Baixe o app para aproveitar ainda mais
Prévia do material em texto
20/03/2022 20:16 AV1: G.FEV.FIA.5 - Fundamentos de Inteligência Artificial https://newtonpaiva.instructure.com/courses/13744/quizzes/33452 1/19 AV1 Entrega 20 mar em 23:59 Pontos 40 Perguntas 16 Disponível 14 mar em 0:00 - 20 mar em 23:59 7 dias Limite de tempo 120 Minutos Tentativas permitidas 2 Instruções Histórico de tentativas Tentativa Tempo Pontuação MANTIDO Tentativa 2 28 minutos 40 de 40 MAIS RECENTE Tentativa 2 28 minutos 40 de 40 Tentativa 1 66 minutos 28 de 40 Pontuação desta tentativa: 40 de 40 Enviado 20 mar em 20:16 Esta tentativa levou 28 minutos. Leia com atenção as orientações abaixo antes de iniciar esta prova: Esta prova contem 16 perguntas. Serão permitidas duas tentativas para realizar esta avaliação, prevalecendo a maior nota. Programe-se para realizar suas avaliações com tranquilidade, pois você terá 120 minutos cronometrados para conclusão e envio das respostas. Ao iniciar a avaliação o cronômetro não para, independentemente da plataforma estar aberta ou não. Durante a realização da prova: Será exibido uma questão por vez, podendo “Avançar” ou “Voltar” quando necessário dentro do período da tentativa. A tentativa somente será contabilizada após clicar no botão “Enviar”. 2 / 2 ptsPergunta 1 Os descritores estatísticos como frequência, medidas de tendência central e medidas de variabilidades são importantes para a análise descritiva de dados em Data Science. Avalie a seguintes afirmações e a relação entre elas https://newtonpaiva.instructure.com/courses/13744/quizzes/33452/history?version=2 https://newtonpaiva.instructure.com/courses/13744/quizzes/33452/history?version=2 https://newtonpaiva.instructure.com/courses/13744/quizzes/33452/history?version=1 20/03/2022 20:16 AV1: G.FEV.FIA.5 - Fundamentos de Inteligência Artificial https://newtonpaiva.instructure.com/courses/13744/quizzes/33452 2/19 I – Um conjunto de dados que apresenta alguns valores ausentes podem ser tratados e preenchidos com medidas de tendência central como média, mediana ou moda PORQUE II – As medidas de tendência central como média, mediana ou moda são ótimas estratégias para se fazer o tratamento de dados ausentes sem que seja preciso o descarte destes dados. A respeito dessas asserções, assinale a opção correta. As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa correta da I. A asserção I é uma proposição verdadeira, e a II é uma proposição falsa. As asserções I e II são proposições falsas. As asserções I e II são proposições verdadeiras, e a II é uma justificativa correta da I. Correto!Correto! A asserção I é uma proposição falsa e a II é uma proposição verdadeira. 2 / 2 ptsPergunta 2 Existem diferentes estratégias de fazer análise exploratória dos dados. Em qual categoria enquadra-se o processo de Machine Learning? Análise Descritiva. Análise Preditiva. Correto!Correto! 20/03/2022 20:16 AV1: G.FEV.FIA.5 - Fundamentos de Inteligência Artificial https://newtonpaiva.instructure.com/courses/13744/quizzes/33452 3/19 Análise Inteligente. Análise Diagnóstica. Análise Qualitativa 2 / 2 ptsPergunta 3 A linguagem Python ganhou uma enorme popularidade na área de análise de dados e IA. Avalia as afirmações abaixo sobre Python e a relação entre elas: I – A linguagem Python é muito utilizada em análise de dados devido a sintaxe simples, uso de código enxuto, possuindo importantes bibliotecas como NumPy. PORQUE II – A linguagem Python incorpora diferentes bibliotecas como NumPy utilizadas para executar operações matemáticas e funções integradas para álgebra linear, porém, não incorpora bibliotecas para tratamento de medidas estatísticas como desvio padrão. A respeito dessas asserções, assinale a opção correta. As asserções I e II são proposições verdadeiras, e a II é uma justificativa correta da I. A asserção I é uma proposição verdadeira, e a II é uma proposição falsa. Correto!Correto! As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa correta da I. 20/03/2022 20:16 AV1: G.FEV.FIA.5 - Fundamentos de Inteligência Artificial https://newtonpaiva.instructure.com/courses/13744/quizzes/33452 4/19 A asserção I é uma proposição falsa e a II é uma proposição verdadeira. As asserções I e II são proposições falsas. 2 / 2 ptsPergunta 4 Engenheiros de dados e Cientistas de dados tem, em geral, funções diferentes dentro das organizações. Neste contexto, julgue as afirmações que se seguem. I. Engenheiros de dados implementam a infraestrutura necessária para unificar todos os dados e executar os processos do cientista de dados. II. Cientistas de dados devem arquitetar e implementar soluções de sistemas distribuídos e programação paralela para análise de dados. III. Engenheiros de dados aplicam técnicas de aprendizado de máquina (machine learning). IV. Cientistas de dados aplicam técnicas de aprendizado profundo (deep learning). Assinale a alternativa quem contem a(s) assertiva(s) correta(s): II e III, somente. III e IV, somente. II e IV, somente. I e IV, somente. Correto!Correto! I, e III, somente. 20/03/2022 20:16 AV1: G.FEV.FIA.5 - Fundamentos de Inteligência Artificial https://newtonpaiva.instructure.com/courses/13744/quizzes/33452 5/19 2 / 2 ptsPergunta 5 Sobre as medidas estatísticas avalie as seguintes afirmações: I. Quando a dispersão dos dados for muito grande então o desvio padrão será grande. II. O segundo quartil é igual a mediana. III. Quando a média é igual ao desvio padrão os dados não estarão dispersos. Estão corretas: I e III somente. Somente uma delas. II e III somente. Todas. I e II somente. Correto!Correto! 2 / 2 ptsPergunta 6 Um analista de dados pode identificar os valores outiliers em conjuntos de dados utilizando a técnica de: Machine Learning. SciPy. Histograma. BoxPlot. Correto!Correto! Simple AI. 20/03/2022 20:16 AV1: G.FEV.FIA.5 - Fundamentos de Inteligência Artificial https://newtonpaiva.instructure.com/courses/13744/quizzes/33452 6/19 2 / 2 ptsPergunta 7 Data Science não pode ser considerada uma ferramenta completamente técnica, pois emprega técnicas e teorias de campos como matemática e estatística, juntamente com ciência da computação e ciência da informação. Uma diferença entre aplicações de Data Science e aplicações de BI tradicionais é que data Science usa dados Não estruturados. Correto!Correto! Relacionais De negócios Estatísticos Estruturados 2 / 2 ptsPergunta 8 Sobre aprendizado de máquina é correto afirmar que: No aprendizado supervisionado o conjunto de dados devem ser divididos em base de testes e base de treino. Correto!Correto! No aprendizado não supervisionado é fundamental rotular os dados. Tanto no aprendizado supervisionado como no não supervisionado o modelo gerado não apresenta predições incorretas. 20/03/2022 20:16 AV1: G.FEV.FIA.5 - Fundamentos de Inteligência Artificial https://newtonpaiva.instructure.com/courses/13744/quizzes/33452 7/19 No aprendizado por reforço os algoritmos não precisam de dados. No aprendizado não supervisionado, existem somente as variáveis dependentes que descrevem os dados. 3 / 3 ptsPergunta 9 Desde os tempos mais remotos o ser humano produz dados. Os homens das cavernas escreviam nas paredes. Seus hieróglifos tornaram-se dados que permitem hoje compreendermos o modo como viviam. Tempos depois, os pergaminhos foram escritos e os dados contidos contam a história de povos antigos. Atualmente, milhões de dados são produzidos por hora; logo, armazená-los e tratá-los torna-se um desafio para todos. Há, porém, um desafio maior ainda, que é interpretar esses dados e tirar deles algum valor, assim como fizemos com os hieróglifos e pergaminhos antigos. De acordo com o seu conhecimento e os conceitos de ETL, assinale a alternativa correta em relação aos tipos e exemplos de visualização de dados. A fase de extração é considerada a mais importante, pois é nela que os dadossão enviados para o Data Warehouse. As ferramentas de ETL automatizam o processo de extração de dados dos diferentes bancos de dados e o entrega para um Data Warehouse. Correto!Correto! A fase de transformação (Transform) do ETL é uma técnica de mineração de dados que pode ser usada para descobrir padrões nos dados. 20/03/2022 20:16 AV1: G.FEV.FIA.5 - Fundamentos de Inteligência Artificial https://newtonpaiva.instructure.com/courses/13744/quizzes/33452 8/19 Ao realizar a carga (load) para um Data Warehouse, os dados são organizados de acordo com o tipo, por exemplo, tipos de texto e tipos de números. A extração de dados consiste em limpar os dados, resolvendo problemas como inconsistências nesses dados. O processo de ETL desempenha um papel fundamental nas estratégias de integração de dados. O ETL permite que as empresas coletem dados de várias fontes e os consolidem em um único local centralizado. O ETL também possibilita que diferentes tipos de dados trabalhem juntos. Você pode ler mais na unidade 1, tópico 4. 3 / 3 ptsPergunta 10 Segundo o Fórum Econômico Mundial, o mundo produz 2,5 quintilhões de bytes de dados todos os dias. Com tantos dados, tornou-se cada vez mais difícil gerenciar e entender tudo. Seria impossível para uma única pessoa percorrer os dados linha por linha, analisando os dados, buscando por padrões, distinguindo dados e fazer observações, tudo para uma tomada de ação estratégica. Forum Economico Mundial. The Value of Data. Disponível em:< https://www.weforum.org/agenda/2017/09/the-value-of-data/>, Acesso em: 18/06/2020. A proliferação de dados pode ser gerenciada como parte do processo de ciência de dados. De acordo com o seu conhecimento adquirido durante os estudos e os conceitos de ciência de dados, marque a alternativa que, corretamente apresenta a técnica de procurar padrões ocultos em um conjunto de dados: Data Warehouse. Mineração de Dados. Correto!Correto! 20/03/2022 20:16 AV1: G.FEV.FIA.5 - Fundamentos de Inteligência Artificial https://newtonpaiva.instructure.com/courses/13744/quizzes/33452 9/19 Big Data. Algoritmos genéticos. Ferramentas OLAP. Essa é a alternativa correta, pois a mineração de dados é o processo de analisar grandes bancos de informações para gerar novas informações. A mineração de dados trata de buscar por padrões e novos conhecimentos dos dados que você já coletou, porém que estão ocultos. Você pode ler mais na unidade 1, tópico 3. 3 / 3 ptsPergunta 11 Considere o seguinte fragmento de código fonte, escrito em linguagem python: a = 3 b = a * 2 a, b = b, a Após a execução de todos os comandos, qual é o resultado apresentado pelo comando abaixo? print(a) 6 Correto!Correto! a 3 36 63 20/03/2022 20:16 AV1: G.FEV.FIA.5 - Fundamentos de Inteligência Artificial https://newtonpaiva.instructure.com/courses/13744/quizzes/33452 10/19 3 / 3 ptsPergunta 12 Considere o trecho do programa Python abaixo. Os valores impressos, ao se executar o programa, são, respectivamente, 10 e 1. 1 e 1. 10 10 e 10. 1 e 10. Correto!Correto! 3 / 3 ptsPergunta 13 Ao lidar com dados estatísticos, é importante distinguir entre "população" dos conjuntos de dados e "amostra" dos conjuntos de dados. Em um volume de dados, a população contém todos os membros de um grupo específico. Por outro lado, a amostra de um grupo de dados contém uma parte, ou um subconjunto, de uma população. O tamanho de uma amostra é sempre menor do que o tamanho da população da qual é retirada. Considerando essas 20/03/2022 20:16 AV1: G.FEV.FIA.5 - Fundamentos de Inteligência Artificial https://newtonpaiva.instructure.com/courses/13744/quizzes/33452 11/19 informações e os conteúdos estudados na disciplina, analise as asserções a seguir: I. A população pode ser todas as pessoas que vivem no Brasil. II. A amostra pode ser todas as pessoas que vivem no Nordeste. III. A amostra pode ser todas as pessoas entre 40 e 50 anos que vivem no Brasil. Está correto apenas o que se afirma em: III apenas. I e III. Correto!Correto! I apenas. II e III. II apenas. A asserção I está correta, pois quando falamos de população estamos tratando o todo, ou seja, todas as pessoas que vivem no Brasil, sem exceção. Já a asserção II está incorreta, pois o conceito de amostra está relacionado a pegarmos uma parte da população, ou seja, uma parte do todo. A asserção diz “todas as pessoas que vivem no Nordeste”, logo isso caracteriza uma população. Se fosse afirmado: “todas as pessoas do Brasil que vivem no Nordeste”, teríamos o Brasil como população e as pessoas que vivem no Nordeste como amostra. Quanto a asserção III está correta, pois pega-se uma parte do todo. O todo (população) são as pessoas que vivem no Brasil. A amostra são as pessoas que vivem no Brasil e que possuem entre 40 e 50 anos. Veja mais sobre amostra e população no tópico 1 da unidade 3. 3 / 3 ptsPergunta 14 Leia o trecho a seguir: 20/03/2022 20:16 AV1: G.FEV.FIA.5 - Fundamentos de Inteligência Artificial https://newtonpaiva.instructure.com/courses/13744/quizzes/33452 12/19 Em uma pesquisa, o entrevistador fez a seguinte pergunta: “A caridade é o melhor meio de ajudar as pessoas que mais necessitam?”. Foi elaborado um questionário com 10 pontuações em uma escala, em que 1 (valor mínimo) é “Discordo totalmente” e 10 (valor máximo) é “Concordo totalmente”. A seguir encontram-se os dados coletados. 6 4 7 2 9 1 4 4 6 4 1 6 9 8 4 2 7 1 8 3 Considerando esses dados, bem como as informações fornecidas, pode-se considerar como informações corretas a respeito dos dados da amostra: O valor modal (moda) é 4 e corresponde a 25% da amostra. Pode ser obtido com o método mode(). Correto!Correto! Pode-se dizer que pelo menos 60% das pessoas deram nota menor do que a média. A mediana e a média possuem o mesmo valor. Nesse caso, podem ser obtidas pelo método median(). O desvio padrão para essa amostra é igual ao valor da média e é obtido pelo método desvpad(). O valor modal (moda) é o que aparece com maior frequência e, nesse caso, foi o número 1. 20/03/2022 20:16 AV1: G.FEV.FIA.5 - Fundamentos de Inteligência Artificial https://newtonpaiva.instructure.com/courses/13744/quizzes/33452 13/19 Para esse exercício, coloque todos os dados em ordem crescente. Como a amostra possui um número par de dados, haverá 2 números centrais cujo valor é 4. Ache a média desses dois valores e, então, teremos a mediana, que é 4. Na amostra temos 5 entradas para o número 4, logo 5/20 ou 1/4 ou 25% da amostra corresponde ao valor 4. Por fim, para obtermos o valor modal, utilizamos o método mode(). Veja mais no tópico 2 da unidade 3. 3 / 3 ptsPergunta 15 Fonte: adaptado de https://encrypted-tbn0.gstatic.com/images? q=tbn%3AANd9GcTCkQ7P_O-rTJYb586nhxz0UKSEaCTwI_nQ4Q&usqp=CAU Acesso em: 23 jul. 2020. A ilustração acima possui duas situações com um veículo autônomo ingressando em uma rotatória. Um veículo ingressou pela esquerda e acabou indo parar no canteiro da rotatória. O outro veículo (poderia ser o mesmo em outra situação) já adentrou na rotatória, no que parece estar correto até aquele momento. Nas duas situações há uma 20/03/2022 20:16 AV1: G.FEV.FIA.5 - Fundamentos de Inteligência Artificial https://newtonpaiva.instructure.com/courses/13744/quizzes/33452 14/19 sinalização de reprova ou aprovação a depender do sucesso da direção do veículo até aquele ponto. Qual a alternativa que melhor descreve o tipo de aprendizado sendo utilizado? Aprendizado por reforço, porque, diante da ação tomada pelo agente inteligente, tem-se um estímulo de rejeição ou aprovação relativo às consequências decorrentes daquela ação. Correto!Correto! Aprendizado supervisionado, porque existe uma variável simbolizada pelos sinais de aprovação e rejeição, indicando o caminho correto a ser percorrido pelo veículo autônomo. Aprendizado por reforço, porque existe uma variável simbolizadapelos sinais de aprovação e rejeição indicando o caminho a ser percorrido pelo veículo autônomo. Aprendizado supervisionado, porque, diante da ação tomada pelo agente inteligente, tem-se um retorno de rejeição ou aprovação relativo às consequências decorrentes daquela ação. Aprendizado não supervisionado, porque o veículo autônomo irá seguir o mesmo caminho de outros veículos que já passaram pela rotatória e que são do mesmo grupo indicado pelos sinais de aprovação e rejeição. 20/03/2022 20:16 AV1: G.FEV.FIA.5 - Fundamentos de Inteligência Artificial https://newtonpaiva.instructure.com/courses/13744/quizzes/33452 15/19 Feedback: No aprendizado por reforço em aprendizado de máquina, derivado da teoria de aprendizagem criada pelo psicólogo behaviorista B. F. Skinner, o elemento-chave é o estímulo- resposta, no qual um agente produz respostas comportamentais a depender de estímulos positivos ou negativos, os quais, por sua vez, vão gerar novas respostas em um ciclo, de acordo com a unidade 4, tópico 1.4. 3 / 3 ptsPergunta 16 Considere o conjunto de dados a seguir como sendo o conjunto de dados original a ser utilizado por um algoritmo de aprendizado de máquina supervisionado: Dia Tempo Temperatura Vento Pedalar D1 Sol Calor Fraco Sim D2 Sol Calor Forte Não D3 Nublado Calor Fraco Sim D4 Chuva Amena Fraco Sim D5 Chuva Frio Fraco Não D6 Chuva Frio Forte Não D7 Nublado Frio Forte Sim D8 Sol Amena Fraco Não D9 Nublado Frio Forte Não 20/03/2022 20:16 AV1: G.FEV.FIA.5 - Fundamentos de Inteligência Artificial https://newtonpaiva.instructure.com/courses/13744/quizzes/33452 16/19 D10 Chuva Amena Fraco Sim Considerando o que já foi estudado e a prática usual sobre os conjuntos de dados de treinamento e de teste, uma representação deles pode ser encontrada em: Conjunto de treinamento Dia Tempo Temperatura vento Pedalar D1 Sol Calor Fraco Sim D2 Sol Calor Forte Não D3 Nublado Calor Fraco Sim D4 Chuva Amena Fraco Sim D5 Chuva Frio Fraco Não D6 Chuva Frio Forte Não D7 Nublado Frio Forte Sim D8 Sol Amena Fraco Não Conjunto de teste Dia Tempo Temperatura vento Pedalar D1 Sol Calor Fraco Sim D2 Sol Calor Forte Não 20/03/2022 20:16 AV1: G.FEV.FIA.5 - Fundamentos de Inteligência Artificial https://newtonpaiva.instructure.com/courses/13744/quizzes/33452 17/19 Conjunto de treinamento Dia Tempo Temperatura vento Pedalar D1 Sol Calor Fraco Sim D2 Sol Calor Forte Não D3 Nublado Calor Fraco Sim D4 Chuva Amena Fraco Sim D5 Chuva Frio Fraco Não D6 Chuva Frio Forte Não D7 Nublado Frio Forte Sim D8 Sol Amena Fraco Não D9 Nublado Frio Forte Não D10 Chuva Amena Fraco Sim Conjunto de teste Dia Tempo Temperatura vento Pedalar D1 Sol Calor Fraco Sim D2 Sol Calor Forte Não D3 Nublado Calor Fraco Sim D4 Chuva Amena Fraco Sim D5 Chuva Frio Fraco Não D6 Chuva Frio Forte Não D7 Nublado Frio Forte Sim D8 Sol Amena Fraco Não D9 Nublado Frio Forte Não D10 Chuva Amena Fraco Sim Conjunto de treinamento Dia Tempo Temperatura vento Pedalar D3 Nublado Calor Fraco Sim D4 Chuva Amena Fraco Sim D5 Chuva Frio Fraco Não D6 Chuva Frio Forte Não D7 Nublado Frio Forte Sim D8 Sol Amena Fraco Não D9 Nublado Frio Forte Não D10 Chuva Amena Fraco Sim Conjunto de teste Dia Tempo Temperatura vento Pedalar D1 Sol Calor Fraco Sim D2 Sol Calor Forte Não Correto!Correto! 20/03/2022 20:16 AV1: G.FEV.FIA.5 - Fundamentos de Inteligência Artificial https://newtonpaiva.instructure.com/courses/13744/quizzes/33452 18/19 Conjunto de treinamento Dia Tempo Temperatura vento Pedalar D1 Sol Calor Fraco Sim D2 Sol Calor Forte Não D3 Nublado Calor Fraco Sim D4 Chuva Amena Fraco Sim D5 Chuva Frio Fraco Não Conjunto de teste Dia Tempo Temperatura vento Pedalar D6 Chuva Frio Forte Não D7 Nublado Frio Forte Sim D8 Sol Amena Fraco Não D9 Nublado Frio Forte Não D10 Chuva Amena Fraco Sim Conjunto de treinamento Dia Tempo Temperatura vento Pedalar D1 Sol Calor Fraco Sim D3 Nublado Calor Fraco Sim D4 Chuva Amena Fraco Sim D7 Nublado Frio Forte Sim D10 Chuva Amena Fraco Sim Conjunto de teste Dia Tempo Temperatura vento Pedalar D2 Sol Calor Forte Não D5 Chuva Frio Fraco Não D6 Chuva Frio Forte Não D8 Sol Amena Fraco Não D9 Nublado Frio Forte Não Feedback: A divisão do conjunto original nos conjuntos de treinamento e de teste usualmente é feita na proporção de 80% e 20%, respectivamente, sem repetição dos dados entre um conjunto e outro, de forma que, ao final, o desempenho do classificador possa ser calculado com base em dados previamente não vistos por ele, como apresentado na unidade 4, tópico 2.1. 20/03/2022 20:16 AV1: G.FEV.FIA.5 - Fundamentos de Inteligência Artificial https://newtonpaiva.instructure.com/courses/13744/quizzes/33452 19/19 Pontuação do teste: 40 de 40
Compartilhar