Questão de Tecnologia da Informação · FGV TCE-GO 2024 (nº 93)

Keras é uma API de alto nível para construir e treinar modelos de aprendizagem profunda (deep learning) em Python. Ela serve como uma interface simplificada para frameworks mais complexos, como o TensorFlow, permitindo aos desenvolvedores criar redes neurais de forma rápida e intuitiva.

• (A) Incorreta: Esta afirmação é correta. As layers (camadas, como Dense, Conv2D) são os blocos construtores das redes neurais, e os models (modelos, como Sequential ou Functional API) são as formas de organizar essas camadas para criar a arquitetura da rede.
• (B) Incorreta: Esta afirmação é correta. Desde o TensorFlow 2.0, o Keras foi oficialmente integrado como a API de alto nível padrão do TensorFlow (tf.keras), tornando-o a forma recomendada de construir modelos de deep learning dentro do ecossistema TensorFlow.
• (C) Incorreta: Esta afirmação é correta. Assim como os frameworks de baixo nível sobre os quais opera (como TensorFlow), o Keras utiliza tensores (arrays multidimensionais) para representar todos os dados, sejam eles entradas, saídas ou os parâmetros internos do modelo (pesos e vieses).
• (D) Correta: Esta afirmação é incorreta sobre o Keras, e por isso é o gabarito. O Keras é conhecido por sua flexibilidade. Embora a API Sequential seja para arquiteturas simples, a Functional API permite a construção de redes neurais complexas, com múltiplas entradas e saídas, camadas compartilhadas e arquiteturas não sequenciais (como grafos acíclicos dirigidos), não sendo restrito a tipos específicos.
• (E) Incorreta: Esta afirmação é incorreta (como resposta, pois o gabarito é D). A armadilha da banca aqui é que, embora seja tecnicamente falso que "qualquer modelo do Keras pode ser instanciado como um módulo do PyTorch" (pois são frameworks distintos com diferentes estruturas de objetos e ecossistemas), a afirmação em D é considerada uma deturpação mais fundamental da filosofia e capacidade do Keras. A flexibilidade de arquitetura (negada em D) é um pilar central do Keras, enquanto a interoperabilidade direta entre Keras e PyTorch é uma questão de conversão, não de instanciação direta.