[Projeto] Mão na massa: aplicando técnicas de Prompt no cotidiano

prompt:
Gere questionários sobre inteligêcia artificial para futuras provas na área de tecnologia e desenvolvimento. os questionários devem ser enviados de 10 em 10, sem as respostas ou cabaritos, apenas quando eu mandar as respostas estruturadas da seguinte forma: 1a,2c,... você vai mandando o cabarito um a um e corrigindo junto comigo, ao final pegue as questões que errei e foque esses assuntos nas próximas 10 questões. pode começar.

Resposta:
Entendido. Vou seguir exatamente a estrutura que você propôs:

Enviarei os questionários em blocos de 10 questões de múltipla escolha (focadas em conceitos recorrentes em provas de tecnologia, como ML, Redes Neurais, NLP e ética).

Não enviarei o gabarito agora.

Você me envia suas respostas no formato 1a, 2c....

Eu farei a correção um a um, explicando o porquê de cada acerto ou erro.

Ao final de cada bloco, mapearei os temas que você teve dificuldade para personalizar as próximas 10 questões.

Aqui está o primeiro questionário sobre Fundamentos e Aprendizado de Máquina:

Questionário 01: Inteligência Artificial e Machine Learning

1. No Aprendizado Supervisionado (Supervised Learning), qual é o objetivo principal do algoritmo?
   a) Identificar agrupamentos naturais em dados sem rótulos.
   b) Aprender uma função que mapeia uma entrada para uma saída com base em exemplos rotulados.
   c) Interagir com um ambiente dinâmico para maximizar uma recompensa acumulada.
   d) Reduzir a dimensionalidade de um conjunto de dados complexo.

2. O fenômeno de "Overfitting" em um modelo de rede neural é melhor descrito como:
   a) Quando o modelo é simples demais para aprender os padrões dos dados.
   b) Quando o modelo decora os dados de treinamento e perde a capacidade de generalizar para dados novos.
   c) Quando a taxa de aprendizado (learning rate) é tão alta que o modelo nunca converge.
   d) Quando os dados de treinamento são insuficientes para a arquitetura escolhida.

3. Qual componente da arquitetura Transformer permitiu o processamento paralelo e a captura de dependências de longo alcance de forma mais eficiente que as RNNs?
   a) Camadas Convolucionais.
   b) Unidades de Memória de Curto Prazo (LSTM).
   c) Mecanismo de Atenção (Self-Attention).
   d) Pooling Global Médio.

4. Na avaliação de modelos de classificação, a métrica "Precisão" (Precision) mede:
   a) A proporção de predições positivas que foram realmente corretas.
   b) A proporção de casos positivos reais que o modelo conseguiu identificar.
   c) A média harmônica entre sensibilidade e especificidade.
   d) A velocidade com que o modelo processa as inferências.

5. O algoritmo de "Gradiente Descendente" (Gradient Descent) é utilizado no treinamento de modelos para:
   a) Classificar imagens em categorias discretas.
   b) Minimizar a Função de Perda (Loss Function) ajustando iterativamente os pesos.
   c) Aumentar a dimensionalidade dos dados de entrada.
   d) Limpar ruídos de bases de dados estruturadas.

6. Em Redes Neurais Profundas, a técnica de "Backpropagation" é fundamental porque:
   a) Ela inicializa os pesos de forma aleatória antes do treino.
   b) Ela calcula o gradiente do erro em relação a cada peso para permitir a atualização via otimizador.
   c) Ela serve como uma função de ativação não linear entre as camadas.
   d) Ela garante que a rede neural não precise de dados rotulados.

7. O "Aprendizado por Reforço" (Reinforcement Learning) baseia-se fundamentalmente em quais elementos?
   a) Entrada, Saída e Erro Médio Quadrático.
   b) Clusters, Centroides e Distância Euclidiana.
   c) Agente, Ambiente, Estado, Ação e Recompensa.
   d) Camada de Entrada, Camadas Ocultas e Camada de Saída.

8. O que caracteriza a técnica de "Regularização L2" (Ridge) em modelos de regressão?
   a) Ela remove completamente as variáveis menos importantes do modelo.
   b) Ela adiciona uma penalidade baseada no quadrado da magnitude dos coeficientes para evitar pesos excessivos.
   c) Ela serve para aumentar o bias do modelo e reduzir o underfitting.
   d) Ela é usada exclusivamente para o processamento de linguagem natural.

9. Um modelo que apresenta um "Bias" (Viés) muito elevado geralmente sofre de:
   a) Overfitting (Sobreajuste).
   b) Underfitting (Subajuste), sendo incapaz de capturar a lógica subjacente dos dados.
   c) Alta variância nos resultados de teste.
   d) Excesso de neurônios nas camadas ocultas.

10. Qual é a principal diferença entre a Filtragem Colaborativa e a Filtragem Baseada em Conteúdo em sistemas de recomendação?
    a) A colaborativa usa apenas metadados do item; a baseada em conteúdo usa apenas o histórico de compras.
    b) A colaborativa baseia-se em similaridades entre usuários/comportamentos; a baseada em conteúdo foca nas características dos itens.
    c) A colaborativa é mais lenta e menos precisa que a baseada em conteúdo em qualquer cenário.
    d) A baseada em conteúdo requer que os usuários avaliem todos os itens da plataforma.

Pode enviar suas respostas (ex: 1a, 2b...) quando estiver pronto!