias nos dados de treinamento

• Overfitting é quando um modelo de machine learning aprende os dados de treinamento muito bem, incluindo ruído e flutuações aleatórias, levando a um desempenho ruim em novos dados.

Qual a diferença entre classificação e regressão em machine learning?

• Classificação prevê valor numérico, regressão prevê categoria

• Classificação prevê categoria, regressão prevê valor numérico

• Classificação e regressão são a mesma coisa

• Classificação prevê ocorrência, regressão prevê probabilidade

Como é feita a avaliação de um modelo de machine learning?

• Usando métricas como altura, peso, idade, entre outras.

• Através da análise de sentimentos, emoções e intuições.

• Por meio da contagem de linhas de código e complexidade do algoritmo.

• Utilizando métricas como precisão, recall, F1-score, matriz de confusão, entre outras.