Iniciamos nossa atividade MAPA com o seguinte questionamento: "A má gestão dos reconhecimentos de padrão pode levar a IA apresentar soluções errôneas?"
A disciplina de reconhecimento de padrão apresenta a área da ciência responsável pelo Reconhecimento de Padrões (RP), de forma a abordar conceitos básicos, como classificação de objetos, inferências, estimação e otimização.
Bem como destacar o fato que os sistemas de motor neural, (Neural Engine), ficam cada vez mais sofisticados. Dentro desse ponto de vista, pudemos observar que os hardwares integrados a um único componente tornam o processo de aprendizagem e consequente extrapolação de conteúdo cada vez mais poderoso.
Os Sistemas computacionais são capazes de reconhecer diversos objetos, podendo nos ajudar, também, na classificação e na previsão de uma série de eventos.
Constatamos durante nossos estudos que o cérebro humano tem muitos mistérios e um deles, sem dúvidas, é a nossa habilidade de reconhecer padrões, a qual é estudada, constantemente, por diversos cientistas que tentam reproduzir esta capacidade de forma artificial. A solução desenvolvida pelos cientistas, para reproduzir o cérebro humano com seu sistema nervoso, são as Redes Neurais Artificiais. Estas estão no nosso cotidiano, seja em ambientes computacionais, seja no funcionamento de eletrodomésticos, seja em dispositivos de última geração, etc. São as neurais enginee dos dispositivos.
Entendemos também, que a aprendizagem de Máquina se subdivide em: Aprendizagem Supervisionada, Aprendizagem Não-Supervisionada e clustering ou análise de agrupamento de dados.
Baseando-se nessas informações elencadas em nosso material e na bibliografia indicada:


Entendendo sobre os conceitos abordados imagine que você trabalha em uma empresa que desenvolve soluções com redes neurais e algoritmos de aprendizados e que precisa apresentar a um possível cliente/investidor uma solução onde esse sistema usa de reconhecimento de padrão para atender as necessidades do cliente. Para explicar melhor ao seu cliente você vai descrever sobre uma rede neural artificial e os algoritmos de aprendizados utilizados por ela. Na sequência apresente uma proposta, que pode ser hipotética, porém consistente, sobre um sistema de reconhecimento de padrão que atenda às necessidades (hipotéticas) do cliente.

​Para atender aos critérios dessa atividade:

1. pesquise sobre redes neurais artificiais e os algoritmos de aprendizado utilizados; fazendo um resumo explicativo sobre a rede e os processos de aprendizado abordados.
2. Na sequência apresente uma proposta, que pode ser hipotética, porém consistente, sobre um sistema de reconhecimento de padrão dentro de suas necessidades profissionais ou pessoais.

​ATENÇÃO ALUNO:
Sua resposta deve conter uma média de 20 linhas para cada solução proposta onde você explicitará todos os pontos solicitados na atividade.
Esta entrega deve ser enviada utilizando o template do MAPA disponível nos materiais da disciplina.
Antes de enviar o arquivo, certifique-se de que respondeu a todos os critérios.
Após o envio não são permitidas alterações. Por favor, não insista.
Não são permitidas correções parciais no decorrer do módulo, ou seja, o famoso: "professor, veja se minha atividade está certa?" Isso invalida seu processo avaliativo.
Lembre-se que a interpretação da atividade também faz parte da avaliação.
Por favor, não insista solicitando que os professores mediadores lhe deem orientações extras acerca da atividade.
Please enter comments
Please enter your name.
Please enter the correct email address.
You must agree before submitting.

Lista de comentários


More Questions From This User See All
Conforme Almeida, Tokumoto, Freitas (2021), a tecnologia Deep learning (DL) permite relacionar dados e encontrar padrões que os seres humanos têm dificuldade, ou não conseguem, pelo tempo necessário para processar e analisar esses dados. Além disso, estes mesmos autores salientam que um software baseado em ML aprende uma tarefa T por meio de uma experiência E, em relação a uma métrica de desempenho P, se o seu desempenho na tarefa T, quando medido pela métrica P, aumenta com a experiência E. Com isso, pode-se ter I) uma tarefa para determinar, com base em imagens de exames, se um tumor é maligno ou benigno; a medida de desempenho é o percentual de diagnósticos corretos; e a experiência de treinamento ocorrem através das imagens de tumores obtidas de exames médicos (raio X, ultrassom, tomografia, ressonância magnética, etc.). PORTANTO, II) Se o desempenho é adequado, a tarefa não pode ser realizada, pois o aprendizado não foi satisfatório. ALMEIDA, Iara Carnevale de; TOKUMOTO, Ronie Cesar; FREITAS, Janaína Aparecida de. ​Técnicas de Machine Learning (Aprendizagem de Máquina). Maringá - PR.: Unicesumar, 2021. A respeito dessas asserções, assinale a opção correta: Alternativas Alternativa 1: As asserções I e II são proposições falsas. Alternativa 2: A asserção I é uma proposição verdadeira, e a II é uma proposição falsa. Alternativa 3: A asserção I é uma proposição falsa, e a II é uma proposição verdadeira. Alternativa 4: As asserções I e II são proposições verdadeiras, e a II é uma justificativa correta da I. Alternativa 5: As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa correta da I.
Responda
Ao listar todos os possíveis aspectos que podem influenciar o desenvolvimento de uma doença, por exemplo, você pode notar que, cada um desses aspectos se trata de uma variável. Sim, são variáveis que, dependendo de cada pessoa, podem assumir valores diferentes. Esses valores podem ser binários (zeros e uns), apenas para diferenciar entre a presença ou ausência de certo aspecto, podem ser divididos em categorias (como faixas etárias), ou podem ser valores numéricos contínuos (como peso). Observe que o objetivo dessa pesquisa seria entender o desenvolvimento de tal doença em pessoas de maneira geral e, para isso, listamos possíveis aspectos que possam ter influência nesse processo. O que estamos fazendo é o ponto de partida para a criação de uma “equação” que poderia representar esse desenvolvimento (ou não) dessa doença. Considerando as informações do texto, analise as afirmações a seguir e a relação existente entre elas. I – Um modelo estatístico é dado por uma equação linear. PORQUE II – Ao somar todas as variáveis disponíveis, formamos uma equação linear. Alternativas Alternativa 1: As afirmações I e II são falsas. Alternativa 2: A afirmação I é verdadeira e a afirmação II é falsa. Alternativa 3: A afirmação I é falsa e a afirmação II é verdadeira. Alternativa 4: As afirmações I e II são verdadeiras e a afirmação II é uma justificativa correta para I. Alternativa 5: As afirmações I e II são verdadeiras, mas a afirmação II não é uma justificativa correta para I.
Responda
De acordo com Everitt e Howell (2005[2]), o modelo estatístico é composto por uma ou mais equações. Em cada equação, uma variável (ou um conjunto de variáveis) funciona como resposta a ser obtida – ela fica do lado esquerdo do sinal de igualdade. Tais variáveis são chamadas de variáveis dependentes. Nessa mesma equação, um diferente grupo de variáveis são utilizadas para explicar as variáveis dependentes e, portanto, são chamadas de variáveis explicativas (ou variáveis independentes). São as variáveis que ficam do lado direito do sinal de igualdade. Considere a seguinte pesquisa: Um construtor está interessado em descobrir o tempo que irá utilizar para levantar a fundação de uma obra civil. Para isso, pesquisou na cidade outras obras, identificando o tamanho em metros quadrados da obra, os matérias utilizados e a quantidade de funcionários trabalhando. Considerando essas informações, analise as afirmações a seguir e a relação existente entre elas: I – A variável resposta que esse construtor está interessado é o tempo gasto. PORQUE II – As variáveis explicativas que podem ser utilizadas são o tamanho da obra, os materiais utilizados e a quantidade de funcionários. Alternativas Alternativa 1: As afirmações I e II são falsas. Alternativa 2: A afirmação I é verdadeira e a afirmação II é falsa. Alternativa 3: A afirmação I é falsa e a afirmação II é verdadeira. Alternativa 4: As afirmações I e II são verdadeiras e a afirmação II é uma justificativa correta para I. Alternativa 5: As afirmações I e II são verdadeiras, mas a afirmação II não é uma justificativa correta para I.
Responda
A validação de um modelo estatístico é, possivelmente, o passo mais importante na sequência de criação de um modelo. É, também, um dos passos mais ignorados. A utilização de um modelo que não se ajusta corretamente aos dados pode fornecer respostas equivocadas à questão que está sob investigação. E isso pode ser fatal à sua pesquisa. Se coloque na posição de um gestor, cuja responsabilidade é tomar uma decisão com base nas informações apresentadas pela equipe responsável pela análise estatística. Se um modelo estatístico, que nós já vimos, se trata de uma função, estiver “fora do eixo” por poucos pontos, isso já pode resultar em diferenças grandes quando os valores aplicados nessa função forem grandes. Com esse objetivo, a busca por “diminuir os erros” é constante dentro da modelagem estatística. Com base nessas informações, analise as afirmações a seguir: I – Um resíduo é a diferença entre um valor estimado por um valor observado. II – Para verificar a qualidade do ajuste de um modelo, é necessário analisar a qualidade dos resíduos, verificando sua normalidade, homoscedasticidade e independência. III – O método dos mínimos quadrados para estimação dos parâmetros busca encontrar coeficientes cujos resíduos sejam os menores possíveis. IV – O gráfico Quantil-Quantil consegue comparar os resíduos do modelo com a distribuição normal de probabilidade. É correto o que se diz em: Alternativas Alternativa 1: I, apenas. Alternativa 2: II e III, apenas. Alternativa 3: I, II e IV, apenas. Alternativa 4: II, III e IV, apenas. Alternativa 5: I, II, III e IV.
Responda
A modelagem estatística é uma representação mais simplificada da realidade, através de um modelo desenvolvido com técnicas (baseadas em probabilidades), com o objetivo de descrever diferentes aspectos de interesse. Um modelo estatístico é formado por duas partes: uma variável de resposta (variável dependente), e variáveis de informação coletada (variáveis independentes), o que compõe uma ou mais equações. EVERITT, B., HOWELL, D. C. Encyclopedia of Statistics in Behavioral Science. Volume 4. John Wiley & sons, 2005. (adaptado) Considerando o texto anterior, considere a situação hipotética, em que você está realizando tarefas para ganhar sua mesada, e para cada tarefa que você realiza, você ganha 3 reais. Avalie as afirmações a seguir. I. A variável independente é a quantidade de tarefas feitas, pois essa é a variável sobre a qual você tem controle. II. A variável dependente é a quantidade de tarefas que você faz, pois você escolhe a quantidades de tarefas que quer fazer. III. A variável independente é dinheiro total recolhido pelas tarefas, pois não se tem um controle constante por mais tarefas que você realize. IV. A variável dependente é a quantia de dinheiro que você ganha, pois a quantia de dinheiro que você ganha depende de quantas tarefas você realiza. É correto o que se afirma em: Alternativas Alternativa 1: I e IV, apenas. Alternativa 2: II e III, apenas. Alternativa 3: III e IV, apenas. Alternativa 4: I, II e III, apenas. Alternativa 5: II, III e IV, apenas.
Responda

Helpful Social

Copyright © 2025 ELIBRARY.TIPS - All rights reserved.