Exercícios
Avalie seus conhecimentos sobre Processamento de Linguagem Natural (PLN) com este questionário abrangente. Explore conceitos essenciais para a análise e compreensão automática da linguagem humana, como tokenização, redução de dimensionalidade, redes neurais recorrentes (RNN), word embeddings, árvores de sintaxe abstrata (AST), stemming, lemmatization e modelos n-gram. Você também encontrará questões sobre relações semânticas entre palavras e reconhecimento de entidades nomeadas (NER). Ideal para estudantes, profissionais e entusiastas que desejam revisar fundamentos de PLN e entender melhor as técnicas usadas em aplicações como chatbots, tradutores automáticos, mecanismos de busca e análise de textos.
Responda às questões abaixo e confira a explicação de cada resposta.
0/10 respondidas
Áudio automático ativado: as próximas questões serão lidas ao clicar em Continuar.
O objetivo principal do PLN é permitir que os computadores compreendam, interpretem e respondam à linguagem humana de forma eficaz e intuitiva.
Tokenização é o processo básico em PLN que divide um texto em unidades menores chamadas tokens, que podem ser palavras, frases ou outros elementos significativos.
A Análise de Componentes Principais (PCA). é uma técnica utilizada para reduzir a dimensionalidade dos dados, encontrando componentes principais que melhor explicam a variação dos dados.
Redes Neurais Recorrentes (RNNs). são redes neurais com laços que permitem que informações persistam, sendo adequadas para dados de sequência, como texto e áudio.
O 'word embedding' é uma técnica para representar palavras como vetores em um espaço de alta dimensão, preservando contextos semânticos e sintáticos.
Árvore de Sintaxe Abstrata (AST). é uma estrutura de árvores que representa a estrutura sintática de um texto, usada amplamente em compiladores e linguagens de programação.
Stemming remove sufixos para reduzir uma palavra à sua forma de raiz; lemmatization considera o contexto, reduzindo palavras à sua forma base real.
Modelos n-gram são usados para prever a próxima palavra em uma sequência, criando modelos baseados na probabilidade de ocorrência de n palavra(s) em sequência.
Word2Vec é uma técnica de 'word embedding' que identifica relações semânticas entre palavras usando representações vetoriais contínuas.
O reconhecimento de entidade nomeada (NER). é uma técnica para encontrar e classificar palavras em textos em categorias predefinidas como nomes, locais, e organizações.
Curso GratuitoCiência de Dados
5.2
(9)
63h02m
70 exercícios
Curso GratuitoRedes Neurais e Deep learning com Python
5
(1)
14h24m
14 exercícios
Curso GratuitoIntrodução à Inteligência Artificial Aplicada à Engenharia (IA, Machine Learning e Otimização) com o professor Wikki Brasil
5
(1)
25h16m
49 exercícios
Curso GratuitoDeep Learning Completo: Redes Neurais, CNNs, RNNs e PLN
5
(1)
9h10m
42 exercícios
Curso GratuitoInteligência Artificial (IA), Machine Learning e Deep Learning com Python
5
(1)
9h03m
36 exercícios
Curso GratuitoCiência de Dados
5
(1)
7h46m
17 exercícios
Curso GratuitoCiência de Dados: Análise de Séries Temporais: Conceitos Básicos
5
(2)
8h43m
33 exercícios
Curso GratuitoIntrodução à Machine Learning
5
(2)
10h13m
22 exercícios
Milhares de cursos online em vídeo, ebooks e áudiobooks.
Para testar seus conhecimentos no decorrer dos cursos online
Gerado diretamente na galeria de fotos do seu celular e enviado ao seu e-mail
Baixe nosso aplicativo pelo QR Code ou pelos links abaixo:.
Leve o conhecimento no seu bolso.
Baixe o aplicativo Cursa.
São centenas de Cursos gratuitos a disposição, com Certificado de conclusão gratuito que é salvo em sua galeria de imagens do celular.
Baixe o app para ter acesso ao Certificado de conclusão de Curso Gratuitamente.
+ de 10 milhões
de alunos
Certificado grátis e
válido em todo o Brasil
60 mil exercícios
gratuitos
4,8/5 classificação
nas lojas de apps
Cursos gratuitos em
vídeo, ebooks e audiobooks