ATIVIDADE 3 - CDAC - RECONHECIMENTO DE PADRÕES - 53_2025

"De acordo com Bishop (1995), o método estatístico é a forma mais completa e natural de formular soluções para o reconhecimento de padrões, pois é possível identificar a natureza estatística tanto da informação que se quer representar quanto dos resultados que devem ser expressos. Essa abordagem clássica, baseada em modelos probabilísticos, também pode ser denominada por 'Teoria da Decisão', [...]".

Além do método estatístico e de outros, existe o método neural, bastante utilizado no reconhecimento de padrões.

Fonte: COSTA, J. L. da. Reconhecimento de Padrão. Maringá: UniCesumar, 2021. p. 30.

Considerando o exposto, avalie as asserções a seguir e a relação proposta entre elas:

I. As Redes Neurais Artificiais (RNA) constituem um campo de pesquisa que aplica o método neural e tem por preocupação lidar com tarefas como o reconhecimento de padrões, a previsão e a tomada de decisões mediante o uso de redes de unidades conectadas, treinadas por algoritmos que funcionam com base em amostras do mundo real e podem, assim, aprender e classificar padrões.

PORQUE

II. Esse sistema tem como alusão o sistema cerebral, que possui células neuronais conectadas que dão ao conjunto todo a capacidade de aprendizagem e evolução constante.

Assinale a alternativa correta:

"De acordo com o Dicionário Michaelis (2021), dentre outras definições, inferência pode ser definida como uma operação por meio da qual se chega a um resultado ou se faz um raciocínio lógico com base em evidências circunstanciais e em conclusões já tidas como seguras, e não com base na observação direta". Na aplicação de reconhecimento de padrões, sistemas mais confiáveis de classificação buscam características dentro de um conjunto de padrões já classificados realizando inferências capazes de melhorar o aprendizado do modelo utilizado. Referente ao aprendizado, podemos observar três modelos de inferência: aprendizado analítico, aprendizado sintético e aprendizado por analogia.

Fonte: COSTA, J. L. da. Reconhecimento de Padrão. Maringá: UniCesumar, 2021. p. 22.

Sobre o modelo de inferência por aprendizado sintético, classifique V para as afirmativas verdadeiras e F para as falsas:

(    ) São realizados raciocínios indutivos. Utiliza a generalização sobre exemplos fornecidos.

(    ) É o mais utilizado em reconhecimento de padrões.

(    ) Se a conclusão for verdadeira, todas as premissas também serão verdadeiras.

Assinale a alternativa que apresenta a sequência correta:

Sistemas de análise preditiva são cada vez mais utilizados em instituições de ensino para prever comportamentos como evasão ou faltas. Esses modelos utilizam atributos históricos e contextuais para estimar a probabilidade de um aluno faltar a uma aula, com base em dados anteriores.

Uma das premissas centrais desses modelos é a identificação de padrões recorrentes, ou seja, o histórico de comportamento tende a se repetir. A combinação de fatores ambientais (como clima) com fatores comportamentais (como histórico de faltas) permite ao sistema tomar decisões mais precisas.

Você está desenvolvendo um modelo de previsão de faltas de alunos, com os seguintes atributos:

Distância da casa até a faculdade (curta, média, longa)

Clima do dia (ensolarado, chuvoso)

Histórico de faltas (baixo, médio, alto)

​

Fonte: COSTA, J. L. da. Reconhecimento de Padrões. Florianópolis: UniCesumar, 2024.​

Com base no texto apresentado, qual desses atributos provavelmente tem mais peso na previsão de faltas e por quê?

Sistemas automatizados de apoio à decisão podem ser usados em contextos educacionais para classificar alunos com base em seu desempenho e engajamento. Um exemplo disso é o uso de árvores de decisão, que seguem uma lógica condicional (estrutura “se... então...”) construída a partir de padrões históricos.

Uma escola desenvolveu uma árvore de decisão para recomendar reforço escolar em matemática com base em três critérios:

Nota da prova: Alta ou Baixa

Participação nas aulas: Sim ou Não

Entrega de atividades: Todas, Parcial ou Nenhuma

​SE Nota = Baixa

SE Participação = Não

Reforço = Sim

SE Participação = Sim

SE Entrega = Nenhuma

Reforço = Sim

SENÃO

Reforço = Não

SE Nota = Alta

Reforço = Não

​Um aluno apresentou os seguintes dados:

Nota da prova: Baixa

Participação nas aulas: Sim

Entregou: Parcial das atividades

Fonte: BARBOSA, G. M.; BONAT, H. W. Árvore de decisão aplicado à evasão escolar. 2022. Trabalho de Conclusão de Curso (Especialização em Data Science e Big Data) — Universidade Federal do Paraná, Curitiba, 2022.

Com base no cenário e no texto apresentado, segundo a lógica da árvore de decisão construída pela escola, esse aluno será classificado como necessitando de reforço?

Sistemas computacionais são capazes de analisar imagens digitais e extrair informações relevantes. Esses sistemas estão por trás de tecnologias como detecção facial, reconhecimento de placas de veículos, classificação de objetos e análise médica por imagem.

Um passo essencial nesse processo é a extração de características — etapa que transforma dados brutos (como valores de pixels) em informações úteis para os algoritmos de reconhecimento de padrões. Essa transformação é necessária porque os dados visuais originais são complexos e de difícil interpretação direta pelos modelos computacionais.

Com base no texto apresentado, qual o papel da extração de características em um sistema de visão computacional, e por que ela é importante para o reconhecimento de padrões?

Um sistema de reconhecimento facial está sendo desenvolvido para melhorar a segurança em aeroportos, considerando as diversas abordagens e desafios associados ao reconhecimento facial.

Fonte: Elaborado pelo professor, 2024.

Diante disso, considere as seguintes proposições:

I. O reconhecimento facial baseado em características faciais é mais suscetível a variações de iluminação e ângulo de visão.

II. Algoritmos dedicados a essa tarefa passam por um treinamento extensivo para alcançarem um resultado satisfatório.

III. A análise de expressões faciais pode ser utilizada para detectar emoções e ajudar na identificação de comportamentos suspeitos.

IV. O reconhecimento baseado em DNA facial é atualmente a técnica mais precisa e rápida para identificar indivíduos em grandes multidões.

​É correto o que se afirma em:

Modelos de classificação supervisionada são amplamente utilizados na área da saúde para prever condições clínicas com base em sintomas observados. Esses sistemas são treinados com registros rotulados (por exemplo, pacientes diagnosticados com ou sem febre) e aprendem a identificar padrões recorrentes que indicam determinada condição.

Cenário:

Um modelo foi treinado para classificar pacientes com febre, considerando os seguintes atributos:

Temperatura corporal

Cor da pele

Dor de cabeça

Paciente Z apresenta:

Temperatura = 38,9 ºC

Cor da pele = avermelhada

Dor de cabeça = sim

Fonte: COSTA, J. L. da. Reconhecimento de Padrões. Florianópolis: UniCesumar, 2024.​

Com base no texto apresentado e no raciocínio de reconhecimento de padrões, como esse paciente provavelmente seria classificado pelo modelo?

​