Questões de Concurso

Um modelo de linguagem de grande porte (LLM) é utilizado para produzir sínteses preliminares de documentos técnicos. Em um teste, o texto fornecido ao modelo não informa a data de conclusão de determinada obra. Ainda assim, a resposta gerada apresenta uma data específica, formulada como se constasse do documento.
Para aperfeiçoar o comando usado nessa tarefa, foram propostas diferentes instruções complementares.

A instrução mais diretamente relacionada à redução do problema observado é

“A Internet das Coisas (IoT) encapsula uma visão de um mundo no qual bilhões de objetos com inteligência incorporada, meios de comunicação e recursos de detecção e atuação se conectam por meio da rede. A IoT tem diferentes aplicações, desde cuidados de saúde até a indústria, em que as soluções são trazidas às pessoas para ajudar a lidar com o caos em suas vidas diárias.”
(Cirani, et al., 2019. P 1. Adaptado.)

Sobre a Internet das Coisas (IoT), assinale a afirmativa correta. 

Existem diversas metodologias já desenvolvidas, e em desenvolvimento, de modelos de classificação supervisionada. Nesse sentindo, a melhor metodologia é aquela que se ajusta melhor aos seus dados e que é capaz de trazer as melhores respostas de acordo com o seu objetivo. A vantagem e desvantagem listada abaixo nos itens I e II, respectivamente, entre os diversos modelos de Classificação Supervisionada, referem-se a:

I. Controle de Overfitting. II. Interpretabilidade das variáveis.

 A respeito dos conceitos de Deep Learning, analisar os itens abaixo:

I. Redes profundas híbridas se destacam pela discriminação que é assistida, muitas vezes de forma significativa, com os resultados de redes profundas generativas ou não supervisionadas. Isso pode ser alcançado por meio de uma melhor otimização e regularização das redes profundas supervisionadas. A proposta dessa rede também pode ser alcançada quando critérios discriminativos para a aprendizagem supervisionada são usados para estimar os parâmetros em qualquer das redes profundas generativas ou não supervisionadas.
II. Em termos de topologia, para implementar uma RNA, deve-se definir diferentes variáveis, dentre as quais: o número de nós na camada de entrada, o número de camadas escondidas, o número de neurônios a serem colocados nessas camadas, e o número de neurônios na camada de saída.
III. As redes neurais com treinamento não supervisionado, os algoritmos de agrupamento e a mineração de dados com regras de associação possuem a grande vantagem de que não é necessário conhecer a classe de saída de cada item de dado e, alguns casos, nem a quantidade de classes de saída.

Está(ão) CORRETO(S):

 As fases do CRISP-DM não são necessariamente executadas em sequência, uma vez que durante o processo podem ocorrer alterações e ser modificada a sequência. A formação de hipóteses em cima do que se aprendeu com os dados, é executada em qual fase do CRISP-DM?