Consiste em um desafio ético associado ao uso de inteligência artificial generativa:

Qual tecnologia está por trás de modelos como o ChatGPT para geração de texto?

Leia o texto a seguir:

As Ciências Sociais Computacionais têm se caracterizado como um novo campo da ciência que não se limita a big data e à análise de redes sociais ou modelos de simulação social, mas compreende tudo isso. Elas têm por objetivo processar dados e executar simulações em escala planetária, levando em consideração toda a população mundial. Principalmente, porque eventos que ocorrem em um lugar podem ter enormes consequências no outro lado do mundo. O surgimento das Ciências Sociais Computacionais abre vários questionamentos e intensifica o movimento autorreflexivo que as Ciências Sociais vivenciam desde as chamadas “Virada Linguística” e “Ontológica” iniciadas na segunda metade do século XX. Desse surgimento, emergem diferentes angústias epistemológicas.

(Patrícia P. Pavesi e Julio Valentim. “Ciências Sociais

Computacionais: um novo paradigma para as

Ciências Sociais?”. Em: Simbiótica, 2021. Adaptado)

Entre as inquietações de natureza epistemológica associadas ao surgimento das Ciências Sociais Computacionais, conforme Patrícia Pavesi e Julio Valentim, destaca-se

Com relação à área de visão computacional, avalie as afirmativas a seguir e assinale (V) para verdadeira e (F) para falsa.

( ) A tecnologia Utiliza câmeras, sensores e algoritmos avançados treinados com grandes quantidades de dados visuais e imagens para permitir que máquinas interpretem, analisem e extraiam dados significativos de imagens e vídeos, possibilitando inclusive o reconhecimento, rastreamento e classificação de itens específicos.
( ) Algoritmos de machine learning (ML) que empregam redes neurais podem ser empregados, como: aprendizado profundo, para realizar processamento automático de diferentes aspectos dos dados da imagem; redes neurais convolucionais (CNNs), que utilizam um sistema de rotulagem para categorizar dados visuais; e, redes neurais recorrentes (RNNs), que podem analisar vídeos e entender as relações entre as imagens.
( ) A visão computacional altera a imagem dando sentido ao seu conteúdo visual e realiza tarefas, como a rotulagem.

As afirmativas são, segundo a ordem apresentada,

Relacione os principais algoritmos conceitos de Aprendizagem de Máquina, ou Machine Learning, listados a seguir com suas respectivas características.

1- Neural networks
2- Logistic regression
3- Clustering
4- Decision trees

( ) Algoritmo de aprendizado supervisionado que faz previsões para variáveis de resposta categóricas.
( ) Algoritmo de aprendizado não supervisionado usado para identificar padrões em dados para que eles possam ser agrupados.
( ) Algoritmo que implementa grande número de nós de processamento interligados.
( ) Algoritmo para prever valores numéricos e classificar dados em categorias, usando uma sequência ramificada de decisões vinculadas.

A relação correta, na ordem apresentada, é

No contexto da linguagem Pyhton 3.0, assinale o código que, quando executado, exibe o resultado a seguir.

[[ 2 -3 1]
 [ 4  5 6]
 [-9  8 7]]

Um analista de dados utiliza a ferramenta Oracle Data Visualization 12C. O analista executou uma sequência de ações para criar um projeto de visualização de dados e adicionar dados, nesse contexto, analise as afirmativas a seguir.

I. Criar ou abrir um projeto de visualização de dados ao qual deseja adicionar o conjunto de dados. Para criar um projeto novo, ele deverá acessar a Página Inicial, clicar em “New” e, em seguida, clicar em “Project” para exibir a caixa de diálogo “Add Data Set”.
II. Localizar a caixa de diálogo “Add Data Set”, selecionar os conjuntos de dados que deseja analisar e, em seguida, clicar em “Add to Project”.
III. Para visualizar dados de outro conjunto de dados no mesmo projeto, localizar o painel “Data Elements”, clicar em “Add” e, em seguida, selecionar “Add Data Set”.
IV. Por fim, o analista deverá arrastar os elementos de dados que deseja visualizar do painel “Data Elements” e começar a criar seu projeto.

Está correto o que se afirma em

Aprendizado de máquina é o processo de descobrir uma função-objetivo f que mapeie as entradas x nos respectivos resultados y, ou seja, y = f (x) Quando a forma geral da função f a ser aprendida é pré-fixada, o algoritmo de aprendizado é dito parametrizado, e sua função é inferir os parâmetros ou coeficientes que compõem a função f. Selecione a alternativa que indique a desvantagem de utilização do aprendizado parametrizado

Árvore de Decisão (AD) é um método de aprendizado supervisionado não paramétrico usado para tarefas de classificação e regressão que podem ser facilmente implementados Python 3.0 através da biblioteca scikit-learn versão 1.7. Com relação às vantagens da utilização das AD através dessa biblioteca, analise as afirmativas a seguir.

I. O custo de uso da AD é logarítmico em relação ao número de pontos de dados usados para treinar a árvore.
II. As previsões das AD são suaves e contínuas e apresentam aproximações constantes por partes. Portanto, são boas para extrapolação de dados.
III. AD apresentam bom desempenho mesmo que suas suposições sejam de alguma forma violadas pelo modelo verdadeiro a partir do qual os dados foram gerados.
IV. AD são estáveis, pois grandes variações nos dados podem resultar na geração de árvore equivalentes. Essa condição é assegurada pelo uso de AD dentro de pequenos conjuntos de dados.

Está correto o que se afirma em

Um analista de dados da AgSUS sabe que a detecção de anomalias, ou detecção de valores discrepantes, é a identificação de uma observação, evento ou ponto de dados que se desvia do que é padrão ou esperado, tornando-o inconsistente em relação ao resto do conjunto de dados. Relacione os tipos de anomalias de dados às suas respectivas definições.

1. Anomalias não intencionais.
2. Anomalias pontuais.
3. Anomalias contextuais.
4. Anomalias coletivas.

( ) Essas anomalias, também conhecidas como valores discrepantes globais, são pontos de dados individuais que estão muito fora do restante do conjunto de dados. Um exemplo desses tipo anomalia é um saque de conta bancária que é significativamente maior do que qualquer um dos saques anteriores do usuário;
( ) Essas anomalias envolvem um conjunto de instâncias de dados que juntas se desviam da norma, mesmo que as instâncias individuais possam parecer normais. Um exemplo desse tipo de anomalia seria um conjunto de dados de tráfego de rede que mostra um aumento repentino no tráfego de vários endereços IP ao mesmo tempo;
( ) Essas anomalias são pontos de dados que se desviam da norma devido a erros ou ruído no processo de coleta de dados. Esses erros podem ser sistemáticos ou aleatórios, originados por problemas como sensores defeituosos ou erro humano durante a entrada de dados. Esse tipo de anomalia pode distorcer o conjunto de dados, dificultando a obtenção de insights precisos;
( ) Essas anomalias são pontos de dados que se desviam da norma dentro de um contexto específico. Essas anomalias não são necessariamente valores discrepantes quando consideradas isoladamente, mas se tornam anômalas quando vistas dentro de seu contexto específico. Por exemplo, considere o uso de energia. Se houver um aumento repentino no consumo de energia ao meio-dia, quando normalmente nenhum membro da família está em casa. Este dado pode não ser um valor discrepante quando comparado ao consumo de energia pela manhã ou à noite (quando as pessoas geralmente estão em casa), mas é anômalo em relação ao horário em que ocorreu.

A relação correta, na ordem dada, é: