Baixe o app para aproveitar ainda mais
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
Compartilhar