Escolar Documentos
Profissional Documentos
Cultura Documentos
Pergunta
A.aumento de vendas
Responda
B.
Pergunta
Responda
B.
Explicação
Referência
Questão 3
Instrução
Pergunta
Você tem uma matriz de confusão para o modelo pontuado nos dados
de teste, conforme mostrado na exibição a seguir.
Existem <box 1>positivos corretamente previstos.
5
11
1,033
13,951
11
1,033
13,951
Responda
Explicação
<box 1>:11
TP = Verdadeiro Positivo.
Os rótulos de classe no conjunto de treinamento podem assumir
apenas dois valores possíveis, aos quais geralmente nos referimos
como positivo ou negativo. As instâncias positivas e negativas que um
classificador prevê corretamente são chamadas de verdadeiros
positivos (TP) e verdadeiros negativos (TN), respectivamente. Da
mesma forma, as instâncias classificadas incorretamente são chamadas
de falsos positivos (FP) e falsos negativos (FN).
<box 2>:1,033
FN = Falso Negativo
Referência
Pergunta 4
Pergunta
Responda
B.
Explicação
Pergunta 5
Instrução
Pergunta
Responda
1. No.
2. Yes.
3. No.
Seção: Descrever cargas de trabalho e considerações de Inteligência
Artificial
Explicação
Referência
Pergunta 6
Instrução
Pergunta
A manipulação de valores incomuns ou ausentes fornecidos a um
sistema de IA é uma consideração do <box 1>princípio da Microsoft
para IA responsável.
inclusiveness
transparency
Responda
Explicação
Confiabilidade e segurança:
Referência
Pergunta 7
Instrução
Pergunta
Anomaly detection
Computer vision
Conversational AI
Knowledge mining
Cenários:
Responda
Explicação
<box 3>:Natural language processing
Referência
Pergunta 8
Pergunta
A.justiça
B.inclusão
C.confiabilidade e segurança
D.responsabilidade
Responda
B.
Explicação
Referência
Pergunta 9
Instrução
Pergunta
Princípios:
Accountability
Fairness
Inclusiveness
Descrições:
Responda
Explicação
<box 2>:Accountability
Referência
Pergunta 10
Instrução
Para completar a frase, selecione a opção apropriada na área de
resposta.
Pergunta
inclusiveness
accountability
fairness
Responda
Explicação
Confiabilidade e segurança: para construir confiança, é fundamental
que os sistemas de IA operem de forma confiável, segura e consistente
em circunstâncias normais e em condições inesperadas. Esses sistemas
devem ser capazes de operar como foram originalmente projetados,
responder com segurança a condições imprevistas e resistir a
manipulação prejudicial.
Referência
Pergunta 11
Pergunta
Qual tarefa você deve incluir para garantir que o serviço atenda ao
princípio de transparência da Microsoft para IA responsável?
Responda
C.
Referência
Pergunta 12
Instrução
Pergunta
Computer vision
Cenários:
Responda
Pergunta 13
Pergunta
A.responsabilidade
B.justiça
C.inclusão
D.privacidade e segurança
Responda
C.
Seção: Descrever cargas de trabalho e considerações de Inteligência
Artificial
Referência
Pergunta 14
Pergunta
A.conhecimento
B.determinação
C.inclusão
D.justiça
E.opinião
F.confiabilidade e segurança
Responda
C, D, F.
Referência
Pergunta 15
Instrução
Pergunta
image classification.
object detection.
Responda
object detection.
Referência
Pergunta 16
Instrução
Pergunta
Feature engineering
Feature selection
Model evaluation
Model training
Responda
Feature engineering
Referência
Pergunta 17
Pergunta
Responda
B.
Referência
Pergunta 18
Pergunta
A.transparência
B.inclusão
C.justiça
D.privacidade e segurança
Responda
A.
Explicação
Respostas incorretas:
B: A inclusão exige que a IA considere todas as raças e experiências
humanas, e as práticas de design inclusivas podem ajudar os
desenvolvedores a entender e abordar possíveis barreiras que podem
excluir pessoas involuntariamente. Sempre que possível, a tecnologia
de fala para texto, texto para fala e reconhecimento visual deve ser
usada para capacitar pessoas com deficiência auditiva, visual e outras.
Referência
Pergunta 19
Instrução
Pergunta
Responda
1. Yes.
2. No.
3. No.
Explicação
<box 1>:Yes
Alcançar a transparência ajuda a equipe a entender os dados e
algoritmos usados para treinar o modelo, qual lógica de transformação
foi aplicada aos dados, o modelo final gerado e seus ativos
associados. Essas informações oferecem insights sobre como o modelo
foi criado, o que permite que ele seja reproduzido de forma
transparente.
<box 2>:No
<box 3>:No
Referência
Instrução
Pergunta
Princípios:
Fairness
Transparency
Requisitos:
Responda
1. Fairness: O sistema não deve discriminar com base em
gênero, raça
Pergunta 21
Pergunta
Processos:
data encryption
model retraining
model training
data preparation
model evaluation
Responda
data preparation
model training
model evaluation
Referência
Pergunta 22
Pergunta
Responda
B, C.
Referência
Instrução
Pergunta
accountability
fairness
inclusiveness
transparency
Responda
fairness
Pergunta 24
Instrução
Pergunta
Tipos de Aprendizagem:
Feature engineering
Feature selection
Model deployment
Model evaluation
Model training
Cenários:
Responda
3. Feature selection:
Escolhendo temperatura e pressão para
treinar um modelo climático.
Explicação
Referência
Pergunta 25
Instrução
Pergunta
dependent variables.
features.
identifiers.
labels.
Responda
features.
Referência
Pergunta 26
Pergunta
A.classificação
B.regressão
C.agrupamento
Responda
B.
Explicação
Predicted vs. True mostra a relação entre um valor previsto e seu valor
verdadeiro correlacionado para um problema de regressão. Este
gráfico pode ser usado para medir o desempenho de um modelo, pois
quanto mais próximos da linha y = x estiverem os valores previstos,
melhor será a precisão de um modelo preditivo.
Referência
Pergunta 27
Pergunta
A.classificação
B.regressão
C.agrupamento
Responda
B.
Explicação
Referência
Pergunta
Responda
B.
Explicação
O rótulo é a coluna que você deseja prever. Os
recursos identificados são as entradas que você fornece ao modelo
para prever o rótulo .
Exemplo:
Referência
Tutorial: Preveja preços usando regressão com ML.NET (10
minutos para ler)
Pergunta 29
Pergunta
A.classificação
B.regressão
C.agrupamento
Responda
B.
Explicação
No sentido mais básico, a regressão refere-se à previsão de um alvo
numérico.
Referência
Pergunta 30
Instrução
Pergunta
Responda
1. Yes.
2. No.
3. Yes.
4. No.
Explicação
<box 1>:Yes
<box 2>:No
<box 3>:Yes
<box 4>:No
Referência
Instrução
Pergunta
classification
regression
clustering
Responda
classification
Explicação
A classificação de duas classes fornece a resposta para perguntas
simples de duas opções, como Sim/Não ou Verdadeiro/Falso.
Pergunta 32
Instrução
Pergunta
Responda
1. Yes.
2. No.
3. No.
<box 1>:Yes
<box 2>:No
<box 3>:No
Referência
Avalie o desempenho do modelo no Machine Learning Studio
(clássico) (12 minutos para ler)
Pergunta 33
Pergunta
Qual serviço você deve usar para extrair texto, pares de chave/valor e
dados de tabela automaticamente de documentos digitalizados?
A.Reconhecedor de formulários
B.Análise de texto
C.Compreensão do idioma
D.Visão personalizada
Responda
A.
Explicação
Acelere seus processos de negócios automatizando a extração de
informações. O Form Recognizer aplica aprendizado de máquina
avançado para extrair com precisão texto, pares de chave/valor e
tabelas de documentos. Com apenas algumas amostras, o Form
Recognizer adapta sua compreensão aos seus documentos, tanto no
local quanto na nuvem. Transforme formulários em dados utilizáveis
em uma fração do tempo e do custo, para que você possa concentrar
mais tempo atuando nas informações em vez de compilá-las.
Referência
Pergunta 34
Instrução
Pergunta
Custom Vision
Form Recognizer
Ink Recognizer
Text Analytics
Responda
Form Recognizer
Explicação
Referência
Pergunta 35
Pergunta
Responda
C, D.
Explicação
Referência
Pergunta 36
Instrução
Pergunta
Responda
Explicação
Referência
Implantar
Pergunta 37
Instrução
classification.
clustering.
regression.
Responda
regression.
Explicação
Respostas incorretas:
Referência
Instrução
Pergunta
Responda
1. Yes.
2. Yes.
3. No.
Explicação
<box 1>:Yes
<box 2>:Yes
<box 3>:No
Referência
Pergunta 39
Instrução
Pergunta
Você tem o seguinte conjunto de dados.
Você planeja usar o conjunto de dados para treinar um modelo que irá
prever as categorias de preços de casas de casas.
A feature
A label
A feature
A label
Responda
Referência
Pergunta 40
Instrução
Pergunta
Responda
Pergunta 41
Instrução
Pergunta
1. Yes.
2. Yes.
3. Yes.
Referência
Pergunta 42
Pergunta
A.agrupamento
B.regressão
C.classificação
Responda
C.
Referência
Pergunta 43
Pergunta
C.para testar o modelo usando dados que não foram usados para
treinar o modelo
Responda
C.
Pergunta 44
Pergunta
Responda
A, C.
Explicação
Referência
Pergunta 45
Pergunta
A.Nível de educação
B.Sobrenome
C.Era
D.Faixa salarial
E.Primeiro nome
Responda
A, C.
Pergunta 46
Pergunta
A.Visão personalizada
B.Reconhecedor de formulários
C.Enfrentar
D.Visão Computacional
Responda
A.
Referência
Pergunta 47
Instrução
Pergunta
1. Yes.
2. Yes.
3. No.
Explicação
Referência
Pergunta 48
Instrução
Responda
1. No.
2. Yes.
3. No.
Explicação
<box 1>:No
<box 2>:Yes
Um conjunto de dados de validação é uma amostra de dados que é
usada para fornecer uma estimativa da habilidade do modelo ao
ajustar os hiperparâmetros do modelo.
<box 3>:No
Referência
Pergunta 49
Pergunta
Quais são as duas métricas que você pode usar para avaliar um modelo
de regressão?
B.Pontuação F1
E.precisão equilibrada
Responda
A, C.
Explicação
Respostas incorretas:
Referência
Pergunta 50
Instrução
Pergunta
classification.
clustering.
regression.
Responda
regression.
Explicação
Referência
Pergunta 51
Instrução
Pergunta
Explicação
Referência
Pergunta 52
Pergunta
A.classificação
B.regressão
C.agrupamento
Responda
C.
Referência
Pergunta 53
Instrução
Pergunta
Classification
Clustering
Regression
Responda
Regression
Explicação
Referência
Pergunta 54
Pergunta
Responda
A.
Explicação
Referência
Pergunta 55
Pergunta
Quais dois componentes você pode arrastar para uma tela no designer
do Azure Machine Learning?
A.conjunto de dados
B.calcular
C.encanamento
D.módulo
Responda
A, D.
Explicação
Referência
Pergunta
B.Adicionar linhas
C.Dados divididos
D.Dados de junção
Responda
C.
Explicação
Uma maneira comum de avaliar um modelo é dividir os dados em um
conjunto de treinamento e teste usando Dividir Dados e, em seguida,
validar o modelo nos dados de treinamento.
Referência
Pergunta 57
Instrução
Pergunta
Tipos de Aprendizagem:
Classification
Clustering
Regression
Cenários:
Responda
Explicação
<box 1>:Regression
<box 2>:Clustering
<box 3>:Classification
Pergunta 58
Instrução
Pergunta
Accuracy
Confidence
Sentiment
Responda
Accuracy
Seção: Descrever os princípios fundamentais do aprendizado de
máquina no Azure
Referência
Pergunta 59
Instrução
Pergunta
princípio da IA responsável.
an inclusiveness
a transparency
Responda
Referência
Pergunta 60
Instrução
Pergunta
data ingestion.
feature engineering.
feature selection.
model training.
Responda
feature selection.
Pergunta 61
Instrução
Pergunta
evaluation.
feature engineering.
hyperparameter tuning.
labeling.
Responda
labeling.
Referência
Pergunta 62
Pergunta
A.detecção de anomalia
B.IA conversacional
C.visão computacional
C.
Explicação
Referência
Pergunta 63
Instrução
Pergunta
1. Ao criar um modelo de detecção de objetos no serviço Custom
Vision, você deve escolher um tipo de
classificação Multilabel ou Multiclass .
Responda
1. No.
2. Yes.
3. Yes.
Referência
Pergunta 64
Pergunta
Em quais dois cenários você pode usar o serviço Form Recognizer?
Responda
A, D.
Referência
Pergunta 65
Instrução
Responda
1. Yes.
2. Yes.
3. No.
Referência
Pergunta
A.segmentação semântica
B.classificação de imagem
C.detecção de objetos
Responda
D.
Explicação
Referência
Pergunta 67
Instrução
Pergunta
Responda
1. Yes.
2. Yes.
3. No.
Explicação
<box 1>:Yes
<box 2>:Yes
<box 3>:No
Referência
O que é Visão Personalizada? (2 minutos para ler)
Pergunta 68
Pergunta
A.reconhecimento facial
C.segmentação semântica
D.detecção de objetos
Responda
B.
Referência
Pergunta 69
Instrução
Pergunta
Facial detection
Facial recognition
Image classification
Object detection
Cenários:
Responda
3. Semantic segmentation:
determine quais pixels em uma
imagem fazem parte de um urso.
Explicação
Referência
Pergunta 70
Pergunta
Você usa drones para identificar onde as ervas daninhas crescem entre
as fileiras de cultivos para enviar uma instrução para a remoção das
ervas daninhas.
A.detecção de objetos
C.segmentação de cena
Responda
A.
Explicação
Respostas incorretas:
B: O reconhecimento óptico de caracteres (OCR) permite extrair texto
impresso ou manuscrito de imagens e documentos.
Referência
Pergunta 71
Instrução
Pergunta
Tarefas:
grouping
identification
similarity
verification
Perguntas:
Responda
Explicação
<box 1>:verification
Verificação de rosto: verifique a probabilidade de dois rostos
pertencerem à mesma pessoa e receba uma pontuação de confiança.
<box 2>:similarity
<box 3>:grouping
<box 4>:identification
Referência
API de rosto
Pergunta 72
Instrução
Pergunta
Image classification
Object detection
Cenários:
Responda
Explicação
<box 2>:OCR
A API Detect aplica tags com base nos objetos ou seres vivos
identificados na imagem. Atualmente, não há relação formal entre a
taxonomia de marcação e a taxonomia de detecção de objetos. Em um
nível conceitual, a API Detect só encontra objetos e seres vivos,
enquanto a API Tag também pode incluir termos contextuais como
“indoor”, que não podem ser localizados com caixas delimitadoras.
Referência
API de rosto
Pergunta 73
Pergunta
B.detecção de objetos
C.classificação de imagem
D.detecção de rosto
Responda
B.
A API Detect aplica tags com base nos objetos ou seres vivos
identificados na imagem. Atualmente, não há relação formal entre a
taxonomia de marcação e a taxonomia de detecção de objetos. Em um
nível conceitual, a API Detect só encontra objetos e seres vivos,
enquanto a API Tag também pode incluir termos contextuais como
“indoor”, que não podem ser localizados com caixas delimitadoras.
Referência
Pergunta 74
Instrução
Computer Vision
Custom Vision
Form Recognizer
Video Indexer
Responda
Custom Vision
Explicação
Respostas incorretas:
Computer Vision:
Referência
Pergunta 75
Pergunta
A.detecção de objetos
B.segmentação semântica
D.classificação de imagem
Responda
A.
Seção: Descrever recursos de cargas de trabalho de visão
computacional no Azure
Explicação
A API Detect aplica tags com base nos objetos ou seres vivos
identificados na imagem. Atualmente, não há relação formal entre a
taxonomia de marcação e a taxonomia de detecção de objetos. Em um
nível conceitual, a API Detect só encontra objetos e seres vivos,
enquanto a API Tag também pode incluir termos contextuais como
“indoor”, que não podem ser localizados com caixas delimitadoras.
Referência
Pergunta 76
Pergunta
Quais são as duas tarefas que podem ser executadas usando o serviço
de Pesquisa Visual Computacional?
Responda
B, C.
Explicação
Referência
Pergunta 77
Pergunta
A.prever quantas xícaras de café uma pessoa vai beber com base em
quantas horas a pessoa dormiu na noite anterior.
C.prever se alguém usa uma bicicleta para viajar para o trabalho com
base na distância de casa ao trabalho
D.prever quantos minutos levará para alguém correr uma corrida com
base nos tempos de corrida anteriores
Responda
C.
Explicação
Respostas incorretas:
A: Esta é a regressão.
B: Este é o agrupamento.
D: Esta é a regressão.
Referência
Pergunta 78
Pergunta
Quais são as duas tarefas que podem ser executadas usando a visão
computacional?
E.Extraia frases-chave.
Responda
B, C.
Explicação
Referência
Pergunta 79
Pergunta
A.Enfrentar
B.Reconhecedor de formulários
C.Análise de texto
D.Visão Computacional
Responda
A.
Seção: Descrever recursos de cargas de trabalho de visão
computacional no Azure
Referência
Pergunta 80
Pergunta
Responda
A, C.
Pergunta 81
Pergunta
Você está desenvolvendo uma solução que usa o serviço Text Analytics.
A.reconhecimento de entidade
B.extração de frase-chave
C.análise de sentimentos
D.detecção de idioma
Responda
B.
Explicação
Referência
Pergunta 82
Pergunta
Responda
B, D.
Seção: Descrever recursos de cargas de trabalho de processamento
de linguagem natural (NLP) no Azure
Referência
Pergunta 83
Instrução
Pergunta
sentiment analysis.
speech recognition.
speech synthesis.
translation.
Responda
speech recognition.
Referência
Pergunta 84
Pergunta
A.Análise de texto
B.Tradutor
C.Fala
Responda
C.
Referência
Pergunta 85
Instrução
Pergunta
Responda
1. Yes.
2. Yes.
3. Yes.
Referência
Fala
Pergunta 86
Pergunta
A.detecção de anomalia
B.visão computacional
C.regressão
Responda
D.
Explicação
Referência
Pergunta 87
Pergunta
Você planeja desenvolver um bot que permitirá que os usuários
consultem uma base de conhecimento usando processamento de
linguagem natural.
A.Criador de QnA
C.Reconhecedor de formulários
D.Detector de anomalias
Responda
A, B.
Referência
Pergunta
Em quais dois cenários você pode usar uma solução de síntese de fala?
Responda
A, D.
Explicação
Referência
Pergunta 89
Instrução
Pergunta
Responda
1. Yes.
2. Yes.
3. No.
Explicação
Referência
Pergunta 90
Instrução
Pergunta
Você precisa verificar as notícias em busca de artigos sobre seus
clientes e alertar os funcionários quando houver um artigo
negativo. Artigos positivos devem ser adicionados a um livro de
imprensa.
Responda
Pergunta 91
Pergunta
A.PPTX
B.XML
C.fecho eclair
D.PDF
Responda
D.
Seção: Descrever recursos de cargas de trabalho de processamento
de linguagem natural (NLP) no Azure
Explicação
Respostas incorretas:
Referência
Importando de fontes de dados (3 minutos para ler)
Pergunta 92
Pergunta
Responda
C.
Pergunta 93
Pergunta
Você tem relatórios de sinistros que são armazenados como texto.
B.IA conversacional
C.detecção de anomalia
D.visão computacional
Responda
A.
Referência
Pergunta 94
Instrução
Pergunta
Responda
Explicação
O processamento de linguagem natural (NLP) é usado para tarefas
como análise de sentimentos, detecção de tópicos, detecção de idioma,
extração de frases-chave e categorização de documentos.
Referência
Pergunta 95
Pergunta
A.Tradutor
B.Análise de texto
C.Fala
Responda
D.
Seção: Descrever recursos de cargas de trabalho de processamento
de linguagem natural (NLP) no Azure
Explicação
Referência
Pergunta 96
Pergunta
A.Tradutor
B.Criador de QnA
C.Fala
Responda
D.
Explicação
Referência
Pergunta
A.Tradutor
B.Análise de texto
C.Fala
Responda
A.
Explicação
Referência
Documentação do tradutor
Pergunta 98
Instrução
Pergunta
Responda
1. Yes.
2. No.
3. Yes.
Explicação
<box 1>:Yes
<box 2>:No
<box 3>:Yes
Reconhecimento de entidade nomeada: identifique e categorize
entidades em seu texto como pessoas, lugares, organizações,
data/hora, quantidades, porcentagens, moedas e muito
mais. Entidades conhecidas também são reconhecidas e vinculadas a
mais informações na web.
Referência
Pergunta 99
Instrução
Pergunta
Entity recognition
Language modeling
Sentiment analysis
Natural language processing
Translation
Cenários:
Responda
Explicação
<box 3>:Translation
Referência
Pergunta 100
Instrução
Pergunta
Responda
1. Yes.
2. No.
3. Yes.
<box 1>:Yes
<box 2>:No
<box 3>:Yes
O processamento de linguagem natural (NLP) é usado para tarefas
como análise de sentimentos, detecção de tópicos, detecção de idioma,
extração de frases-chave e categorização de documentos.
Pergunta 101
Pergunta
A.detecção de idioma
B.análise de sentimentos
C.extração de frase-chave
D.reconhecimento de entidade
Responda
B.
Explicação
Referência
Pergunta 102
Pergunta
A.reconhecimento de entidade
B.extração de frase-chave
C.análise de sentimentos
D.tradução
Responda
A.
Referência
Pergunta 103
Instrução
Pergunta
Recursos da API:
Entity recognition
Language detection
Sentiment Analysis
Responda
1. Sentiment Analysis:
entenda o quanto um cliente está
chateado com base no texto contido no ticket de suporte.
Explicação
<box 1>:Sentiment analysis
Referência
Análise de texto
Pergunta 104
Pergunta
A.uma intenção
B.um enunciado
C.um domínio
D.uma entidade
Responda
B.
Referência
Pergunta 105
Pergunta
D.Adicionar bate-papo
Responda
D.
Referência
Pergunta 106
Pergunta
C.Análise de texto
D.Criador de QnA
Responda
D.
Referência
Pergunta 107
Pergunta
Responda
B.
Explicação
Referência
Pergunta 108
Pergunta
Você tem um bot de webchat que fornece respostas de uma base de
conhecimento do QnA Maker.
A.extração de frase-chave
B.análise de sentimentos
C.logíca de negócios
D.aprendizado ativo
Responda
D.
Referência
Pergunta
A.Análise de texto
C.Tradutor
D.Reconhecedor de formulários
Responda
B.
Referência
Instrução
Pergunta
Responda
1. Yes.
2. No.
3. Yes.
Pergunta 111
Pergunta
Responda
A, C, E.
Seção: Descrever recursos de cargas de trabalho de IA de
conversação no Azure
Explicação
Extração automática
Referência
Pergunta 112
Pergunta
A.Criador de QnA
B.Análise de texto
C.Visão Computacional
Responda
A.
Explicação
Referência
Resposta a perguntas
Pergunta 113
Pergunta
Você precisa reduzir a carga das operadoras de telefonia
implementando um chatbot para responder perguntas simples com
respostas predefinidas.
A.Análise de texto
B.Criador de QnA
D.Tradutor
Responda
B, C.
Explicação
Pergunta 114
Pergunta
Responda
A, B.
Seção: Descrever recursos de cargas de trabalho de IA de
conversação no Azure
Pergunta 115
Pergunta
B.um chatbot
B.
Pergunta 116
Pergunta
A.Visão personalizada
B.Criador de QnA
C.Texto do tradutor
D.Enfrentar
Responda
B.
Seção: Descrever recursos de cargas de trabalho de IA de
conversação no Azure
Explicação
Respostas incorretas:
Referência
Resposta a perguntas
Pergunta 117
Pergunta
A.Criador de QnA
C.Análise de texto
D.Fala
Responda
A.
Seção: Descrever recursos de cargas de trabalho de IA de
conversação no Azure
Pergunta 118
Instrução
Pergunta
anomaly detection.
computer vision.
conversational AI.
forecasting.
Responda
conversational AI.
Seção: Descrever recursos de cargas de trabalho de IA de
conversação no Azure
Explicação
Referência
Pergunta 119
Pergunta
Responda
D.
Pergunta 120
Instrução
Pergunta
1. Você pode usar o QnA Maker para consultar um banco de
dados SQL do Azure.
2. Você deve usar o QnA Maker quando quiser que uma base de
conhecimento forneça a mesma resposta a diferentes usuários
que enviam perguntas semelhantes.
Responda
1. No.
2. Yes.
3. No.
Pergunta 121
Instrução
Pergunta
Responda
1. Yes.
2. Yes.
3. Yes.
Referência
Pergunta 122
Instrução
Pergunta
Responda
1. Yes.
2. Yes.
3. Yes.
Referência
Pergunta 123
Pergunta
Responda
B, C.
Explicação
Respostas incorretas:
D: os primeiros bots eram comparativamente simples, lidando com
tarefas repetitivas e volumosas com lógica algorítmica relativamente
direta. Um exemplo seriam os rastreadores da web usados pelos
mecanismos de pesquisa para explorar e catalogar automaticamente o
conteúdo da web.
Referência
Pergunta 124
Instrução
Pergunta
Responda
1. Yes.
2. Yes.
3. No.
Explicação
<box 1>:Yes
<box 2>:Yes
<box 3>:No
Pergunta 125
Instrução
Pergunta
Responda
1. Yes.
2. No.
3. Yes.