AV1_ G FEV FIA 5 - Fundamentos de Inteligência Artificial

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