Baixe o app para aproveitar ainda mais
Prévia do material em texto
Machine Learning Professor(a): Lucas dos Santos Araujo Claudino (Mestrado acadêmico) 1) 2) 3) Prepare-se! Chegou a hora de você testar o conhecimento adquirido nesta disciplina. A Avaliação Virtual (AV) é composta por questões objetivas e corresponde a 100% da média final. Você tem até cinco tentativas para “Enviar” as questões, que são automaticamente corrigidas. Você pode responder as questões consultando o material de estudos, mas lembre-se de cumprir o prazo estabelecido. Boa prova! Uma determinada instituição bancária contratou um programador para desenvolver algoritmos de machine learning para classificar os clientes como “BOM” ou “MAU” de acordo com saldo diário de sua conta durante um ano todo. Os clientes com classificação “BOM” serão convidados para receber um cartão OURO. Para essa tarefa, o programador recebeu apenas um banco de dados com 10.000 clientes já classificados pelos gerentes do banco. O banco de dados contém o saldo diário da conta (365 campos de informação) e a classificação como “BOM” ou “MAU” cliente. Considerando o cenário acima: I. É aconselhável utilizar um algoritmo supervisionado. PORQUE II. Os dados de treinamento fornecidos possuem seus respectivos rótulos e o algoritmo só precisa aprender e gerar uma função capaz de predizer o rótulo correto do cliente. Assinale a alternativa acerca das asserções supracitadas, bem como a relação entre elas: Alternativas: Código da questão: 49604 Alternativas: Código da questão: 49612 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 A primeira asserção está incorreta e a segunda está correta. A primeira asserção está correta e a segunda está incorreta. As duas asserções estão incorretas. A primeira e a segunda asserção estão corretas e a segunda justifica a primeira. CORRETO A primeira e a segunda asserção estão corretas, mas a segunda não justifica a primeira. Regressão multivariável. Regressão linear. K vizinhos mais distantes. INCORRETO K vizinhos mais próximos. Naive Bayes. 4) 5) 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: Código da questão: 49634 Existe uma classe de aprendizado de máquina (AM) que busca analisar um conjunto de dados D={(x_i,f(x_i )),i=1,…,n}, sendo f(x_i ) uma função desconhecida, para poder criar uma aproximação f ̂(x_i ) capaz de estimar rótulos para novas entradas. Assinale a alternativa que afirma corretamente qual é essa classe de aprendizado de máquina. Alternativas: Código da questão: 49606 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: Recomendação por filtragem colaborativa baseada em métodos de relações de conteúdos. Recomendação por filtragem baseada em conteúdo com métodos híbridos. Recomendação por filtragem colaborativa baseada em métodos de inversão matricial. Recomendação por filtragem colaborativa baseada em métodos de fatoração matricial. Recomendação por filtragem colaborativa baseada em métodos de aprendizado profundo. INCORRETO AM descritivo. AM preditivo. CORRETO AM julgativo. AM associativo. AM de agrupamento. 6) 7) 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: Código da questão: 49613 Em uma determinada aplicação de aprendizado de máquina, foi necessário criar um algoritmo capaz de examinar as características dos dados inseridos e então atribuir um ou mais rótulos a esses dados. Além disso, o algoritmo era supervisionado. Esse algoritmo pode ser considerado um tipo de aprendizado de máquina de topologia de ________. Assinale a alternativa que preenche corretamente a lacuna presente no texto. Alternativas: Código da questão: 49601 O Algoritmo Naive Bayes foi criado com sus estrutura baseada no Teorema de Bayes, que diz o seguinte: Considere a seguinte situação: Alternativas: Somente II e III estão corretas. Somente I e III estão corretas. INCORRETO Somente I está correta. Somente II está correta. Somente III está correta. Recomendação. Classificação. Regressão. Deep learning. INCORRETO Árvore de decisão. 8) 9) Código da questão: 49611 Existem inúmeras técnicas de agrupamento para serem aplicadas na resolução de problema com machine learning e mineração de dados. Sobre as técnicas de agrupamento não hierárquico, analise as afirmativas a seguir: ( ) A escolha inicial dos objetos a serem utilizados no algoritmo K-means não influencia no resultado final, uma vez que essa técnica é robusta e imune a ótimos locais. ( ) No algoritmo K-médias, cada objeto do domínio pode mudar de cluster K vezes. ( ) Dendogramas são gráficos que mostram como foi a evolução dos clusters formados pelo K-means. Assinale a alternativa que julga corretamente os itens, na sequência: Alternativas: Código da questão: 49622 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: INCORRETO V – F – F. V – V – F. V – F – V. INCORRETO F – F – F. F – V – V. V – F – V – V – F. CORRETO V – V – V – F – V. V – V – V – V – F. V – F – V – V – V. 10) Código da questão: 49609 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: Código da questão: 49627 V – F – F – V – V. V – F – F – F. INCORRETO F – V – V – F. V – F – V – V. F – F – F – V. V – F – F – V. Arquivos e Links
Compartilhar