Baixe o app para aproveitar ainda mais
Prévia do material em texto
Existem inúmeros algoritmos de aprendizado de máquina, e cada um é mais indicado para um determinado tipo de dados. Existe um algoritmo que é normalmente sensível quanto à posição das sementes iniciais, o que pode levar para uma convergência local. Esse algoritmo é também sensível a ruídos, dado que ele leva em consideração os desvios dos objetos em relação ao centroide de cada cluster calculado. Por último, esse algoritmo não é indicado para o caso de os clusters possuírem forma não convexa. Assinale a alternativa que contém o nome correto do algoritmo descrito pelo texto acima. Alternativas: ● Rede neural. ● Support vector machine. ● Random Forest. ● Algoritmo genético. ● K-means.checkCORRETO Resolução comentada: o trecho se refere ao algoritmo K-means. Código da questão: 49624 2) O aprendizado de máquina é uma técnica que pode ser aplicada em diversos cenários, sendo que cada um possui suas características específicas e algoritmos mais indicados para serem utilizados. Esses algoritmos podem ser classificados de diversas maneiras, mas um tipo de classificação é a mais utilizada na literatura. Assinale a alternativa que contém a classificação correta do tipo de abordagem do aprendizado de máquina. Alternativas: ● Aprendizado supervisionado e de supervisão. ● Aprendizado supervisionado e não supervisionado.checkCORRETO ● Aprendizado não supervisionado e clusterização. ● Aprendizado supervisionado e de classificação. ● Aprendizado supervisionado e regressão. Resolução comentada: segue a classificação mais utilizada para o aprendizado de máquina: Código da questão: 49600 3) João aplicou um teste de múltipla escolha contendo 120 questões para um grande grupo de pessoas, e conseguiu perceber que houve uma grande variação na distribuição das notas. João resolveu, então, utilizar um algoritmo para agrupar os alunos, para que cada aluno pudesse ficar no grupo mais indicado, de acordo com sua nota. Dessa forma, ele poderá elaborar trabalhos específicos para cada grupo. Assinale a alternativa que contém o algoritmo mais indicado para a realização desse agrupamento. Alternativas: ● K-means.checkCORRETO ● Regressão logística. ● Regressão linear. ● Regressão multivariável. ● Monte Carlo. Resolução comentada: dentre as alternativas, o único algoritmo que faz o agrupamento, ou clustering, é o k-means. Código da questão: 49623 4) Considere as seguintes afirmativas sobre algoritmos do tipo ensemble: A. Classificadores individuais podem estar "mais certos" sobre uma parte específica do domínio da função. B. Classificadores que estão "mais certos" podem ter seu voto com valor maior. C. Na maioria dos casos, agrupamentos possuem desempenho superior a classificadores individuais. Assinale a alternativa que contém as afirmativas CORRETAS: Alternativas: ● B – C ● A – B. ● A – C. ● Somente A. ● A – B – C.checkCORRETO Resolução comentada: todas as afirmativas estão corretas. Código da questão: 49616 5) Técnicas de machine learning podem ser utilizadas para inúmeras finalidades. A seguir, você pode verificar graficamente uma solução que relaciona estilos de escrita e alguns livros famosos: Figura 1 – Ilustração de metodologia de representação gráfica para a relação entre objetos e suas características principais Fonte: adaptada de Gormley (2017). Descrição: esta figura contém uma representação utilizada para relacionar seis obras literárias e seus respectivos estilos. A Figura 1 contém a relação entre obras literárias e suas características; porém, elas estão divididas em duas etapas, sendo que a segunda é uma aproximação da primeira, utilizada para simplificar a análise. Essa aproximação é uma técnica bastante utilizada para a manipulação de dados em sistemas de recomendação. Sendo assim, assinale a alternativa que contém o nome correto da técnica representada pela Figura 1. Alternativas: ● Recomendação por filtragem colaborativa baseada em métodos de inversão matricial. ● Recomendação por filtragem colaborativa baseada em métodos de relações de conteúdos. ● Recomendação por filtragem colaborativa baseada em métodos de fatoração matricial.checkCORRETO ● Recomendação por filtragem baseada em conteúdo com métodos híbridos. ● Recomendação por filtragem colaborativa baseada em métodos de aprendizado profundo. Resolução comentada: a figura contém claramente uma fatoração matricial. A matriz inicial, de dimensão elevada, é manipulada de tal forma a ser fatorada para então poder ser representada pela multiplicação entre as matrizes e . Com isso, a fatoração fica da seguinte forma: Código da questão: 49634 6) Os algoritmos de deep learning, diferente de outras técnicas de aprendizado de máquina, consegue ter seu desempenho melhorado e aperfeiçoado conforme a quantidade de dados a ser processada aumenta. Sobre as técnicas e aplicações do aprendizado de máquina do tipo deep learning, julgue os itens a seguir: ( ) O deep learning é bastante indicado para a classificação e detecção de objetos em fotografias, pois é capaz de lidar bem com os milhares de pixels contidos em cada imagem. ( ) O deep learning, por ser uma técnica muito complexa e requerer muito cuidado na criação de cada uma das camadas ocultas do algoritmo, não pode ser aplicado em problemas de aprendizado de máquina não supervisionados. ( ) O deep learning não é utilizado para a criação de tradutores automáticos de texto, pois a implementação de tal algoritmo nessa aplicação iria requerer a utilização de um pré-processamento muito intenso na sequência de caracteres, o que acabaria inviabilizando sua utilização. ( ) Em algoritmos de deep learning, cada subcamada transforma seus dados de entrada em uma representação ligeiramente mais abstrata do que esses dados eram antes. Ao final de todas as camadas ocultas, tem-se, então, o dado modelado de maneira altamente abstrata. Assinale a alternativa que contenha a sequência correta: Alternativas: ● V – F – F – V.checkCORRETO ● V – F – F – F. ● V – F – V – V. ● F – V – V – F. ● F – F – F – V. Resolução comentada: ( V ) O deep learning é bastante indicado para a classificação e detecção de objetos em fotografias, pois é capaz de lidar bem com os milhares de pixels contidos em cada imagem. ( F ) O deep learning pode ser aplicado em problemas de aprendizado de máquina não supervisionados. ( F ) O deep learning é utilizado para a criação de tradutores automáticos de texto, pois a implementação de tal algoritmo nessa aplicação é performada de tal forma a não necessitar pré-processamento da sequência de caracteres. ( V ) Em algoritmos de deep learning, cada subcamada transforma seus dados de entrada em uma representação ligeiramente mais abstrata do que esses dados eram antes. Ao final de todas as camadas ocultas, tem-se, então, o dado modelado de maneira altamente abstrata. Código da questão: 49627 7) A análise de agrupamentos é utilizada para separar objetos em grupos e, a partir de suas características, identificar objetos similares. Esse tipo de algoritmo pode ser classificado de diversas maneiras, como, por exemplo, métodos hierárquicos, baseados em densidade ou baseados em erro quadrático. Sobre os algoritmos de agrupamento, analise as afirmações a seguir: I. A técnica de clustering hierárquico aglomerativo faz de cada elemento um cluster, depois agrupa os clusters similares, calcula as distâncias entre os clusters e repete esse processo até o final do algoritmo. II. O agrupamento divisivo e aglomerativo funciona de maneira similar: ambos começam com inúmeros clusters e fundem os grupos de maior similaridade até restar apenas um grande grupo com os objetos. III. O algoritmo k-means utiliza-se de uma etapa de treinamento, em que ele observa os dados de treinamento fornecidos para poder calcular o valor ótimo do parâmetro K, e então poder proceder à etapa de teste. Sendo assim, estão CORRETOS somente os itens: Alternativas: ● I – II – III. ● II – III. ● I – II. ● II. ● I.checkCORRETO Resolução comentada: I. A técnica de clustering hierárquico aglomerativofaz de cada elemento um cluster, depois agrupa os clusters similares, calcula as distâncias entre os clusters e repete esse processo até o final do algoritmo. II. O agrupamento divisivo e aglomerativo funciona de maneira oposta. III. O algoritmo k-means não utiliza etapa de treinamento, e o valor do parâmetro K deve ser passado anteriormente. Código da questão: 49620 8) O aprendizado de máquina é uma área muito abrangente, que possui inúmeras técnicas que podem ser utilizadas para resolver problemas, classificar dados e/ou otimizar recursos. Analise as afirmativas a seguir, que tratam de técnicas de AM. ( ) Máquinas de vetor de suporte (SVM – support vector machine) são técnicas de aprendizado de máquina preditivo de otimização que buscam encontrar algum hiperplano em um espaço N-dimensional capaz de fazer a separação ótima entre os dados. ( ) Algoritmos de redes neurais artificiais são sistemas baseados no funcionamento do cérebro humano e executam as tarefas específicas para as quais foram projetados. ( ) Classificadores do tipo Bayes Ingênuo (Naive Bayes) estimam a probabilidade de uma classificação correta e são uma alternativa competitiva para a classificação de textos. ( ) Métodos de AM baseados em procura possuem um espaço de estados, que é o conjunto com os estados possíveis nos quais o problema pode se encontrar. ( ) Um exemplo AM de busca não informada é o algoritmo Greedy Search. Essa técnica tenta expandir o nó mais próximo da solução desejada, utilizando uma função heurística para saber qual é esse nó. Basicamente, a função heurística utilizada estima a distância entre o nó atual e o estado final. Assinale a alternativa que julga corretamente os itens acima como verdadeiro (V) ou falso (F): Alternativas: ● V – V – V – F – V. ● V – F – F – V – V. ● V – F – V – V – V. ● V – V – V – V – F. ● V – F – V – V – F.checkCORRETO Resolução comentada: o correto para a segunda afirmativa seria: “Algoritmos de redes neurais artificiais são sistemas baseados no funcionamento do cérebro humano, e são capazes de aprender para executar tarefas sem terem que ser programados para nenhuma tarefa específica”. O correto para a quinta afirmativa seria: “Um exemplo AM de busca informada é o algoritmo Greedy Search. Essa técnica tenta expandir o nó mais próximo da solução desejada, utilizando uma função heurística para saber qual é esse nó. Basicamente, a função heurística utilizada estima a distância entre o nó atual e o estado final”. Código da questão: 49609 9) Os gráficos a seguir ilustram um algoritmo de regressão linear aplicado a quatro diferentes casos de dispersão de dados. Para todos os casos, tem-se a mesma reta de regressão linear y = 4+ 0,5x, independente de quais sejam as estatísticas suficientes, como: coeficientes linear e angular; soma dos quadrados dos resíduos e da regressão; e número de observações. A partir dos gráficos, analise as afirmativas a seguir: I. O gráfico B indica que os dados são propícios para a utilização de uma regressão do tipo linear. II. O gráfico C ilustra a possível existência de uma observação outlier na regressão linear. III. O gráfico D ilustra a possível existência de uma observação outlier na regressão linear. Assinale a alternativa que julga corretamente essas afirmações: Alternativas: ● Somente I e III estão corretas. ● Somente II está correta.checkCORRETO ● Somente III está correta. ● Somente II e III estão corretas. ● Somente I está correta. Resolução comentada: I. O gráfico B mostra observações que não são corretamente estimadas por meio do uso de uma regressão linear. II. A afirmativa está correta. III. O gráfico D não contém dados corretamente estimados por uma regressão linear. Código da questão: 49613 10) Um _____________________ analisa similaridades entre as interações usuário-item, item-item e usuário-usuário. Uma vez que o sistema identifica similaridades, ele consegue fazer recomendações a novos usuários. Geralmente, usuários acessam itens que outros usuários semelhantes gostaram. Assinale a alternativa que preenche corretamente a lacuna do trecho acima. Alternativas: ● Sistema de recomendação baseado em conteúdo. ● Sistema de recomendação por filtragem colaborativa.checkCORRETO ● Sistema de recomendação discriminativo. ● Sistema de conteúdo baseado em recomendação. ● Sistema de recomendação por filtragem não colaborativa. Resolução comentada: O correto é: Um sistema de recomendação por filtragem colaborativa analisa similaridades entre as interações usuário-item, item-item e usuário-usuário. Uma vez que o sistema identifica similaridades, ele consegue fazer recomendações a novos usuários. Geralmente, usuários acessam itens dos quais outros usuários semelhantes gostaram. Código da questão: 49631
Compartilhar