Simulado: Introdução ao Aprendizado por Reforço

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

1. 1

   O que é aprendizado por reforço?

   A Uma técnica onde agentes aprendem a tomar decisões através de interações com o ambiente. B Um método de agrupamento de dados não rotulados. C Um tipo de aprendizado baseado em pares de pergunta e resposta.
2. 2

   Qual é o objetivo principal de um agente em aprendizado por reforço?

   A Alcançar a maior precisão possível em previsão. B Minimizar os erros de classificação em um dataset. C Maximizar a recompensa acumulada ao longo do tempo.
3. 3

   O que é um 'episódio' em aprendizado por reforço?

   A Um ciclo de treinamento em redes neurais. B Uma sequência completa de estados, ações e recompensas terminando em um estado terminal. C Um tempo de espera entre duas sessões de aprendizado.
4. 4

   Qual das alternativas caracteriza um problema de aprendizado por reforço com modelo?

   A Não se utiliza conhecimento prévio do ambiente. B O objetivo é prever class labels. C Se utiliza um modelo para prever consequências de ações no ambiente.
5. 5

   O que significa 'exploração' em aprendizado por reforço?

   A Experimentar novas ações para descobrir suas recompensas. B Refinar ações já conhecidas para aumentar a precisão. C Repetir ações de alta recompensa para ganhos rápidos.
6. 6

   O que é a função de valor em aprendizado por reforço?

   A Uma medida de precisão no aprendizado. B Uma função que classifica a importância de cada estado. C Uma função que estima a recompensa esperada de um estado ou ação.
7. 7

   O que é a política de aprendizado em aprendizado por reforço?

   A As regras para agrupar dados em clusters. B Uma estratégia que define o comportamento do agente em cada estado. C Um algoritmo para aumentar a eficiência do reforço.
8. 8

   Qual é o papel dos 'descontos de futuro' no aprendizado por reforço?

   A Aumentar o tempo de treinamento do modelo. B Influenciar a frequência de repetições nas ações. C Reduzir o peso das recompensas futuras na avaliação do estado.
9. 9

   O que é o método Q-learning?

   A Uma técnica para predizer valores contínuos em aprendizado supervisionado. B Um algoritmo de aprendizado por reforço que estima os valores de ação-estado sem modelo. C Um método de particionamento de espaço em grade para aprendizado não supervisionado.
10. 10

    O que representa a estrutura MDP em aprendizado por reforço?

    A A estrutura matemática de Processo de Decisão de Markov usada para formalizar problemas de aprendizado por reforço. B Um método de particionamento de dados em aprendizado não supervisionado. C Um algoritmo de ajuste fino para redes neurais.