prova machine learning (Anhanguera)

Prévia do material em texto

26/04/2022 10:19Cosmos · Cosmos
Página 1 de 5https://kroton.platosedu.io/lms/m/aluno/disciplina/index/2567042/4052704#
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!
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:
Código da questão: 49627
O Algoritmo Naive Bayes foi criado com sus estrutura baseada no Teorema de
Bayes, que diz o seguinte:
Considere a seguinte situação:
Alternativas:
V – F – F – F.
F – F – F – V.
V – F – V – V.
V – F – F – V. CORRETO
F – V – V – F.
26/04/2022 10:19Cosmos · Cosmos
Página 2 de 5https://kroton.platosedu.io/lms/m/aluno/disciplina/index/2567042/4052704#
3)
4)
Código da questão: 49611
Existem inúmeros algoritmos de aprendizado de máquina, e cada um é mais
indicado para um determinado tipo de dados. Existe um algoritmo que é
normalmente sensível quanto à posição das sementes iniciais, o que pode levar
para uma convergência local. Esse algoritmo é também sensível a ruídos, dado
que ele leva em consideração os desvios dos objetos em relação ao centroide de
cada cluster calculado. Por último, esse algoritmo não é indicado para o caso de
os clusters possuírem forma não convexa.
Assinale a alternativa que contém o nome correto do algoritmo descrito pelo texto
acima.
Alternativas:
Código da questão: 49624
Os gráficos a seguir ilustram um algoritmo de regressão linear aplicado a
quatro diferentes casos de dispersão de dados. Para todos os casos, tem-se a
mesma reta de regressão linear y = 4+ 0,5x, independente de quais sejam as
estatísticas suficientes, como: coeficientes linear e angular; soma dos quadrados
dos resíduos e da regressão; e número de observações.
INCORRETO
K-means. CORRETO
Rede neural.
Random Forest.
Algoritmo genético.
Support vector machine.
26/04/2022 10:19Cosmos · Cosmos
Página 3 de 5https://kroton.platosedu.io/lms/m/aluno/disciplina/index/2567042/4052704#
5)
6)
A partir dos gráficos, analise as afirmativas a seguir:
I. O gráfico B indica que os dados são propícios para a utilização de uma
regressão do tipo linear.
II. O gráfico C ilustra a possível existência de uma observação outlier na regressão
linear.
III. O gráfico D ilustra a possível existência de uma observação outlier na
regressão linear.
Assinale a alternativa que julga corretamente essas afirmações:
Alternativas:
Código da questão: 49613
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:
Código da questão: 49625
A análise de agrupamentos é utilizada para separar objetos em grupos e, a
partir de suas características, identificar objetos similares. Esse tipo de algoritmo
pode ser classificado de diversas maneiras, como, por exemplo, métodos
hierárquicos, baseados em densidade ou baseados em erro quadrático.
Sobre os algoritmos de agrupamento, analise as afirmações a seguir:
I. A técnica de clustering hierárquico aglomerativo faz de cada elemento um
Somente I está correta.
Somente I e III estão corretas.
Somente III está correta.
Somente II está correta. CORRETO
Somente II e III estão corretas.
I – II.
IV. CORRETO
II – III.
I.
I – II – III.
26/04/2022 10:19Cosmos · Cosmos
Página 4 de 5https://kroton.platosedu.io/lms/m/aluno/disciplina/index/2567042/4052704#
7)
8)
cluster, depois agrupa os clusters similares, calcula as distâncias entre os clusters
e repete esse processo até o final do algoritmo.
II. O agrupamento divisivo e aglomerativo funciona de maneira similar: ambos
começam com inúmeros clusters e fundem os grupos de maior similaridade até
restar apenas um grande grupo com os objetos.
III. O algoritmo k-means utiliza-se de uma etapa de treinamento, em que ele
observa os dados de treinamento fornecidos para poder calcular o valor ótimo do
parâmetro K, e então poder proceder à etapa de teste.
Sendo assim, estão CORRETOS somente os itens:
Alternativas:
Código da questão: 49620
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:
Código da questão: 49615
Alternativas:
II.
I. CORRETO
I – II.
II – III.
I – II – III.
Baixo para cima; nó; nó. CORRETO
Cima para baixo; folha; folha.
Baixo para cima; folha; folha.
Cima para baixo; nó; nó.
Baixo para cima; árvore; árvore.
K vizinhos mais distantes.
Regressão multivariável.
Naive Bayes.
K vizinhos mais próximos. CORRETO
26/04/2022 10:19Cosmos · Cosmos
Página 5 de 5https://kroton.platosedu.io/lms/m/aluno/disciplina/index/2567042/4052704#
9)
10)
Código da questão: 49612
Os algoritmos de aprendizado de máquina baseados em distância podem
também ser rotulados como algoritmos “preguiçosos”. 
Assinale a alternativa que afirma corretamente por que esse rótulo pode ser dado
aos algoritmos baseados em distância.
Alternativas:
Código da questão: 49605
Existe uma classe de aprendizado de máquina (AM) que busca analisar um
conjunto de dados D={(x_i,f(x_i )),i=1,…,n}, sendo f(x_i ) uma função
desconhecida, para poder criar uma aproximação f ̂(x_i ) capaz de estimar rótulos
para novas entradas. 
Assinale a alternativa que afirma corretamente qual é essa classe de aprendizado
de máquina.
Alternativas:
Código da questão: 49606
Regressão linear.
Pois eles criam um modelo baseados nos dados do treinamento,
memorizando os dados e criando uma função matemática que relaciona
entradas e saídas fornecidas ao algoritmo.
Eles são preguiçosos pois não passam por uma etapa de treinamento.
Pois eles utilizam apenas as probabilidades de os pontos estarem
distanciados a objetos pertencentes à classe deles, e não a real distância
entre o objeto a ser analisado e qualquer outro ponto pertencente ao dataset.
Pois eles analisam poucos dados para então fornecer a resposta.
Pois não aprendem ou criamum modelo baseados nos dados do treinamento,
eles apenas memorizam os dados e criam um plano n-dimensional para
possibilitar a análise das distâncias. CORRETO
AM julgativo.
AM de agrupamento.
AM associativo.
AM preditivo. CORRETO
AM descritivo.
Arquivos e Links