Robot traders são programas de computadores capazes de operar de forma autônoma na bolsa de valores. Eles podem ser desenvolvidos com regras fixas baseadas em indicadores de análise técnica ou podem possuir um modelo que combine esses indicadores de forma a maximizar o lucro do robô em um período determinado. O problema de identificar os pesos dos indicadores que maximizam o resultado do robô é um problema de: Regressão. Regra de associação. Classificação. Recomendação.
Se você possui um problema em que o objetivo é minimizar o erro de estimação de um valor contínuo baseado em um conjunto de atributos, o algoritmo mais adequado para o problema é: K-means. AGNES - Aglomerative Nesting. Naïve Bayes. Regressão linear.
Uma medida de interesse para regras de associação é Lift. Revocação. Acurácia. Completeza.
Em um modelo de aprendizado baseado em regras de associação, um indicador de que uma regra é útil, ou seja, que provê informação mais forte que a coocorrência aleatória dos antecedentes e consequentes é: Se Suporte e Confiança forem altos, acima de um limiar. Se Convicção produzir um valor maior que um. Se Ganho, para ????=????.???? for maior que zero. Se Lift possuir valor superior a um.
São formas de Avaliação da qualidade de modelos, exceto: Precisão e Revocação. Acurácia por classe. Log-loss. Índice de pureza.
São hiperparâmetros para a configuração de uma rede neural, EXCETO: Taxa de ajuste do erro. Número de neurônios na camada oculta. Número de camadas ocultas da rede. Taxa de aprendizado.
Uma agência de empregos deseja utilizar aprendizado de máquina para prever a duração do tempo de desemprego de um desempregado à procura de emprego, com o objetivo de atuar proativamente na interrupção do padrão de desemprego. O algoritmo que ele pode utilizar na resolução desse problema é: Regras de associação. Regressão linear. Random Forest. Árvores de decisão.
Para definir precisamente o problema a ser atacado e identificar possibilidades de enriquecimento da base de conhecimento, podemos utilizar como ferramenta: Análise exploratória de dados. Análise de fatos e julgamentos. Agregação de atributos. ETL – extract, transform, load.
Segundo Joe Blitzstein e Hanspeler Plister, “Introduction to Data Science”, Harvard Data Science Course, as etapas do processo de ciência de dados são: Qual das opções abaixo descreve corretamente as etapas do processo de ciência de dados? Identificar as necessidades, selecionar, limpar e enriquecer dados, identificar padrões e descrever resultados. Coletar dados, explorar dados, modelar dados, comunicar e visualizar resultados. Amostrar dados, explorar dados, modificar dados, modelar dados e avaliar o modelo. Entender o negócio, preparar dados, modelar o problema, avaliar o modelo e fazer a distribuição do modelo.
Uma universidade induziu um modelo para classificar se um aluno está propenso a cometer evasão. Após o treinamento, o modelo produziu a seguinte matriz de confusão sobre os dados de validação. Sobre esse modelo, podemos afirmar que: A precisão do modelo é 62,5%. A acurária por classe do modelo é 70%. A revocação ou recall é 75%.
Robot traders são programas de computadores capazes de operar de forma autônoma na bolsa de valores. Eles podem ser desenvolvidos com regras fixas baseadas em indicadores de análise técnica ou podem possuir um modelo que combine esses indicadores de forma a maximizar o lucro do robô em um período determinado. O problema de identificar os pesos dos indicadores que maximizam o resultado do robô é um problema de: Regressão. Regra de associação. Classificação. Recomendação.
Se você possui um problema em que o objetivo é minimizar o erro de estimação de um valor contínuo baseado em um conjunto de atributos, o algoritmo mais adequado para o problema é: K-means. AGNES - Aglomerative Nesting. Naïve Bayes. Regressão linear.
Uma medida de interesse para regras de associação é Lift. Revocação. Acurácia. Completeza.
Em um modelo de aprendizado baseado em regras de associação, um indicador de que uma regra é útil, ou seja, que provê informação mais forte que a coocorrência aleatória dos antecedentes e consequentes é: Se Suporte e Confiança forem altos, acima de um limiar. Se Convicção produzir um valor maior que um. Se Ganho, para ????=????.???? for maior que zero. Se Lift possuir valor superior a um.
São formas de Avaliação da qualidade de modelos, exceto: Precisão e Revocação. Acurácia por classe. Log-loss. Índice de pureza.
São hiperparâmetros para a configuração de uma rede neural, EXCETO: Taxa de ajuste do erro. Número de neurônios na camada oculta. Número de camadas ocultas da rede. Taxa de aprendizado.
Uma agência de empregos deseja utilizar aprendizado de máquina para prever a duração do tempo de desemprego de um desempregado à procura de emprego, com o objetivo de atuar proativamente na interrupção do padrão de desemprego. O algoritmo que ele pode utilizar na resolução desse problema é: Regras de associação. Regressão linear. Random Forest. Árvores de decisão.
Para definir precisamente o problema a ser atacado e identificar possibilidades de enriquecimento da base de conhecimento, podemos utilizar como ferramenta: Análise exploratória de dados. Análise de fatos e julgamentos. Agregação de atributos. ETL – extract, transform, load.
Segundo Joe Blitzstein e Hanspeler Plister, “Introduction to Data Science”, Harvard Data Science Course, as etapas do processo de ciência de dados são: Qual das opções abaixo descreve corretamente as etapas do processo de ciência de dados? Identificar as necessidades, selecionar, limpar e enriquecer dados, identificar padrões e descrever resultados. Coletar dados, explorar dados, modelar dados, comunicar e visualizar resultados. Amostrar dados, explorar dados, modificar dados, modelar dados e avaliar o modelo. Entender o negócio, preparar dados, modelar o problema, avaliar o modelo e fazer a distribuição do modelo.
Uma universidade induziu um modelo para classificar se um aluno está propenso a cometer evasão. Após o treinamento, o modelo produziu a seguinte matriz de confusão sobre os dados de validação. Sobre esse modelo, podemos afirmar que: A precisão do modelo é 62,5%. A acurária por classe do modelo é 70%. A revocação ou recall é 75%.