Simulado: Fundamentos de Redes Neurais

Áudio automático ativado: as próximas questões serão lidas ao clicar em Continuar.

1. 1

   O que é uma rede neural?

   A Um sistema computacional inspirado no cérebro humano B Um algoritmo que não aprende com os dados C Uma linguagem de programação específica
2. 2

   Qual é a função de ativação mais comum em redes neurais?

   A Tangente hiperbólica B Passo C ReLU (Rectified Linear Unit)
3. 3

   O que é 'overfitting' em redes neurais?

   A Quando o modelo geraliza bem os dados de teste B Quando o modelo se ajusta demais aos dados de treinamento C Quando o modelo apresenta alta precisão nos dados de teste
4. 4

   Qual técnica é utilizada para reduzir 'overfitting' em redes neurais?

   A Regularização B Aumento da complexidade do modelo C Aumento da taxa de aprendizado
5. 5

   Qual é o papel do 'bias' em uma rede neural?

   A Eliminar ruído dos dados B Permitir que o modelo aprenda deslocamentos nos dados C Aumentar a precisão dos dados de teste
6. 6

   O que é retropropagação?

   A Um algoritmo para ajustar os pesos em redes neurais B Uma função matemática para a entrada de dados C Um tipo de rede neural específica
7. 7

   Qual a importância da normalização dos dados na rede neural?

   A Aplicar transformação não-linear na entrada B Reduzir a dimensão dos dados C Melhorar a convergência do modelo
8. 8

   O que é uma 'camada oculta' em redes neurais?

   A Uma camada intermediária que processa entradas B A primeira camada que recebe dados de entrada C A camada final que gera resultados
9. 9

   Quando é necessário adicionar mais camadas a uma rede neural?

   A Quando o modelo está simplificando demais os dados B Quando o modelo precisa aprender padrões mais complexos C Quando a taxa de aprendizado é muito alta
10. 10

    Qual é o papel da função de custo em redes neurais?

    A Proporcionar valores de entrada normalizados B Medir o erro entre a saída prevista e a real C Aumentar o número de neurônios ativos