Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                

Mapa - Inteligência Artificial - 53 - 2024

Fazer download em pdf ou txt
Fazer download em pdf ou txt
Você está na página 1de 2

Olá, aluno(a)!

Está com dificuldade ou sem tempo para elaborar


esse MAPA? Iremos te ajudar!

Entre em contato

(63) 99129-5554

MAPA – INTELIGÊNCIA ARTIFICIAL PARA AUTOMAÇÃO -


53_2024

MAPA – INTELIGÊNCIA ARTIFICIAL – 53_24

A evolução tecnológica tem impulsionado o desenvolvimento e a aplicação de Inteligência


Artificial (IA) em diversas áreas, desde a análise de dados até a automação de processos
industriais. A IA depende de algoritmos complexos, redes neurais e grandes volumes de
dados para treinar modelos que podem realizar tarefas que tradicionalmente requerem
intervenção humana, como reconhecimento de padrões, tomada de decisões e predição de
eventos.
A operação dos algoritmos de IA em diversos cenários possibilita a elaboração de soluções
capazes de processar e interpretar grandes quantidades de dados, adaptando-se às
mudanças e aprendendo continuamente. Isso é essencial para áreas como saúde, finanças,
marketing e automação industrial, em que a precisão e a eficiência são cruciais. Portanto, a
importância dos sistemas de IA, também conhecidos como sistemas inteligentes, não pode
ser subestimada.
Atividade MAPA:
Para esta atividade MAPA, o estudante executará um script e identificará os componentes
principais de um modelo de IA, além de compreender as informações contidas nos dados
de treino e teste.
Link do colab:
https://colab.research.google.com/drive/1fZYudjsbT1MSmVmLuNmnniWf1gbYaXsb?usp=sh
aring

O que deve ser feito:


Para essa atividade MAPA, será necessário realizar três etapas importantes:

1ª etapa:
Analisar o script fornecido, considerando que o dataset contém imagens de peças com e
sem defeito:
a) Qual a importância de balancear o dataset antes de treinar o modelo? Por quê?
b) Qual a métrica de avaliação apropriada para o modelo preditivo? Justifique.
c) Quais técnicas de pré-processamento de dados são recomendadas para este dataset?
d) Qual o valor esperado de acurácia após o treinamento do modelo?

2ª etapa:
Explique a estrutura do modelo CNN utilizado no script do Colab, abordando os seguintes
pontos:
a) Descreva as diferentes camadas da CNN, suas funções e parâmetros principais.
b) Explique o propósito das funções de ativação utilizadas.
c) Justifique a escolha do otimizador e da função de perda.
d) Comente sobre os resultados obtidos e como poderiam ser melhorados.

3ª etapa:
Explique a matriz de confusão e calcule as métricas de avaliação do modelo, incluindo
acurácia, precisão, recall e F1-score. Complementar o script para incluir esses cálculos.

Você também pode gostar