av2-fundamentos-de-ia

Prévia do material em texto

07/04/2022 10:44 Grupo Splice
https://logus.provafacilnaweb.com.br/logus/schedule/resultcandidatedetailprint/2621283/3fec2286-656b-11ea-885e-0242ac110010/ 1/4
Local: Newton - Virtual / Newton - Carlos Luz 220 - Jucelino Kubistchek / Newton - Carlos Luz 220 / Newton - Filial
Carlos Luz 220 
Acadêmico: npG.FEV.FIA.5
Aluno: Hugo Cesar Vieira 
Avaliação: AV2 - Online
Matrícula: 12109043 
Data: 2 de Abril de 2022 - 08:00 Finalizado
Correto Incorreto Anulada  Discursiva  Objetiva Total: 15,00/60,00
1  Código: 21959 - Enunciado: Nas estatísticas, dispersão (também chamada de variabilidade) é o
quanto uma distribuição é esticada ou comprimida. Exemplos comuns de medidas de dispersão
são a amplitude, variância, desvio padrão e intervalo interquartil. Dentre os motivos para utilizar
as medidas de dispersão, podemos citar a possibilidade de comparar a variação de duas ou mais
séries estatísticas, facilitar o uso de outras medidas estatísticas e determinar a confiabilidade de
uma média.O gerente de uma empresa está preocupado com o número crescente de
reclamações. Assim sendo, ele realizou um levantamento do número diário de reclamações que a
empresa recebeu durante 30 dias e gerou a seguinte lista, em que cada valor representa a
frequência de reclamações diárias: 
44, 18, 16, 16, 36, 16, 17, 27, 27, 18, 19, 25, 16, 19, 30, 31, 12, 22, 33, 25, 36, 37, 29, 39, 20, 41, 28, 22,
42, 31 
De posse dessas informações, dos valores apresentados e do seu conhecimento após estudar o
conteúdo desta disciplina, é possível afirmar que:
 a) A média da amostra pode ser obtida pelo método mean() e o resultado obtido será menor
que 25, assim como o valor da mediana .
 b) A moda pode ser obtida pelo método mode() enquanto a média pode ser obtida pelo
método mean() e ambos valores serão iguais nesse caso.
 c) A análise da amostra permite dizer que os cinco primeiros dias tiveram menos
reclamações que os cinco últimos dias.
 d) A amplitude das reclamações pode ser obtida na operação df.max() - df.min e o valor
resultante ficará acima do valor da média (26,4).
 e) A moda, a média e a amplitude podem ser somadas conforme comando: df.mode() +
df.mean() + (df.max - df.min()) e o valor resultante será 27,55.
Alternativa marcada:
b) A moda pode ser obtida pelo método mode() enquanto a média pode ser obtida pelo método
mean() e ambos valores serão iguais nesse caso.
0,00/ 5,00
2  Código: 21862 - Enunciado: Considere os seguintes comandos Python:I. Var1 = [2010, 2020, 2021,
´Ano Indefinido´]II. Var2 = (1, 2, 3, 4, 6, 8)III. Var3 = {´CPF´:787126, ´Idade´:120}Estão com
sintaxe corretas: 
 a) I e II somente.
 b) I e III somente.
 c) Nenhuma delas.
 d) Todas.
 e) II e III somente.
Alternativa marcada:
c) Nenhuma delas.
0,00/ 5,00
07/04/2022 10:44 Grupo Splice
https://logus.provafacilnaweb.com.br/logus/schedule/resultcandidatedetailprint/2621283/3fec2286-656b-11ea-885e-0242ac110010/ 2/4
3  Código: 21873 - Enunciado: A etapa de pré-processamento dos dados é uma das etapas
importantes para se aplicar um algoritmo de IA. O analista de IA observou que mais de 98% dos
valores de uma variável eram iguais e decidiu eliminar a variável do conjunto de dados. Ele usou
a técnica de pré-processamento denominada:
 a) Classificação dos dados.
 b) Tratamento de dados ausentes.
 c) Redução de dimensionalidade. 
 d) Normalização dos dados.
 e) Transformação de variável categórica.
Alternativa marcada:
d) Normalização dos dados.
0,00/ 5,00
4  Código: 21988 - Enunciado: Ao utilizar o ensemble VotingClassifier, o qual por sua vez faz uso de
outros classificadores já criados por outros algoritmos, como RandomForest, DecisionTree,
GradientBoostng, KNN, entre outros, há a opção de utilizar a votação ʻhardʼ ou ʻso� .̓ 
Considere agora as asserções a seguir:I. Na votação ʻhard ,̓ prevalece como predita a classe mais
votada entre os classificadores.II. Na votação ʻso� ,̓ prevalece como predita a classe mais
votada, mas de acordo com o peso do poder de predição de cada classificador.III. Na votação
ʻso� ,̓ pode-se atribuir pesos aos classificadores que compõem o ensemble de forma que é até
possível que o classificador de pior desempenho tenha peso maior. 
Avaliando as asserções anteriores, é possível estabelecer que:
 a) Somente I e II são verdadeiras.
 b) Somente I e III são verdadeiras.
 c) Todas são falsas.
 d) Todas são verdadeiras.
 e) Somente II e III são verdadeiras.
Alternativa marcada:
b) Somente I e III são verdadeiras.
0,00/ 5,00
5  Código: 24266 - Enunciado: A partir de um Data Frame inicial (a), foram feitas operações que
resultaram no Data Frame (b), mostrado abaixo em duas perspectivas diferentes:a)b)Fonte:
Elaborados pelo autor. 
Pode-se afirmar que, a partir do Data Frame inicial (a) para resultar no Data Frame (b), houve
uma:
 a) Normalização das colunas ʻValor Compraʼ e ʻValor Imposto ,̓ porque para ambas o valor
mínimo passou a ser 0 e o valor máximo 1. Também houve uma transformação da variável
categórica ʻMêsʼ em numérica utilizando o One Hot Encoding.
 b) Padronização das colunas ʻValor Compraʼ e ʻValor Imposto ,̓ porque para ambas a média
passou a ser 0 e o desvio padrão 1. Na variável categórica ʻMêsʼ não houve alteração alguma, pois
o método df.describe() apenas mostra de forma mais detalhada as estatísticas descritivas dos
campos do DataFrame.
 c) Normalização das colunas ʻValor Compraʼ e ʻValor Imposto ,̓ porque para ambas o valor
mínimo passou a ser 0 e o valor máximo 1. Na variável categórica ʻMêsʼ não houve alteração
alguma, pois o método df.describe() apenas mostra de forma mais detalhada as estatísticas
descritivas dos campos do DataFrame.
 d) Normalização e uma padronização das colunas ʻValor Compraʼ e ʻValor Imposto ,̓ porque
para ambas o valor mínimo passou a ser 0, o valor máximo 1, a média 0 e o desvio padrão 1.
0,00/ 5,00
07/04/2022 10:44 Grupo Splice
https://logus.provafacilnaweb.com.br/logus/schedule/resultcandidatedetailprint/2621283/3fec2286-656b-11ea-885e-0242ac110010/ 3/4
Também houve uma transformação da variável categórica ʻMêsʼ em numérica, utilizando o One
Hot Encoding.
 e) Padronização das colunas ʻValor Compraʼ e ʻValor Imposto ,̓ porque para ambas a média
passou a ser 0 e o desvio padrão 1. Também houve uma transformação da variável categórica
ʻMêsʼ em numérica utilizando o One Hot Encoding.
Alternativa marcada:
c) Normalização das colunas ʻValor Compraʼ e ʻValor Imposto ,̓ porque para ambas o valor mínimo
passou a ser 0 e o valor máximo 1. Na variável categórica ʻMêsʼ não houve alteração alguma, pois
o método df.describe() apenas mostra de forma mais detalhada as estatísticas descritivas dos
campos do DataFrame.
6  Código: 21864 - Enunciado: Existem diferentes estratégias de fazer análise exploratória dos
dados. Em qual categoria enquadra-se o processo de Machine Learning?
 a) Análise Diagnóstica.
 b) Análise Preditiva.
 c) Análise Inteligente.
 d) Análise Descritiva.
 e) Análise Qualitativa
Alternativa marcada:
b) Análise Preditiva.
5,00/ 5,00
7  Código: 21876 - Enunciado: O algoritmo de árvore de decisão foi aplicado a um conjunto de
dados. Ao validar os resultados obtidos, verificou-se que ocorreu Underfitting. Isto significa que o
algoritmo:
 a) Obteve desempenho melhor sobre os dados de treinamento.
 b) Obteve desempenho pior sobre os dados de treinamento.
 c) Obteve desempenho pior que todos os outros algoritmos semelhantes.
 d) Obteve desempenho semelhante nas bases de treino e de testes.
 e) Aprendeu adequadamente usando a base de treino.
Alternativa marcada:
b) Obteve desempenho pior sobre os dados de treinamento.
5,00/ 5,00
8  Código: 21888 - Enunciado: Avalie as afirmações sobre o método Q-learning:I. Rotula dos dados
e divide-os em dados de testes e de treino para, por exemplo, a aprender dirigir um carro
sozinho.II. Plota os dados de uma imagem para, por exemplo, identificar uma pessoa procurada
pela justiça em um vídeo.III. Ensina robôs para que eles possam encontrar a rota mais curta de
qualquer localpara outro por conta própria.Estão corretas:
 a) II Somente
 b) Duas das afirmações
 c) I Somente
 d) III Somente.
 e) Nenhuma das afirmações.
Alternativa marcada:
0,00/ 5,00
07/04/2022 10:44 Grupo Splice
https://logus.provafacilnaweb.com.br/logus/schedule/resultcandidatedetailprint/2621283/3fec2286-656b-11ea-885e-0242ac110010/ 4/4
c) I Somente
9  Código: 21997 - Enunciado: Com a assustadora popularização dos chamados deep fakes, o
tratamento e criação de imagens e vídeos com uso de Inteligência Artificial têm ganho muito
espaço na mídia técnica e geral. O processamento e classificação de imagens tem muitas
aplicações interessantes como a detecção de doenças com base em imagens de ressonância
magnética, análise de sentimentos de pessoas olhando uma vitrine, classificação de imagens no
ambiente para uso com veículos autônomos etc. Para o uso de algoritmos de classificação e
agrupamento, mas, em especial, as redes neurais convolucionais (deep learning), quais
características das imagens podemos levar em consideração? Assinale a alternativa correta.
 a) Formato, taxa de compressão JPEG, cor, proximidade e dimensões.
 b) Formato, excentricidade, cor, proximidade e dimensões.
 c) Densidade da imagem (DPI), excentricidade, cor, proximidade e dimensões.
 d) Formato, excentricidade, cor, proximidade e Densidade da imagem (DPI).
 e) Formato, excentricidade, taxa de compressão JPEG, proximidade e dimensões.
Alternativa marcada:
b) Formato, excentricidade, cor, proximidade e dimensões.
5,00/ 5,00
10  Código: 22001 - Enunciado: Em uma famosa rede de supermercados americana, foram
coletados, durante muitos anos, os dados de compras dos clientes. Os dados refletem o que aqui
conhecemos como sendo aquela interminável impressão em formato de fita que nos é entregue
ao final da compra. Nela, são informados os produtos, quantidades, preços e descontos de tudo
o que foi adquirido em cada compra. A equipe de Ciência de dados aplicou métodos de
agrupamento para a criação de regras de associação. Muitas regras foram geradas. Separamos
três delas para que você possa analisar. O que se pode dizer com relação ao suporte e à
confiança da regra 18? Analise também o suporte do antecedente e do consequente explicando
do que se trata.
Resposta:
0,00/ 15,00