Machine Learning

Prévia do material em texto

1)
Considere o seguinte caso em que um sistema de recomendação é utilizado:
Um website de streaming de filmes insere rótulos em cada um dos filmes de seu banco de dados. Toda vez que um usuário faz login, o sistema identifica as características do usuário e, baseado nos rótulos, faz indicações de novos filmes a serem assistidos.
Assinale a alternativa que contém qual método de sistema de recomendação é utilizado no caso descrito pelo trecho acima.
Alternativas:
· Recomendação do tipo filtragem colaborativa baseada em fatoração matricial.
· Recomendação baseada em conteúdo.
checkCORRETO
· Recomendação baseada em interação.
· Recomendação baseada em HTML.
· Recomendação do tipo filtragem colaborativa baseada em aprendizado profundo.
Resolução comentada:
o trecho descreve um sistema em que a recomendação é baseada em conteúdo. Ou seja, o algoritmo verifica qual filme possui conteúdo mais semelhante às características e aos gostos particulares de cada usuário que faz login no website.
Código da questão: 49632
2)
Existem inúmeros problemas em que você pode aplicar algoritmos de aprendizado de máquina.
Sobre os problemas clássicos de aprendizado de máquina, analise as afirmativas a seguir:
( ) A classificação multiclasse pode ser entendida como a extensão da classificação binária.
( ) Algoritmos de regressão não precisam utilizar a etapa de treinamento para criar modelos que relacionam as características dos dados.
( ) O clustering é uma tarefa do aprendizado de máquina supervisionado e tem como objetivo agrupar os dados disponíveis em grupos com características semelhantes.
Classifique as afirmações como verdadeiro (V) e falso (F) e assinale a alternativa que contenha a sequência correta, respectivamente, de cima para baixo.
Alternativas:
· F – V – F.
· V – F – F.
checkCORRETO
· V – V – V.
· V – V – F.
· V – F – V.
Resolução comentada:
o clustering é uma tarefa do aprendizado de máquina não supervisionado e tem como objetivo agrupar os dados disponíveis em grupos com características semelhantes.
Código da questão: 49603
3)
O aprendizado de máquina (AM) preditivo segue o paradigma do aprendizado supervisionado.
Sobre o AM preditivo e supervisionado, analise os itens a seguir:
I. O AM preditivo possui como meta encontrar uma função a partir de objetos de treinamento, para então prever o rótulo de qualquer novo dado fornecido.
II. O AM de agrupamento é um método clássico de AM supervisionado, pois apenas recebe os dados a serem analisados e os agrupa de acordo com padrões comuns identificados.
III. A regressão linear, seja ela de 2 ou n variáveis, é uma técnica que utiliza dados para criar uma função matemática linear que represente, da melhor forma possível, os dados. Como ela cria uma função linear, pode-se falar que, após criada a função, o algoritmo é do tipo não supervisionado.
Assinale a alternativa que indica quais afirmações estão corretas.
Alternativas:
· Somente I e II.
· Somente III.
· I – II – III.
· Somente I.
checkCORRETO
· Somente I e III.
Resolução comentada:
somente a afirmativa I está correta.
O correto para a afirmativa II seria: “O AM de agrupamento é um método clássico de AM não supervisionado, pois apenas recebe os dados a serem analisados e os agrupa de acordo com padrões comuns identificados”.
O correto para a afirmativa III seria: “A regressão linear, seja ela de 2 ou n variáveis, é uma técnica que utiliza dados para criar uma função matemática linear que represente, da melhor forma possível, os dados. A regressão é uma técnica de AM supervisionado”.
Código da questão: 49607
4)
Existem inúmeras técnicas de agrupamento para serem aplicadas na resolução de problema com machine learning e mineração de dados. Sobre as técnicas de agrupamento não hierárquico, analise as afirmativas a seguir:
( ) A escolha inicial dos objetos a serem utilizados no algoritmo K-means não influencia no resultado final, uma vez que essa técnica é robusta e imune a ótimos locais.
( ) No algoritmo K-médias, cada objeto do domínio pode mudar de cluster K vezes.
( ) Dendogramas são gráficos que mostram como foi a evolução dos clusters formados pelo K-means.
Assinale a alternativa que julga corretamente os itens, na sequência:
Alternativas:
· V – V – F.
· V – F – F.
· V – F – V.
· F – F – F.
checkCORRETO
· F – V – V.
Resolução comentada:
a semente inicial influencia bastante no resultado obtido.
No K-means, os objetos podem mudar de grupo quantas vezes forem necessárias, até que o critério de parada seja atingido.
Dendograma é utilizado para visualizar o processo de clusterização passo a passo, assim como analisar os níveis de distância dos clusters formados.
Código da questão: 49622
5)
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 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:
· I – II – III.
· I.
checkCORRETO
· II.
· I – II.
· II – III.
Resolução comentada:
I. A técnica de clustering hierárquico aglomerativo faz de cada elemento um 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 oposta.
III. O algoritmo k-means não utiliza etapa de treinamento, e o valor do parâmetro K deve ser passado anteriormente.
Código da questão: 49620
6)
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:
· AM descritivo.
· AM preditivo.
checkCORRETO
· AM associativo.
· AM julgativo.
· AM de agrupamento.
Resolução comentada:
considere o conjunto de pares de dados como D={(x_i,f(x_i )),i=1,…,n}, sendo que f("x" _i ) é uma função desconhecida. O algoritmo de AM preditivo analisa então esse conjunto para criar uma aproximação f ̂ de f. Com essa aproximação, o algoritmo consegue, então, estimar os rótulos para qualquer nova entrada "x"
Código da questão: 49606
7)
O Algoritmo Naive Bayes foi criado com sus estrutura baseada no Teorema de Bayes, que diz o seguinte:
Considere a seguinte situação:
Alternativas:
· 
· 
checkCORRETO
· 
· 
· 
Resolução comentada:
Código da questão: 49611
8)
Analise atentamente a afirmativa a seguir:
"Este algoritmo utiliza predições de muitos indivíduos aleatórios, cada uma podendo ter variância diferente, e agrupa todas elas".
Assinale a alternativa que representa o algoritmo ao qual a afirmação acima se refere.
Alternativas:
· Floresta aleatória.
checkCORRETO
· Árvore de decisão.
· Support vector machine.
· K nearest neighbors.
· Rede neural.
Resolução comentada:
a floresta aleatória (Random Forest) é o algoritmo que utiliza predições de muitos indivíduos aleatórios, cada uma podendo ter variância diferente, e agrupa todas elas.
Código da questão: 49618
9)
João aplicou um teste de múltipla escolha contendo 120 questões para um grande grupo de pessoas, e conseguiu perceber que houve uma grande variação na distribuição das notas.João resolveu, então, utilizar um algoritmo para agrupar os alunos, para que cada aluno pudesse ficar no grupo mais indicado, de acordo com sua nota. Dessa forma, ele poderá elaborar trabalhos específicos para cada grupo.
Assinale a alternativa que contém o algoritmo mais indicado para a realização desse agrupamento.
Alternativas:
· K-means.
checkCORRETO
· Monte Carlo.
· Regressão linear.
· Regressão logística.
· Regressão multivariável.
Resolução comentada:
dentre as alternativas, o único algoritmo que faz o agrupamento, ou clustering, é o k-means.
Código da questão: 49623
10)
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:
· I – II.
· I – II – III.
· I.
· IV.
checkCORRETO
· II – III.
Resolução comentada:
I. A RNA admite três sinais de entrada (input layer).
II. A RNA possui duas camadas intermediárias.
III. A RNA da figura não é apropriada para aplicações deep learning.
IV. A RNA possui três variáveis de bias.
Código da questão: 49625