AVS - MACHINE LEARNING

Prévia do material em texto

Disciplina: MACHINE LEARNING 
	AVS
	Aluno: 
	20210
	
	Turma: 9001
	CCT1017_AVS_20 (AG) 
	 18/06/2022 19:18:45 (F) 
			Avaliação:
8,0
	Av. Parcial.:
1,5
	Nota SIA:
10,0 pts
	 
		
	EM2120031 - SISTEMAS DE APRENDIZADO DE MÁQUINA
	 
	 
	 1.
	Ref.: 4332290
	Pontos: 0,00  / 1,00
	
	Acerca dos conceitos de aprendizado de máquina, julgue os itens seguintes:
I. Em aprendizado de máquina, as árvores de decisão podem ser usadas com sistemas de classificação, para atribuir informação de tipo.
II. As aglomerações, tipos de informação obtidos por meio do aprendizado de máquina, caracterizam-se por se ligarem a um único e específico evento, em torno do qual ocorrem várias ações, com produção sistêmica de informações gerenciais que apoiarão uma nova ocorrência do mesmo tipo de evento.
III. Para a realização de prognósticos por meio de técnicas de aprendizado de máquina, parte-se de uma série de valores existentes obtidos de dados históricos, bem como de suposições controladas a respeito das condições futuras, para prever outros valores e situações que ocorrerão e, assim, planejar e preparar as ações organizacionais.
Assinale a alternativa correta:
		
	 
	I e II estão corretas.
	
	Apenas II está correta.
	 
	I e III estão corretas.
	
	Apenas I está correta.
	
	Apenas III está correta.
	
	
	 2.
	Ref.: 4332289
	Pontos: 1,00  / 1,00
	
	Uma das técnicas bastante utilizadas em sistemas de apoio à decisão é o aprendizado de máquina, que se constitui em uma técnica:
		
	
	Para se realizar a criptografia inteligente de dados, objetivando a proteção da informação.
	
	Que visa sua distribuição e replicação em um cluster de servidores, visando aprimorar a disponibilidade de dados.
	 
	Para a exploração e análise de dados, visando descobrir padrões e regras, a princípio ocultos, importantes à aplicação.
	
	De compactação de dados, normalmente bastante eficiente, permitindo grande desempenho no armazenamento de dados.
	
	De transmissão e recepção de dados, permitindo a comunicação entre servidores, em tempo real.
	
	
	 
		
	EM2120032 - TREINAMENTO DE MODELOS DE APRENDIZADO DE MÁQUINA
	 
	 
	 3.
	Ref.: 4392321
	Pontos: 1,00  / 1,00
	
	Um SVM Não Linear deve ser usado somente se:
		
	 
	O conjunto de observações no espaço amostral não puder ser delineado por uma reta.
	
	O dataset tiver mais outliers do que o normal.
	
	For uma regressão.
	
	O número de características for maior do que 10.
	
	Os dados forem separáveis linearmente no espaço.
	
	
	 4.
	Ref.: 4392325
	Pontos: 1,00  / 1,00
	
	A floresta aleatória é um dos modelos mais famosos da classe dos modelos incorporados. Qual seria o seu tipo de incorporação?
		
	
	Voting somente.
	 
	Bagging e Voting.
	
	Stacking e Voting.
	
	Bagging somente.
	
	Stacking somente.
	
	
	 
		
	EM2120072 - REDES NEURAIS E APRENDIZADO PROFUNDO
	 
	 
	 5.
	Ref.: 4275261
	Pontos: 1,00  / 1,00
	
	(Ano: 2018 Banca: FGV Prova: Prefeitura de Niterói - RJ - Analista de Políticas Públicas e Gestão Governamental - Gestão de Tecnologia) No contexto das redes neurais, é comum o uso da função sigmoide no papel de função de ativação. Assinale a definição correta dessa função na referida aplicação.
		
	
	σ(z)=1z+e−zσ(z)=1z+e−z
	 
	σ(z)=11+e−zσ(z)=11+e−z
	
	e−ze−z
	
	σ(z)=11−ezσ(z)=11−ez
	
	σ(z)=z1+ezσ(z)=z1+ez
	
	
	 6.
	Ref.: 4254312
	Pontos: 1,00  / 1,00
	
	O desenvolvimento de um projeto de aprendizado profundo envolve diversas etapas que precisam ser bem planejadas e executadas, para que o projeto funcione corretamente. Em relação ao ciclo de vida de um projeto de aprendizado profundo, selecione a opção com a sequência correta de etapas.
		
	
	Preparar os dados -> Construir modelos -> Fazer o Deploy do projeto -> Treinar e ajustar modelos.
	
	Construir modelos -> Treinar e ajustar modelos -> Preparar os dados -> Fazer o Deploy do projeto.
	
	Preparar os dados -> Treinar e ajustar modelos -> Construir modelos -> Fazer o Deploy do projeto.
	
	Construir modelos -> Preparar os dados -> Treinar e ajustar modelos -> Fazer o Deploy do projeto.
	 
	Preparar os dados -> Construir modelos -> Treinar e ajustar modelos -> Fazer o Deploy do projeto.
	
	
	 
		
	EM2120177 - NOÇÕES GERAIS DE MINERAÇÃO DE DADOS
	 
	 
	 7.
	Ref.: 4665269
	Pontos: 1,00  / 1,00
	
	No âmbito da descoberta do conhecimento (KDD), a visão geral das etapas que constituem o processo KDD (Fayyad) e que são executadas de forma interativa e iterativa apresenta a seguinte sequência de etapas:
		
	
	OLAP, ETL, star modeling, data mining e interpretação/avaliação.
	
	ETL, data warehousing, pré-processamento, transformação e star modeling.
	 
	Seleção, pré-processamento, transformação, data mining e interpretação/avaliação.
	
	Seleção, transformação, pré-processamento, interpretação/avaliação e data mining.
	
	Data warehousing, star modeling, ETL, OLAP e data mining.
	
	
	 8.
	Ref.: 4653389
	Pontos: 1,00  / 1,00
	
	A mineração de dados é uma solução cada vez mais buscada pelas empresas. Isso porque, desde que associada a bases de dados ou data warehouses, ela se torna uma poderosa ferramenta para a tomada de decisão empresarial, porque pode descobrir e descrever um conhecimento. Assinale a alternativa que apresenta somente duas das formas para descobrir conhecimento em mineração de dados.
		
	
	Padrões dentro de série temporal e Agrupamentos.
	 
	Hierarquias de classificação e Padrões sequenciais.
	
	Agrupamentos e Algoritmo de buscas.
	
	Fechamento para baixo e Atimonotonicidade.
	
	Regras de associação e Regras de dissociação.
	
	
	 
		
	EM2120178 - PROJETO DE SISTEMAS DE APRENDIZADO DE MÁQUINA
	 
	 
	 9.
	Ref.: 5429478
	Pontos: 0,00  / 1,00
	
	Filipe é cientista de dados e seu projeto trata da detecção automática de bons pagadores. Após seguir o método científico de revisar o estado da arte, de levantar as técnicas mais utilizadas, bem como as características mais importantes usadas para modelar seus dados, qual a próxima a etapa a ser seguida?
		
	
	Criação de modelos.
	 
	 Entendimento dos dados.
	
	Adaptação dos modelos.
	 
	 Avaliação de resultados.
	
	 Deployment do modelo.
	
	
	 10.
	Ref.: 5429402
	Pontos: 1,00  / 1,00
	
	Gráficos de linha na análise exploratória expressam o quê?
		
	
	 Variação
	 
	 Relação de temporalidade
	
	 Correlação
	
	Unicidade
	
	 Crescimento