Questionário sobre IA em sistemas de recomendação musical

As respostas e explicações aparecem conforme você responde ao teste.

1. Qual é o problema de 'inicialização a frio' na recomendação musical?
   • Dificuldade em recomendar faixas novas ou usuários sem histórico de audição
   • Músicas que tocam muito devagar
   • Servidores travando no inverno
   • Listas de reprodução muito longas
2. How can content-based audio analysis help recommend a new or little-heard song?
   • By relying only on the new track’s total number of past plays
   • By comparing audio-derived representations with tracks that match a listener’s musical preferences
   • By matching its file size to songs in the same playlist
   • By using the song’s upload date as its only similarity signal
3. A filtragem colaborativa funciona principalmente descobrindo o quê?
   • Músicas da mesma duração
   • As faixas mais baratas
   • Ouvintes com hábitos semelhantes e recomendando o que gostaram
   • Músicas em ordem alfabética
4. Em sistemas baseados em incorporação, duas músicas são consideradas semelhantes quando seus vetores são quais?
   • A mesma string de comprimento
   • Cores diferentes
   • Armazenado no mesmo servidor
   • Juntos no espaço compartilhado
5. Em que o Projeto Genoma Musical de Pandora depende fortemente?
   • Marcação detalhada de atributos musicais de músicas
   • Embaralhamento aleatório
   • Apenas a popularidade do artista
   • O endereço de e-mail do usuário
6. Por que as plataformas estão prestando mais atenção à justiça nas recomendações?
   • Para tornar as listas de reprodução mais curtas
   • Para evitar apenas reforçar alguns mega-sucessos e ajudar artistas menores a serem descobertos
   • Para reduzir o tamanho dos arquivos
   • Para desacelerar a reprodução
7. What does playlist co-occurrence contribute to a music recommender?
   • A measurement of the track’s audio sample rate
   • A prediction of how much storage a song requires
   • Context about which tracks listeners place together in playlists
   • A replacement for listening-history data
8. Why is nearest-neighbor search useful after music tracks are mapped into an embedding space?
   • It transcribes every track’s lyrics first
   • It changes the recording’s sample rate
   • It selects songs by file name only
   • It can quickly retrieve tracks whose vectors are close to a user’s vector