Baixe o app para aproveitar ainda mais
Prévia do material em texto
08/03/2022 12:13 Cosmos · Cosmos https://kroton.platosedu.io/lms/m/aluno/disciplina/index/2443614/3222481 1/6 Machine Learning Professor(a): Lucas dos Santos Araujo Claudino (Mestrado acadêmico) 1) 2) 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! Um tipo de metodologia para o aprendizado de máquina é o AM preditivo baseado em probabilidades. A respeito dos métodos probabilísticos de AM, julgue os itens a seguir como verdadeiros (V) ou falsos (F): ( ) Métodos probabilísticos são utilizados quando não há informação completa sobre os dados a serem utilizados. ( ) Métodos probabilísticos utilizam probabilidades a priori e verossimilhança entre eventos para poder fazer predições. ( ) O algoritmo mais popular que é baseado em métodos probabilístico que é o Naive Bayes, também conhecido como Bayes Ingênuo ou Bayes simples. Classifique as afirmações como verdadeiro (V) e falso (F) e assinale a alternativa que contenha a sequência correta, respectivamente, de cima para baixo. Alternativas: V – F – V. V – V – V. CORRETO F – V – F. V – F – F. V – V – F. Código da questão: 49608 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. CORRETO Resolução comentada: todas as alternativas contêm afirmações corretas. Avaliação enviada com sucessoc h e c k Avaliação enviada com sucessoc h e c k Avaliação enviada com sucessoc h e c k 08/03/2022 12:13 Cosmos · Cosmos https://kroton.platosedu.io/lms/m/aluno/disciplina/index/2443614/3222481 2/6 3) 4) Código da questão: 49609 Alternativas: Naive Bayes. K vizinhos mais distantes. Regressão multivariável. Regressão linear. K vizinhos mais próximos. CORRETO Código da questão: 49612 Observe a figura que contém a estrutura de uma rede neural artificial: Fonte: elaborada pelo autor. Sobre a RNA descrita na figura, analise as afirmativas I a IV a seguir: I. A RNA admite quatro sinais de entrada (input layer). II. A RNA não possui camadas intermediárias. III. A RNA da figura é apropriada para aplicações deep learning. IV. A RNA possui três variáveis de bias. Sendo assim, estão CORRETOS somente os itens: Alternativas: 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”. Resolução comentada: a figura contém um algoritmo de uma técnica kNN, também conhecida como K vizinhos mais próximos. A entrada do algoritmo é o conjunto de treinamento e o valor de k a ser utilizado. A saída é o classificador a ser utilizado. Avaliação enviada com sucessoc h e c k Avaliação enviada com sucessoc h e c k Avaliação enviada com sucessoc h e c k 08/03/2022 12:13 Cosmos · Cosmos https://kroton.platosedu.io/lms/m/aluno/disciplina/index/2443614/3222481 3/6 5) I. II – III. IV. CORRETO I – II – III. I – II. Código da questão: 49625 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 relações de conteúdos. Recomendação por filtragem baseada em conteúdo com métodos híbridos. Recomendação por filtragem colaborativa baseada em métodos de aprendizado profundo. Recomendação por filtragem colaborativa baseada em métodos de fatoração matricial. CORRETO Recomendação por filtragem colaborativa baseada em métodos de inversão matricial. Resolução comentada: I. A RNA admite três sinais de entrada (input layer). II. A RNA possui duas camadas intermediárias. III. A RNA da figura não é apropriada para aplicações deep learning. IV. A RNA possui três variáveis de bias. Resolução comentada: Avaliação enviada com sucessoc h e c k Avaliação enviada com sucessoc h e c k Avaliação enviada com sucessoc h e c k 08/03/2022 12:13 Cosmos · Cosmos https://kroton.platosedu.io/lms/m/aluno/disciplina/index/2443614/3222481 4/6 6) 7) Código da questão: 49634 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: A primeira asserção está correta e a segunda está incorreta. A primeira e a segunda asserção estão corretas, mas a segunda não justifica a primeira. As duas asserções estãoincorretas. A primeira asserção está incorreta e a segunda está correta. A primeira e a segunda asserção estão corretas e a segunda justifica a primeira. CORRETO Código da questão: 49604 Alternativas: Os algoritmos de deep learning não podem ser aplicados a sistemas de recomendação que utilizam métodos de filtragem colaborativa. As matrizes de preferências resultantes do estudo de grandes lojas virtuais, como a Amazon, costumam ser compostas por poucas linhas e colunas. As entradas da matriz de preferência podem ser somente numéricas, e não binárias. Os algoritmos de recomendação baseados em filtragem colaborativa precisam, de alguma forma, manipular a matriz de preferências, e a recomendação baseada em conteúdo é uma técnica utilizada para realizar essa tarefa. Os algoritmos de recomendação baseados em filtragem colaborativa precisam, de alguma forma, manipular a matriz de preferências, e a decomposição SVD (singular value decomposition) é uma técnica utilizada para realizar essa tarefa. CORRETO 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: Resolução comentada: ambas as asserções estão corretas e a segunda justifica a primeira. Resolução comentada: Avaliação enviada com sucessoc h e c k Avaliação enviada com sucessoc h e c k Avaliação enviada com sucessoc h e c k 08/03/2022 12:13 Cosmos · Cosmos https://kroton.platosedu.io/lms/m/aluno/disciplina/index/2443614/3222481 5/6 8) 9) Código da questão: 49630 A classificação binária é um dos problemas mais utilizados e estudados em aprendizado de máquina. Sobre o AM de classificação binária, analise os itens a seguir: I. O algoritmo de classificação binária estuda um padrão x contido em um domínio X, e estima qual valor uma variável aleatória binária y∈{±1} irá assumir. II. Caso não haja informação completa sobre o conjunto X de observação, o problema é conhecido como estimativa com variáveis desconhecidas. III. Caso o conjunto X observado no treinamento seja de uma fonte diferente do conjunto X' utilizado na estimação, o problema é conhecido como um problema sem covariância. Assinale a alternativa que indica quais afirmações estão corretas. Alternativas: Somente I e II. CORRETO Somente II. Somente III. Somente I e III. I – II – III. Código da questão: 49602 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. CORRETO F – V – V – F. a) A recomendação baseada em conteúdo é outra metodologia utilizada para fazer a recomendação c) Os algoritmos de deep learning podem ser aplicados a sistemas de recomendação que utilizam métodos de filtragem colaborativa. d) As entradas da matriz podem ser tanto numéricas (a nota dada para uma comida pelo aplicativo de celular) como binárias (se o cliente comprou determinado produto ou clicou em algum link). e) As matrizes de preferências resultantes do estudo de grandes lojas virtuais, como a Amazon, costumam ser compostas por poucas linhas e colunas. Resolução comentada: as afirmativas I e II estão corretas. O correto para a afirmativa III seria: “Caso o conjunto X observado no treinamento seja de uma fonte diferente do conjunto X' utilizado na estimação, o problema é conhecido como um problema de correção de descolamento por covariância”. Avaliação enviada com sucessoc h e c k Avaliação enviada com sucessoc h e c k Avaliação enviada com sucessoc h e c k 08/03/2022 12:13 Cosmos · Cosmos https://kroton.platosedu.io/lms/m/aluno/disciplina/index/2443614/3222481 6/6 10) V – F – V – V. F – F – F – V. V – F – F – F. Código da questão: 49627 Leia atentamente a afirmação a seguir: “A técnica de poda em uma árvore de decisão é normalmente realizada de ____________. Cada _______ pode ser substituído por uma de suas subárvores ou folhas. Essa substituição é feita com base em uma estimativa de erro realizada para cada _______ a ser substituído”. Assinale a alternativa que preenche corretamente, na sequência, as lacunas. Alternativas: Cima para baixo; nó; nó. Cima para baixo; folha; folha. Baixo para cima; folha; folha. Baixo para cima; nó; nó. CORRETO Baixo para cima; árvore; árvore. Código da questão: 49615 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. Resolução comentada: a técnica de poda em uma árvore de decisão é normalmente realizada de baixo para cima. Cada nó pode ser substituído por uma de suas subárvores ou folhas. Essa substituição é feita com base em uma estimativa de erro realizada para cada nó a ser substituído. Arquivos e Links Avaliação enviada com sucessoc h e c k Avaliação enviada com sucessoc h e c k Avaliação enviada com sucessoc h e c k
Compartilhar