INTRODUÇÃO A IA

O QUE É INTELIGÊNCIA ARTIFICIAL?

Baseada em dados que já aconteceram. Treinada para aprender dados já ensinados.
Tomada de decisões baseada em experiências anteriores.

PRINCIPAIS ELEMENTOS DA IA?

- Machine Learning:
Modelos estáticos que geram probabilidades de que vai ocorrer novamente.
Basicamente um direcionamento.
- Detecção de Anomalia:
Máquina com problemas, carro com mal funcionamento, casos com anomalias.
- Pesquisa Visual Computacional:
Detecção de pessoas ou objetos desaparecidos. Comparando em meio ao monte de
produtos ou pessoas.
- Processamento de linguagem natural:
Análise de sentimentos, como comentários ou e-mails. Como por exemplo o Facebook.
- IA de conversação:
Trabalhar com Bots, assistentes pessoais, Alexa, Google Assistente.

IA no Microsoft Azure:
Que basicamente faz esses processos acima:
Azure Machine Learning:
Serviços Cognitivos:
Serviço de Bot do Azure:

IA RESPONSÁVEL:
Desafios e riscos com IA:
- Desvios podem afetar os resultados:
Na IA nunca podem ser considerados dados pessoais que levem a descriminação do ser
humano.
- Erros podem causar danos:
Danos irreversíveis, como por exemplo um carro automático programado com IA causar
um acidente.
- Os danos podem ser expostos:
Vazamentos de dados.
- As soluções podem não funcionar para todos:
Por exemplo criar um bot que não é possível para pessoas com deficiência visual.
- Os usuários devem em confiar em um sistema complexo:
Por exemplo a confiabilidade em um sistema de ações no qual pessoas colocam
dinheiro conforme resultados baseados na IA.
- Quem é responsável pelas decisões baseadas em AI?
A IA traz diagnósticos, por esse motivo, toda tomada de decisões finais, é por
humanos. Facilitando a vida dos trabalhadores.

PRINCÍPIOS DA IA RESPONSÁVEL:

IMPARCIALIDADE: Distinguir raça, gênero, deficiência. Nao pode ocorrer na IA.

CONFIABILIDADE E SEGURANÇA: Tratar diretamente vidas, como por exemplo: Veículos

Autônomos, sistema de diagnósticos.

PRIVACIDADE E SEGURANÇA: Dados que não podem ser vazados, privacidade conforme lei
lgpd.

INCLUSÃO: Trazer variadas formas para que pessoas com deficiência tenham contato ou
acesso a tecnologia.

TRANSPARÊNCIA: Tudo que está sendo processado pela IA, ou seja, o fornecedor IA
fornece todos os detalhes da sua tomada de decisão. Ou seja, porque ela chegou em
determinado resultado.

RESPONSABILIDADE: Dados sensíveis, pontos complexos. Por isso deve ter a variável
de responsabilidade, como por exemplo, em um diagnóstico, ter um médico para tomada
de decisões.

MACHINE LEARNING:

INTRODUÇÃO:
- O que é Machine Learning:

É uma técnica que pode criar modelos através de grandes volumes de dados através de
outros modelos de algoritmos. Quanto mais relacionados os dados, mais simples e
acertívos serão.
- Modelo de Regressão:
Exemplo: Você faz uma tabela no qual uma coluna é o grau do dia e a outra é a
quantidade de bicicletas que são vendidas no dia.
Ao identificar, com os dados, o modelo conclui que quanto mais calor, mais
bicicletas são vendidas. Porém na margem do gráfico, tem dias que vendem menos e
outros mais, porém o fato de que vende sempre mais no calor é uma probabilidade do
modelo.

- Modelo de Classificação:
Classificação com base nos dados em números de que é falso/positivo -
verdadeiro/negativo ou vice versa, a probabilidade do resultado passado.

- CLUSTERING:
Modelo não supervisionado: deixar a máquina trabalhando.
Ex: você passa os modelos e a máquina vai agregando, categorização.

O QUE É O AZURE MACHINE LEARNING?

Uma Plataforma baseada em nuvem para Machine Learning.
Workspace do AZURE ML: Computação, Experimentos, Dados, Modelos, Serviços.

MACHINE LEARNING AUTOMATIZADO:

Basta ter os dados e ir testando as saídas com os modelos.

DESIGNER DO AZURE MACHINE LEARNING:

Ferramenta visual para criação de um pipeline de Machine Learning.
- Usar um pipeline de treinamento para treinar e avaliar um modelo.

PESQUISA VISUAL COMPUTACIONAL:

O QUE É?
O computador ver a vida humana através de imagens/dados, e toda imagem visualmente
passada ao computador possui pixel de 0,255 RGB. Com variação de ausência de cor
(0) e total luminosidade (255).
Imagens coloridas: O computador aplica camadas RGB(Red, Green e BLUE) por cima da
imagem pixealizando os mais claros e combinados para chegar na imagem processada.
APLICAÇÕES DA PESQUISA VISUAL COMPUTACIONAL:
- Classificação de imagem
- Detecção de Objetos
- Segmentação semântica (separar por cores)
- Análise de Imagem (Pode ser categorizado e reconhecer faces)
- Reconhecimento óptico de carácteres (OCR): Identificar imagens por marcas, nomes
etc.

SERVIÇOS COGNITIVOS:
- Pesquisa Visual Computacional
- Moderador de conteúdo
- Rosto
- Reconhecimento de Formulários do AZURE
- Visão Personalizada
- Compreensão da linguagem
- Fala
- Análise de texto
- Tradutor
- Indexador de vídeo
(Se quiser trabalhar com todos com um único endpoint e Indexador de vídeo pode
também)

ANALISE DE IMAGENS COM PESQUISA VISUAL:

- Modelo Pré Treinado
- Detecção de Objetos para mais de 10 mil classes predefinidas.
- Descrição de imagem e geração de tags.
- Detecção e análise facial
- Moderação de conteúdo (Até conteúdo impróprio por ex: sem roupa)
- Detecção de texto e OCR (Transcrever com imagem também funciona)

TREINAMENTOS DE IMAGEM COM VISAO PERSONALIZADA:

- Classificação de Imagem
- Detecção de Objetos
Um exemplo de treinamento de modelo de detecção/classificação de imagem é você
pegar várias fotos de um foragido e colocar no modelo para localizar em determinada
região.

ANÁLISE DE ROSTOS COM SERVIÇO DE DETECÇÃO FACIAL:

- Mais funções com análises faciais do que o próprio serviço, entre elas:
° Atributos faciais:
- Idade
- Emoções
° Reconhecimento facial:
- Combinação de similaridade
- Verificação de identidade

LEITURA DE TEXTOS:

° Detectar a localização do texto:

- Impresso
- Manuscrito
° Opções para extração rápida de texto de imagens ou analise assíncrona de
documentos escaneados maiores.
Assim como também erros de português.

ANÁLISE DE FORMULÁRIOS:

°Extrair informações de Formulários escaneados em formato de imagem ou PDF.

- Treinar um modelo personalizado usando seus próprios formulários.
- Usar modelo de recibo pré-treinado
°Os modelos realizam o reconhecimento semântico de campos de formulários, não só a
extração de texto.

PROCESSAMENTO DE LINGUAGEM NATURAL:

INTRO: Compreende Linguagem escrita e falada.
- Análise de texto e reconhecimento de entidades
- Análise de sentimentos
- Reconhecimento e síntese de fala
- Tradução automática
- Modelagem semântica de linguagem: Compreender do que o humano precisa na
linguagem semântica.

SERVIÇOS COGNITIVOS:
Análise de Texto:
- Detecção de idioma
- Extração de frases-chave
- Detecção de entidade
- Análise de Sentimentos

Fala:
- Conversão de texto em fala (Síntese de fala)
- Conversão de fala em texto
- Tradução de fala
- Tradução de texto
- Reconhecimento vocal:
Enunciado: Palavra de ação
Entidade: O que receberá a ação
Ex: Acenda a luz.
Acenda: Enunciado
Luz: Entidade

IA CONVERSACIONAL:
Conceitos:
Voltada para Bots,
O que é?
- Possibilidade de diálogo via humano e máquina.
- Os bots podem interagir em vários canais como:
°Interfaces de Webchat
°Email
°Plataformas de mídia social
°Serviços de voz

DIRETRIZES DE IA RESPONSÁVEL PARA BOTS;

- Seja transparente em relação ao que um bot pode ou não fazer

- Deixe claro que o usuário está se comunicando com um bot
- Habilite o bot para fazer a transferência automática para um humano, caso
necessário
- Garanta que o bot respeite as normas culturais
- Verifique se o bot é confiável
- Respeite a privacidade do usuário
- Manipule os dados com segurança
- Assegure que o bot atenda aos padrões de acessibilidade
- Assuma a responsabilidade pelas ações do bot

QnA Maker
- Defina uma base de dados de conhecimento de pares de pergunta e resposta:
° Inserindo perguntas e respostas
° A partir de um documento de FAQs existente
° Usando um bate-papo integrado
- Consuma a base de dados de conhecimento de aplicativos clientes, inclusive bots.

Serviço de Bot
- Plataforma baseada em nuvem para desenvolver e gerenciar bots
- Integração com LUIS, QnA Maker e Outros.
- Conectividade em vários canais.
QUESTÕES:

Pergunta do Exame Al-900 - 1:

Um projeto de pesquisa médica usa um grande conjunto de dados anônimos de imagens
de varredura do cérebro que são categorizados em tipos de hemorragia cerebral pré-
definidos.
Você precisa usar o aprendizado de máquina para apoiar a detecção precoce dos
diferentes cérebros tipos de hemorragia nas imagens antes que as imagens sejam
revisadas por uma pessoa. Este é um exemplo de qual tipo de aprendizado de máquina?
A. agrupamento
B. regressão
C. classificação ✅
D. Anomalia
----
Al-900 - 2:
Para completar a frase, selecione a opção apropriada na área de resposta.
Um sistema bancário que prevê se um empréstimo será pago é um exemplo de tipo de
aprendizado de máquina.
classificação ✅
regressão
agrupamento
---
Al-900 -3:
Qual métrica você pode usar para avaliar um modelo de classificação?
A. taxa de verdadeiro positivo ✅
B. erro absoluto médio (MAE)
C. coeficiente de determinação (R2)
D. erro quadrático médio (RMSE)

---
Al-900 - 4:
Combine os tipos de aprendizado de máquina com os cenários apropriados.
Para responder, arraste o tipo de aprendizado de máquina apropriado da coluna à
esquerda para
seu cenário à direita. Cada tipo de aprendizado de máquina pode ser usado uma vez,
mais de
uma vez, ou não.
NOTA: Cada seleção correta vale um ponto.
Selecione e coloque:

Preveja quantos minutos de atraso uma luta chegará com base no quantidade de neve
em um ponto aéreo. (Regressão)✅

Segmente os clientes em diferentes grupos para apoiar uma estratégia de marketing

departamento (Agrupamento/Clustering)✅

Prever se um aluno concluirá um curso universitário. (Classificação)✅

---
Al-900 - 5:
Para completar a frase, selecione a opção apropriada na área de resposta.
É a probabilidade calculada de uma classificação correta da imagem.
Precisão
Confiança ✅
Erro quadrático médio
Sentimento
---
Al-900 - 6:
O que é um caso de uso para classificação?
A. prever quantas xícaras de café uma pessoa beberá com base em quanto muitas horas
a pessoa dormiu na noite anterior.
B. analisar o conteúdo das imagens e agrupar imagens que tenham características
semelhantes cores
C. prever se alguém usa uma bicicleta para viajar para o trabalho com base em a
distância de casa para o trabalho ✅
D. prever quantos minutos levará para alguém correr uma corrida com base em tempos
de corrida anteriores
---
Al-900 7 (cont.):
Que tipo de modelo você vai treinar?
A. Modelo de regressão
B. Modelo de classificação ✅
C. Modelo de agrupamento
D. Modelo não supervisionado
---
Al-900 8
Você cria um modelo de classificação multiclasse.
Você precisa avaliar o modelo.
Quais duas métricas de avaliação você pode usar? Cada resposta correta apresenta um
solução.
A. Pontuação F1 ✅
B. Precisão ✅
C. Índice Rand
D. Erro Quadrado Médio (MSE)
---
Al-900 - 9
Combine os algoritmos de aprendizado de máquina à esquerda com as descrições
corretas.
Algoritmos de aprendizado de máquina
✅B. Regressão 1. Preveja um rótulo numérico com base nas características de um
item.
✅A. Clustering(Agrup) 2. Agrupe itens semelhantes com base em suas
características.
✅C. Classificação 3. Atribua itens a um conjunto de categorias predefinidas.
---
Al-900 - 10
Combine os tipos de aprendizado de máquina com os cenários apropriados.
Para responder, arraste o tipo de aprendizado de máquina apropriado da coluna à
esquerda para seu cenário à direita. Cada tipo de aprendizado de máquina pode ser
usado uma vez, mais de uma vez, ou não.

Tipos de aprendizado de máquina

Área de resposta
✅Classificação de imagem - Imagens separadas de ursos polares e ursos marrons
✅Detecção de objetos - Determinar a localização de um urso em uma foto
✅Segmentação semântica - Determine quais pixels em uma imagem fazem parte de um
urso.
---
Al-900 - 11
Qual técnica serve de base para soluções modernas de classificação de imagens?
A. Aprendizado profundo✅
B. Detecção de anomalias
C. Regressão linear
D. Regressão linear múltipla
---
Al-900 - 12
Você tem o gráfico Predicted vs. True mostrado na exposição a seguir.
Previsto vs. Verdadeiro
Que tipo de modelo o gráfico é usado para avaliar?
A. Classificação
B. Regressão✅
C. Agrupamento
D. Anomalia
---
Al-900 - 13
Que tipo de aprendizado de máquina você deve usar para prever o número de cartões-
presente
que será vendido no próximo mês?
A. Classificação
B. Regressão✅
C. Agrupamento
D. Anomalia
---
Al-900 - 14

Você precisa prever o nível do mar em metros para os próximos 10 anos.

Que tipo de aprendizado de máquina você deve usar?
A. Classificação
B. Regressão✅
C. Agrupamento
D. Anomalia

---
Al-900 - 15
Para completar a frase, selecione a opção apropriada na área de resposta.
Área de resposta
Prever quantas horas extras um entregador trabalhará com base em o número de
pedidos recebidos é um exemplo de:
classificação.
agrupamento.
regressão.✅
---
Al-900 - 16
Quais são as duas métricas que você pode usar para avaliar um modelo de regressão?
Cada correta resposta apresenta uma solução completa.
NOTA: Cada seleção correta vale um ponto.
A. coeficiente de determinação (R2)✅
B. Pontuação F1
C. erro quadrático médio (RMSE)✅
D. área sob a curva (AUC)
E. precisão equilibrada
---
Al-900 - 17
Para completar a frase, selecione a opção apropriada na área de resposta.
Área de resposta
Prever quantos veículos atravessarão uma ponte em um determinado dia é um exemplo
de :
classificação.
agrupamento.
regressão.✅
---
AI-900 18
✅Automóvel dados de preço - Seleciona Colunas no Dataset
✅Limpa a data precisa - Divide dados
✅Regressão Linear - Modelo de treino
---
Al-900 - 19
Para completar a frase, selecione a opção apropriada na área de resposta.
Área de resposta
modelos podem ser usados para prever o preço de venda de itens leiloados.
Classificação
Agrupamento
Regressão✅
---
Al-900 - 20
Você precisa criar uma solução de marcação de imagens para mídia social que marque
imagens de seus
amigos automaticamente.
Qual serviço de Serviços Cognitivos do Azure você deve usar?
A. Rosto✅
B. Reconhecedor de formulários
C. Análise de Texto
D. Visão Computacional
---
Al-900 - 21:
Que tipo de aprendizado de máquina você deve usar para identificar grupos de
pessoas que
hábitos de compra semelhantes?
A. classificação
B. regressão
C. agrupamento✅
D. Detecção de anomalias
---
Al-900 - 22:
Para cada uma das seguintes afirmações, selecione Sim se a afirmação for
verdadeira.
Área de resposta

Organizar documentos em grupos com base nas semelhanças do texto contidos nos
documentos é um exemplo de agrupamento.
SIM✅
Agrupar pacientes semelhantes com base em sintomas e teste de diagnóstico
resultados é um exemplo de agrupamento.
SIM✅
Prever se uma pessoa desenvolverá sintomas leves, moderados ou graves sintomas de
alergia com base na contagem de pólen é um exemplo de agrupamento. NÃO✅
---
Al-900 - 23:
Ao criar um modelo de cluster, que algoritmo ML comum você está usando?
A. Regressão Logística Multiclasse
B. K-médias✅
C. Regressão Linear
D. Rede Neural de Duas Classes
E. Regressão da Floresta de Decisão
---
Al-900 - 24:
Você precisa identificar valores numéricos que representem a probabilidade de os
cães se tornarem doentes com base na sua idade e percentagem de gordura corporal.
Que tipo de modelo de aprendizado de máquina você deve usar?
A. Regressão linear
B. Regressão linear múltipla✅
C. Regressão logística
D. Agrupamento hierárquico
---
Al-900 - 25:
Você planeja criar e implantar um modelo preditivo usando o AutoML Ul no Azure
Machine Aprendendo.
Quais são as três tarefas de aprendizado de máquina compatíveis? Cada resposta
correta apresenta uma solução completa.
A. Classificação✅
B. Regressão✅
C. Previsão✅
D. Agrupamento
E. Aprendizagem por reforço
---
Al-900 - 26:
Que tipo de carga de trabalho de inteligência artificial usa sensores para alertar
proativamente os usuários
sobre possíveis falhas mecânicas do equipamento?
A. Detecção de anomalia✅
B. Visão computacional
C. Processamento de linguagem natural
D. Conversacional Al
---
Al-900 - 27:
Para cada uma das seguintes afirmações, selecione Sim se a afirmação for
verdadeira.
Área de resposta

A previsão de preços de imóveis com base em dados históricos é um exemplo de

detecção de anomalia. NÃO ✅
Identificando entradas suspeitas procurando desvios do habitual é um exemplo de
detecção de anomalia. SIM ✅
Prever se um paciente desenvolverá diabetes com base na história médica é um
exemplo de detecção de anomalia. NÃO ✅
---
AI-900 - 28:
Você está construindo uma ferramenta que processará imagens de lojas de varejo e
identificará os produtos dos concorrentes.
A solução usará um modelo personalizado.
Qual serviço de Serviços Cognitivos do Azure você deve usar?
A. Visão Personalizada✅
B. Reconhecedor de formulários
C. Rosto
D. Visão Computacional
---
Al-900 - 29:
Para cada uma das seguintes afirmações, selecione Sim se a afirmação for
verdadeira.
Área de resposta
Declarações
Ao criar um modelo de detecção de objetos no serviço Custom Vision, você deve
escolher um tipo de classificação de Multilabel ou Multiclass. NÃO ✅
Você pode criar um modelo de detecção de objetos no serviço Custom Vision para
encontrar a localização do conteúdo em uma imagem. SIM✅
Ao criar um modelo de detecção de objetos no serviço Custom Vision, você pode
selecionar um conjunto de domínios predefinidos. SIM✅
---
Pergunta do Exame Al-900 - 30:
Para cada uma das seguintes afirmações, selecione Sim se a afirmação for
verdadeira.
NOTA: Cada seleção correta vale um ponto.
Área de resposta
Declarações
O serviço Custom Vision pode ser usado para detectar objetos em uma imagem. SIM✅
O serviço Custom Vision requer que você forneça seu próprio dados para treinar o
modelo. SIM✅
O serviço Custom Vision pode ser usado para analisar arquivos de vídeo. NÃO✅
---
Al-900 - 31:
Você criou um modelo de Visão Personalizada. Você deseja que seu modelo detecte
objetos treinados nas fotos.
Quais três informações você obterá sobre cada objeto se estiver usando um objeto
modelo de detecção?
A. Tipo de imagem
B. Caixa delimitadora ✅
C. Categoria de imagem
D. Nome da classe✅
E. Pontuação de probabilidade✅
F. Nome do conteúdo
---
Al-900 - 32:
Você precisa treinar um modelo de aprendizado de máquina para detectar logotipos de
empresas em imagens.
O que você deve usar?
A. Classificação de imagem do Azure Custom Vision
B. Detecção de objeto de Visão Personalizada do Azure✅
C. Serviço Azure Face
D. Serviço Inteligente de Compreensão da Linguagem (LUIS)
---
Al-900 - 33:
Combine os tipos de cargas de trabalho Al com os cenários apropriados.
Para responder, arraste o tipo de carga de trabalho apropriado da coluna à esquerda
para sua
cenário à direita. Cada tipo de carga de trabalho pode ser usado uma vez, mais de
uma vez ou não.
Área de resposta
Um chat automatizado para responder a perguntas sobre reembolsos e trocas -
Conversacional Al ✅
Determinar se uma foto contém uma pessoa -
Visão computacional✅
Como determinar se uma avaliação é positiva
ou negativo - Processamento de linguagem natural✅
---
Al-900 - 34:
Para completar a frase, selecione a opção apropriada na área de resposta.
Área de resposta
Retornando uma caixa delimitadora que indica a localização de um veículo em uma
imagem é um exemplo de:
classificação de imagem.
detecção de objetos.✅
reconhecidor óptico de caracteres (0CR).
segmentação semântica.
---
AI-900 - 35:
Sua empresa quer construir uma máquina de reciclagem de garrafas. A máquina de
reciclagem deve identificar automaticamente as garrafas da forma correta e rejeitar
todos os outros itens.
Que tipo de carga de trabalho de AI a empresa deve usar?
A. detecção de anomalias
B. Conversacional Al
C. visão computacional✅
D. processamento de linguagem natural
---
Al-900 - 36: Próximo