Se o computador em questão enviar uma solicitação para um site na Internet, o dispositivo que faz o NAT na rede local deverá traduzir o endereço privado para o endereço 203.0.113.12 e manter o controle dessa tradução para a solicitação.

O dispositivo responsável por fazer o NAT importa uma tabela de endereços do servidor DHCP, que, por sua vez, é o responsável por associar endereços internos com conexões externas.

No que se refere a NoSQL, julgue os itens subsequentes.

A escalabilidade horizontal, uma característica comum em bancos de dados NoSQL, permite a distribuição de dados por múltiplos servidores.

Julgue os itens subsecutivos, em relação às redes neurais denominadas CNN, RNN e LSTM.

Entre duas camadas convolucionais de uma CNN, a aplicação de pooling permite aumentar a dimensionalidade da rede e controlar o overfitting.

Julgue os itens subsecutivos, em relação às redes neurais denominadas CNN, RNN e LSTM.

Em redes CNN, a inserção no modelo neural de um kernel de dimensão n × n acarreta a inclusão de n × n + 1 parâmetros ao modelo, caso a inserção do kernel seja acompanhada da inclusão de um bias.

Julgue os itens subsecutivos, em relação às redes neurais denominadas CNN, RNN e LSTM.

Em uma rede CNN, a dimensão do mapa de ativação em determinada camada depende, entre outros hiperparâmetros da rede, dos parâmetros denominados stride e dilation; uma rede CNN pode possuir diversas camadas convolucionais, e cada uma dessas camadas pode ser formada por diversos mapas de ativação.

No que se refere a redes neurais, julgue os itens a seguir.

A técnica denominada dropout em redes neurais busca, entre outros objetivos, atuar na regularização da rede, podendo contribuir na mitigação de problemas causados por mínimos locais da função custo do modelo implementado pela rede.

No que se refere a redes neurais, julgue os itens a seguir.

Em uma rede neural com múltiplas camadas, a inserção do nó denominado bias visa garantir a regularização da rede.

Acerca de autoencoders, julgue os próximos itens.

Em uma rede autoencoder, o elemento encoder tem por finalidade representar dados de entrada da rede em um espaço de representação latente, enquanto o elemento decoder busca reconstruir os dados originais de entrada, a partir desse espaço de representação latente.

A coleta de vestígios em ambiente de nuvem requer atenção especial à legislação vigente e aos acordos com os provedores.