Agenda do Curso

  • Geral

    Área 8

    Inteligência Artificial (IA): Linguagens Simbólicas; Resolução de Problemas por Busca; Esquemas para representação do conhecimento: Lógicos, em rede, estruturados, procedurais; Formalismos para a representação de conhecimento incerto; Redes Bayesianas, Conjuntos e Lógica fuzzy, Aprendizado de máquina; Aprendizado Indutivo; Árvores de decisão; Redes Neurais; Algoritmos Heurísticos; Computação Evolutiva.

  • Enade 2021

    • Questão 11 - Redes recorrentes e convolucionais.

      • Alternativa I: falsa, pois, aumentar o número de camadas irá aumentar consequentemente o tempo de treinamento da rede.
      • Alternativa II: Verdadeiro, redes neurais convolucionais profundas (CNN's, exemplo: Faster RCNN, Mask RCNN, Yolo, SSD', entre outras) são voltadas para a extração automática de informações espaciais de vídeos e imagens e apresentam desempenho satisfatório.
      • Alternativa III: Falso, pois, o aumento de neurônios não resultaria na redução da acurácia (o quão o modelo acerta) e na diminuição do tempo de treinamento.
      • Alternativa IV:  Verdadeiro, pois, o incremento do conjunto de imagens para treinamento/teste/validação (dataset) elevaria a acurácia e o tempo de treinamento.
      • Alternativa V: Falso, redes recorrentes são aplicadas ao processamento de dados sequenciais (ex: traduções), portanto, não é indicada para o problema apresentado.
      Alternativa correta: D (II e IV corretas).

      Referências:
       https://aws.amazon.com/pt/what-is/recurrent-neural-network/
       https://www.deeplearningbook.com.br/redes-neurais-recorrentes/
       https://vilsonrodrigues.medium.com/machine-learning-o-que-s%C3%A3o-acurracy-precision-recall-e-f1-score-f16762f165b0

    • Questão 18 - Aprendizado de máquina: indução: supervisionado e não supervisionado. Regressão linear..

      • Alternativa I: Verdadeiro, pois, na regressão linear utiliza-se dados conhecidos para realizar a inferência em dados desconhecidos.
      • Alternativa II: Falsa, como a saída gerada não pode ser avaliada precisamente, não é possível aplicar uma fórmula para calcular o valor do erro. Valor do erro é empregado no aprendizado supervisionado.
      • Alternativa III: Verdadeiro, pois, o aprendizado não supervisionado é indicado para reconhecer padrões, agrupamentos.
      • Alternativa IV:  Verdadeiro, o aprendizado supervisionado é mais preciso em comparação com o aprendizado não supervisionado. 
         Alternativa correta: E (I,III e IV estão corretas).

      Referências:
      •  https://aws.amazon.com/pt/what-is/machine-learning/
      • https://blog.in1.com.br/aprendizado-de-maquina-metodos

  • ENADE 2017

    • Questão 17 - Algoritmos de IA adaptativos.

      • Asserção I: Verdadeira, pois, Sistemas de Aprendizagem Adaptativos podem melhorar a experiência de aprendizado.
      •  Asserção II: Verdadeira, aprendizagem não supervisionada é um tipo de treinamento que pode ser empregado nesse contexto, pois, possibilita reconhecer padrões. A asserção II é uma justificativa válida para a primeira asserção.

      Resposta: A (as duas asserções estão corretas)

       Referências:
      ABYAA, A., KHALIDI IDRISSI, M., e BENNANI, S. Learner modelling: systematicreview of the literature from the last 5 years. Educational Technology Research andDevelopment. v.67, n.3, jan. 2019.

       DE CESARO JÚNIOR, T.; ROLLWAGEN, A. F. ; BAVARESCO​ ; OLIVEIRA, R. O. ; BECK, V. C. . Uma Revisão Sistemática sobre Abordagens para Modelagem de Aluno em Sistemas de Aprendizagem Adaptativos. In: III Congresso de Tecnologia da Informação do IFSUL Passo Fundo, 2023, Passo Fundo - RS. Anais do III Congresso de Tecnologia da Informação do IFSUL Passo Fundo. Passo Fundo: IFSul, 2023. v. 1. p. 20-30

    •  Questão 32 - sistemas multiagentes.

      • Opção A: Falso, considerando o ambiente atual (sujo ou limpo), localização (esquerda ou direita) e movimentação (para esquerda ou para direita), são 2³ estados (8 possíveis estados.)
      • Opção B: Verdadeiro, coerente com os sensores disponíveis do aspirador.
      • Opção C: Falso, o aspirador não tem capacidade ou não analisa o histório do resultado das ações tomadas anteriormente.
      • Opção D: Falso, a percepção do agente é baseada nos sensores (agente reativo simples e reativos -> condição-ação).
      • Opção E: Falso, Caso o ambiente esteja limpo, o aspirador irá verificar o outro ambiente, por tanto "fazer nada" não é um estado válido.

              estados possíveis.
       Resposta: Questão B.
       Referências:
       Gonçalves, Enyo Jose Tavares. Modelagem de arquiteturas internas de agentes de software utilizando a linguagem MAS-ML 2.0. 2009. 105 f. Dissertação (Mestrado Acadêmico ou Profissional em 2009) - Universidade Estadual do Ceará, , 2009. Disponível em: <http://siduece.uece.br/siduece/trabalhoAcademicoPublico.jsf?id=57200> Acesso em: 9 de abril de 2024

  • ENADE 2014

    • Questão 18 - Indução em Árvore de Decisão, Sistemas Especialistas baseados em 

      Em relação à aplicação adequada das técnicas de inteligência artificial, avalie as afirmações a seguir:

      Asserção I: Verdadeira, as árvores de decisão criam um modelo para prever o valor de uma variável de destino (possível fraude, no caso do cartão de crédito) com base em várias variáveis de entrada (informações do usuário e da transação).
      Asserção II: Verdadeira, pelo mesmo motivo descrito na asserção I.
      Asserção III: Verdadeira, sistemas especialistas utilizam regras explícitas para expressar o conhecimento do domínio de um problema e permite, através da confrontação do conhecimento existente com fatos conhecidos sobre um determinado problema, inferir novos fatos.
      Resposta: E (todas as asserções estão corretas)

      Referências:
      https://imasters.com.br/tecnologia/machine-learning-sistemas-baseados-em-regras
      https://aws.amazon.com/pt/compare/the-difference-between-artificial-intelligence-and-machine-learning/

  • ENADE 2008

    Questão 31

    Julgue os itens a seguir, relativos a métodos de busca com informação (busca heurística) e sem informação (busca cega), aplicados a problemas em que todas as ações têm o mesmo custo, o grafo de busca tem fator de ramificação finito e as ações não retornam a estados já visitados.

    • Item I: Verdadeiro, pois, como são carregados inicialmente em memória todos os nós iniciais de nível N, caso encontre uma solução, a mesma será a solução ótima.

      Item II: Falso, como carrega em memória apenas o estado corrente, a primeira solução encontrada não será necessariamente a solução ótima.

      Item III: Verdadeiro.

      Item IV: Falso, não é eficiente, por justamente expandir apenas os nós em busca do melhor primeiro. Sendo que a solução ótima pode não ser composta por ter o melhor primeiro.

       Resposta: B (Itens I e III estão corretos).

  • ENADE 2005

    Questões 57 e 58

    • Questão 57

      A escolha de uma boa representação de conhecimento é tarefa fundamental na resolução de problemas que envolvem inteligência artificial. Acerca desse assunto, assinale a opção correta.

      • Item A: Falso, o fato de o encadeamento regressivo utilizar busca em largura não o faz ser menos utilizado que o progressivo (busca em profundidade). Na verdade, a busca em largura avalia todas as regras compatíveis (do nível) com o estado da base de fatos antes de acrescentar novas conclusões, possibilitando encontrar a solução ótima precocemente.
      • Item B: Verdadeiro, busca em profundidade.
      • Item C: Falso, Redes semânticas não são capazes de representar categorias.
      • Item D: Falso, mecanismo de inferência semanticamente não são bem definidos, para serem utilizados em IA, é necessário  combinar mecanismo de herança de atributo com  regras de produção, o que resultaria no aumento significativo da complexidade.
      • Item E: Falso, Redes semânticas não são capazes de representar conhecimento estrutural e procedural.
      Resposta: Item B

    • Questão 58

      Uma forma de analisar e comparar o desempenho de algoritmos de busca heurística é utilizar um problema bem conhecido como referência. Um exemplo desse tipo de problema é o cálculo de rotas entre diferentes cidades. No grafo ilustrado acima, cada nó representa uma cidade distinta, e cada ramo, uma rodovia que interliga as cidades representadas pelos nós que ele une, cujo peso indica a distância, em km, entre essas cidades pela rodovia. Suponha que se deseje encontrar a melhor rota entre as cidades A e M, indicadas nesse grafo. Considere, ainda, os valores indicados na tabela abaixo como distância em linha reta, em km, de cada
      cidade para a cidade M .


      • Item I : Verdadeiro (11,18,+10+5+10+20 = 56,18). Sendo que esta rota passando por C foi escolhida, pois, o algoritmo A* é do tipo busca pela melhor escolha (best first search). Os custo inicial das outras possíveis rotas (por B ou K tem custo maior do que os 11,18).
      • Item II: Falso, pois a busca gulosa procura pelo melhor primeiro, resultando na sequencia desviada para E. ACDFEKLM.
      • Item III: Falso, pois o custo  nunca deve ser superestimado. Deve ser admissível, pois, o caminho mais curto entre dois pontos é sempre uma reta.
      • Item IV: Verdadeiro. A* sempre encontra a solução ótima (utiliza uma função de avaliação que considera o caminho percorrido e a distância estimada até o destino) e é completo, pois, nunca entrará em loop infinito ou indicar um caminho infinito.
      • Item V: Verdadeiro. A temperatura alta pode uma aceitar mudança para um de estado pior do que o corrente.
      Resposta: B (I, IV e V corretas).