Prova Machine Learning

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