PROVA ON-LINE_ 10 - Implementação de Algoritmos de Machine Learning (2021)

Prévia do material em texto

28/06/2022 21:20 PROVA ON-LINE: 10 - Implementação de Algoritmos de Machine Learning (2021)
https://pucminas.instructure.com/courses/64619/quizzes/261185 1/10
PROVA ON-LINE
Entrega Sem prazo Pontos 60 Perguntas 10
Limite de tempo 60 Minutos Tentativas permitidas Sem limite
Instruções
Histórico de tentativas
Tentativa Tempo Pontuação
MAIS RECENTE Tentativa 1 48 minutos 48 de 60
Pontuação desta tentativa: 48 de 60
Enviado 28 jun em 21:18
Esta tentativa levou 48 minutos.
ATENÇÃO: Verifique em "Notas" se você não atingiu o aproveitamento necessário nesta
disciplina. 
Caso você já tenha realizado uma prova anterior e opte por uma nova tentativa, será
identificado como uma prova extra e resultará em pagamento de taxa extra.
INSTRUÇÕES DA AVALIAÇÃO ON-LINE
A prova tem a duração de 60 minutos. 
Ao clicar em PROVA ON-LINE, no menu “Testes” você iniciará a prova. A partir daí não será
possível desistir de realizá-la.
A prova é composta de 10 questões objetivas, cada uma no valor de 6 pontos.
Ao final do teste não se esqueça de enviá-lo, clicando no botão “ENVIAR TESTE”. Só utilize
esse botão quando tiver finalizado a avaliação.
Se necessário, durante a prova, entre em contato pelo link “Atendimento”.
ATENÇÃO: Todas as provas iniciadas e que não houverem sido submetidas serão
automaticamente encerradas pelo sistema transcorridos os 60 minutos de duração.
Boa Prova!
Fazer o teste novamente
6 / 6 ptsPergunta 1
https://pucminas.instructure.com/courses/64619/quizzes/261185/history?version=1
https://pucminas.instructure.com/courses/64619/quizzes/261185/take?user_id=166313
28/06/2022 21:20 PROVA ON-LINE: 10 - Implementação de Algoritmos de Machine Learning (2021)
https://pucminas.instructure.com/courses/64619/quizzes/261185 2/10
Considere uma regressão linear univariável:
 
Como o erro quadrático pode ser expressado de um ponto xⁱ (variável
preditora)?
 
 Err = (hθ(xⁱ) - yⁱ)² Correto!Correto!
 Err = (yⁱ / hθ(xⁱ))² 
 Err = (hθ(xⁱ) * yⁱ)² 
 Err = (hθ(xⁱ) + yⁱ)² 
Para cada ponto x no plano, o erro quadrático é a diferença ao
quadrado em relação ao ponto relativo em y. Portanto, a
equação do erro quadrático é a expressão (hθ(xⁱ) - yⁱ)².
28/06/2022 21:20 PROVA ON-LINE: 10 - Implementação de Algoritmos de Machine Learning (2021)
https://pucminas.instructure.com/courses/64619/quizzes/261185 3/10
6 / 6 ptsPergunta 2
Sobre o gradiente descendente em regressão linear univariável:
Quais são as condições de parada do algoritmo de otimização?
 Nenhuma das alternativas está correta. 
 Convergir a um erro esperado ou número de iterações. Correto!Correto!
 Número m de amostras. 
 Número de parâmetros da regressão. 
Existem, a princípio, dois critérios para estabelecer quantas
vezes os dados de treino serão utilizados para atualizar os
parâmetros theta: um erro esperado (exemplo: se o custo entre
uma iteração e outra for menor que 0.0001) ou um número
inteiro que diretamente define a quantidade de iterações.
6 / 6 ptsPergunta 3
Um cientista de dados de um grande hospital recebe a missão de criar
um modelo capaz de receber imagens de raio-x e criar um
classificador binário e inferir com qualidade a ausência ou presença de
uma determinada doença.
Quais tipos de dados serão disponibilizados para o cientista?
 Dados voláveis. 
 Dados estruturados. 
28/06/2022 21:20 PROVA ON-LINE: 10 - Implementação de Algoritmos de Machine Learning (2021)
https://pucminas.instructure.com/courses/64619/quizzes/261185 4/10
 Dados não estruturados. Correto!Correto!
 Dados semiestruturados. 
Como os dados que servirão para treino e teste serão imagens,
se trata de um problema centrado em dados não estruturados.
Tipos de dados não estruturados: Imagens, vídeos, áudio, texto.
6 / 6 ptsPergunta 4
Sobre a função Sigmoid
Quais são os valores que a função assume com z tendendo a:
z1 -> um valor elevado com sinal negativo
z2 -> um valor elevado com sinal positivo
 [z1, z2] = [-1, 0] 
 [z1, z2] = [-1, 2] 
 [z1, z2] = [-1, 1] 
 [z1, z2] = [0, 1] Correto!Correto!
28/06/2022 21:20 PROVA ON-LINE: 10 - Implementação de Algoritmos de Machine Learning (2021)
https://pucminas.instructure.com/courses/64619/quizzes/261185 5/10
Os limites da função Sigmoid são 0 e 1. Atentando-se a
conceitos de limite e ao exponente negativo em "e", segue a
explicação:
 
Para um valor de z muito negativo temos:
A constante "e" elevada a um valor muito positivo tende a um
número muito grande. Portanto temos 1 / 1 + número muito
grande, tendendo o resultado a 0.
 
Para um valor de z muito positivo temos:
A constante "e" elevada a um valor muito negativo tende a zero.
Portanto temos 1 / 1 + 0 = 1.
0 / 6 ptsPergunta 5
Um cientista de dados pretende acrescentar mais variáveis em uma
regressão linear univariável que já possui "m" linhas. Considere que o
gradiente descendente é uma função própria.
A princípio, qual novo parâmetro deverá considerar para adaptar o
gradiente descendente?
 Nenhuma das anteriores 
 learning rate (ɑ) 
 número de variáveis (n) esposta corretaesposta correta
 número de iterações ocê respondeuocê respondeu
28/06/2022 21:20 PROVA ON-LINE: 10 - Implementação de Algoritmos de Machine Learning (2021)
https://pucminas.instructure.com/courses/64619/quizzes/261185 6/10
Como "m" é o número de amostras, "n" passa a ser o número
de variáveis e "n+1" o número de parâmetros. O learning rate e
número de iterações já são parâmetros presentes na regressão
linear univariável.
6 / 6 ptsPergunta 6
Sobre a seguinte métrica de avaliação de modelo:
O que podemos afirmar?
 
Conhecida como Mean Squared Error (MSE), reflete os erros
quadráticos médios de estimação.
 
Conhecida como Mean Absolute Error (MAE), reflete os erros absolutos
médios de estimação.
Correto!Correto!
 
Conhecida como Root Mean Squared Error (RMSE), reflete a raiz
quadrada dos erros quadráticos médios de estimação.
 
Conhecida como R², é uma métrica que mensura a variância de um
modelo de regressão em relação a um estimador aleatório.
28/06/2022 21:20 PROVA ON-LINE: 10 - Implementação de Algoritmos de Machine Learning (2021)
https://pucminas.instructure.com/courses/64619/quizzes/261185 7/10
A equação descrita é a MAE, visto que a diferença entre os
valores previstos e os valores reais está em módulo,
preservando o valor absoluto da diferença, porém sem nenhum
expoente ou raiz quadrada.
6 / 6 ptsPergunta 7
Em um estudo em um classificador binário, tem-se um problema muito
desbalanceado (proporção 20-80) existe a necessidade de refinar o
modelo de forma a resultar no melhor cenário de negócios.
Se o stakeholder de negócio define que o Falso Positivo é muito
custoso, ou seja, precisa ser evitado ao máximo, qual métrica de
classificação precisa ser maximizada?
 Acurácia 
 Recall 
 Precision Correto!Correto!
 Não há como maximizar nesse cenário. 
6 / 6 ptsPergunta 8
28/06/2022 21:20 PROVA ON-LINE: 10 - Implementação de Algoritmos de Machine Learning (2021)
https://pucminas.instructure.com/courses/64619/quizzes/261185 8/10
Considere o seguinte modelo:
O que podemos afirmar sobre esse cenário?
 O modelo possui alta variância 
 O modelo possui alto bias Correto!Correto!
 O modelo está equilibrado 
 Nenhuma das anteriores 
Como é possível observar graficamente, o modelo teve um
underfitting nos dados de treinamento, resultando em um alto
bias.
6 / 6 ptsPergunta 9
Sobre backpropagation:
Qual a fase responsável por atualizar os pesos de forma recursiva
baseado nos gradientes parciais dependentes da camada
subsequente?
 Activation function 
 Derivative calculation 
28/06/2022 21:20 PROVA ON-LINE: 10 - Implementação de Algoritmos de Machine Learning (2021)
https://pucminas.instructure.com/courses/64619/quizzes/261185 9/10
 Backpropagation Correto!Correto!
 Feedforward 
O backpropagation possui duas etapas: feedforward e
backpropagation. A feedforward é responsável por alimentar a
rede através a camada de entrada, e o backpropagation por
retropropagar os erros e atualizaros pesos.
0 / 6 ptsPergunta 10
Inspirada na biologia, os neurônios artificiais possuem estruturas
importantes:
 
O que não se pode afirmar sobre essa estrutura?
 Os inputs são implementações dos dendritos. 
 
Assim como na biologia, a função de ativação define se o sinal será
propagado ou não.
ocê respondeuocê respondeu
28/06/2022 21:20 PROVA ON-LINE: 10 - Implementação de Algoritmos de Machine Learning (2021)
https://pucminas.instructure.com/courses/64619/quizzes/261185 10/10
 O sinal é propagado diretamente do input ao output. esposta corretaesposta correta
 
Os pesos são o objetivo de treinamento de cada componente em uma
rede.
Dentre todas as respostas, é incorreto afirmar que os sinais são
propagados diretamente do input ao output, pois existem os
pesos e a função de ativação que ponderam a ativação ou não
do sinal de saída.
Pontuação do teste: 48 de 60