Apol 03 Inteligência Artificial Aplicada

Prévia do material em texto

Questão 1/10 - Inteligência Artificial Aplicada
Você foi contratado para o posto de cientista de dados, para compor uma equipe, que atualmente já trabalha com dados, mas não possui experiência em aprendizagem de máquina. Um das suas primeiras tarefas designadas, foi a tradução de trechos de códigos em linguagem relacionados ao treinamento de modelos de aprendizagem de máquina.
Um dos trechos que a equipe gostaria de decifrar se refere ao seguinte código:
from sklearn.preprocessing import StandardScaler
X = carrega_dataset()
sc = StandardScaler()
sc.fit(X)
De acordo com os seus conhecimentos de  aprendizagem de máquina, o código acima executa:
Nota: 10.0
	
	A
	um processo de treinamento dos dados
	
	B
	um processo de predição
	
	C
	um processo de normalização dos dados
Você acertou!
Justificativa:
O uso do método fit da classe StandardScaler executa um processo de normalização de dados.
	
	D
	um processo de expansão dos dados
	
	E
	não faz nada e pode ser comentado
Questão 2/10 - Inteligência Artificial Aplicada
A figura acima mostra um modelo de árvore de decisão aplicado a um conjunto de dados.
Valendo-se dos seus conhecimentos de aprendizagem de máquina e de modelos de árvores de decisão, podemos afirmar que o campo samples na raiz e nas folhas indicam respectivamente:
Nota: 10.0
	
	A
	o total de amostras do conjunto e o total de amostras de um agrupamento final
	
	B
	o total de amostras do conjunto e o total de amostras de uma classe
Você acertou!
Justificativa:
Na raiz da árvores de decisão se considera todo o conjunto de dados que vai sendo dividido e nas folhas aparecem todas as instâncias que se enquadram naquela categoria.
	
	C
	o total de amostras de treino e o total de amostras de uma classe
	
	D
	metade das amostras do conjunto e o total de amostras de uma classe
	
	E
	o total de amostras que o modelo suporta e o total de amostras de uma classe
Questão 3/10 - Inteligência Artificial Aplicada
Já na década de 1950, o cientista Alan Turing, considerado um dos pais da IA, projetou um teste – Teste de Turing – que ainda permanece alvo de estudos e investigação nos dias atuais. Conhecer este teste é importante, pois por meio dele podemos ter uma noção mais clara do desenvolvimento da área e de subáreas que se estruturam dentro do campo da IA. (Material impresso da Aula 1 – Tema 1).
Quais seriam alguns requisitos e capacidades que a máquina que aprovada por este texte deveria possuir:
Nota: 10.0
	
	A
	Uma entidade interage com um entrevistador, então será necessário que a entidade se manifeste de maneira palpável e  suas perguntas devem distinguir se estas respostas foram produzidas por um humano que passaria no teste.
	
	B
	Um entrevistador interage com uma entidade, um computador. Assim este computador deve possuir visão tridimensional ajustada para conseguir distinguir se estas respostas foram produzidas por um humano ou por um computador, o computador passaria no teste.
	
	C
	Um computador interage com um entrevistador, desta forma, este computador deve ser capaz de processamento e comunicação em  linguagem binária , outra característica importante é capacidade de raciocínio líquido, utilizando o conhecimento armazenado, permitindo novas conclusões, durante a comunicação.
	
	D
	Um entrevistador interage com uma máquina, está máquina deve, então, demonstrar capacidade robótica para manipular objetos físicos e mover-se; mesmo que o entrevistador não a visualize, visão computacional para perceber objetos é também uma outra característica importante de um computador que passaria no teste.
Você acertou!
Conforme Aula 1 Tema 1.1. segundo autores Russel e Norvig (2013), lá referenciados.
Questão 4/10 - Inteligência Artificial Aplicada
Você necessita executar o treinamento de um modelo de aprendizagem. Para isso você coletou uma quantidade considerável de dados, e os dividiu em duas partes: uma para treino e outra para testes. Ao consultar um colega mais experiente sobre o processo de treinamento, ele perguntou se você havia executado a etapa de preparação dos dados.
Valendo-se dos seus conhecimento de aprendizagem de máquina você ponderou sobre o conselho do seu colega e:
Nota: 10.0
	
	A
	não executou a fase de preparação pois ela não é necessária
	
	B
	resolveu executar uma fase de preparação, pois ela é importante
Você acertou!
Justificativa:
Os dados utilizados no processo de treinamento e a sua preparação são de extrema importância em processos de aprendizagem supervisionada. Assim, sempre deve ser feita uma fase de preparação dos dados para uma obtenção de melhores resultados.
	
	C
	não executou uma fase de preparação, pois a quantidade de dados é suficiente
	
	D
	executou a fase de preparação apenas nos dados de treino
	
	E
	executou a fase de preparação apenas nos dados de teste
Questão 5/10 - Inteligência Artificial Aplicada
“Criada nos anos 1960, a tecnologia que usa computadores e algoritmos para reconhecer rostos humanos ganhou escala há pelo menos uma década, muito graças ao avanço das redes sociais e da internet. Com milhares de pessoas disponibilizando voluntariamente suas fotos na internet, existe hoje um banco de dados com bilhões de imagens que servem para treinar redes de inteligência artificial a detectar e reconhecer rostos.”
Disponível em <https://revistagalileu.globo.com/>. Acesso em 19/04/2021
Apesar de ter sido criada na década de 60, a tecnologia de reconhecimento facial somente veio ser aplicada de fato e em larga escala nos tempos atuais. Dentre os motivos para que essa tecnologia não tenha sido melhor explorada na décadas passadas, podemos destacar como um fator de grande peso:
Nota: 10.0
	
	A
	a ausência de interesse em pesquisas
	
	B
	os erros contidos nos métodos de reconhecimento
	
	C
	não existir fotografia digital na época
	
	D
	a baixa capacidade de armazenamento e processamento
Você acertou!
Justificativa:
O processo de treinamento das redes neurais exige uma grande capacidade de processamento computacional por conta da quantidade de cálculos que devem ser executados para o correto ajuste dos pesos. Além disso, o processo de aprendizagem a partir dos dados necessita de um grande volume de dados, o que até algumas décadas atrás não era possível.
	
	E
	nenhuma das anteriores
Questão 6/10 - Inteligência Artificial Aplicada
Após executarmos o processo de treinamento de um modelo de aprendizagem é preciso avaliar o seu desempenho eu um conjunto de dados, do qual temos a informação das categorias das instâncias, permitindo avaliar se o modelo necessita de modificações.
Considerando o texto acima e valendo-se do seu conhecimento sobre aprendizagem de máquina,  pode-se afirmar que além da medida de acurácia, também podem ser utilizadas as medidas de :
Nota: 10.0
	
	A
	recall e taxa de acertos
	
	B
	recall e taxa de erros
	
	C
	taxa de erros e acertos
	
	D
	recall e precisão
Você acertou!
Justificativa:
Das opções de resposta apresentadas, apenas recall e precisão se referem à medidas que permitem avaliar a qualidade preditiva de um modelo.
	
	E
	taxa de falsos positivos
Questão 7/10 - Inteligência Artificial Aplicada
Você foi contratado para o posto de cientista de dados, para compor uma equipe, que atualmente já trabalha com dados, mas não possui experiência em aprendizagem de máquina. Um das suas primeiras tarefas designadas foi a explanação de trechos de códigos em linguagem relacionados ao treinamento de modelos de aprendizagem de máquina.
Um modelo de árvore de decisão estava apresentando resultados muito ruins, errando grande parte das predições. O modelo foi definido usando o seguinte código:
from sklearn import tree
    clf = tree.DecisionTreeClassifier(criterion = "gini",
                                                                                   splitter = "best", max_depth = 5)
Analisando melhor os nós e folhas gerados no processo, que o modelo não estava realizando divisões suficientes que permitissem separar bem as categorias.
Para obter melhores resultados com esse modelo você sugere que a definição deleseja feita da alterando o parâmetro:
Nota: 10.0
	
	A
	max_depth para 10
Você acertou!
Justificativa:
Para obter um número maior de divisões da árvore de decisões deve-se aumentar a sua profundidade através do parâmetro max_depth.
	
	B
	max_depth para 1
	
	C
	max_depth para 4
	
	D
	splitter para maximum
	
	E
	splitter para None
Questão 8/10 - Inteligência Artificial Aplicada
Você foi contratado para o posto de cientista de dados, para compor uma equipe, que atualmente já trabalha com dados, mas não possui experiência em aprendizagem de máquina. Um das suas primeiras tarefas designadas, foi a explanação de trechos de códigos em linguagem relacionados ao treinamento de modelos de aprendizagem de máquina.
Um dos membros da equipe gostaria de retirar um parâmetro, que aparentemente não faz nada. O código em questão era:
mlp_clf = MLPClassifier(warm_start=True, max_iter=500,
                                                         hidden_layer_sizes=(50,50),
                                                         learning_rate = 'adaptive')
E o parâmetro a ser eliminado era: learning_rate = 'adaptive'
Contudo este membro não possui conhecimento de métodos de aprendizagem de máquina e recorreu a você para o explicasse da importância desse parâmetro.
De acordo com os seus conhecimentos de  aprendizagem de máquina e de treinamento de modelos do tipo perceptron de múltiplas camadas,  esse parâmetro:
Nota: 10.0
	
	A
	deve ser eliminado, pois atrapalha
	
	B
	deve ser mantido, pois determina como o modelo aprende
Você acertou!
Justificativa:
O parâmetro learning_rate diz respeito à velocidade com que o modelo aprende, por meio da determinar da forma como são feitos os incrementos nos pesos dos neurônios.
	
	C
	deve ser corrigido, pois está errado
	
	D
	pode ser mantido ou excluído, não faz diferença
	
	E
	não serve para esse tipo de modelo
Questão 9/10 - Inteligência Artificial Aplicada
 
“Após a extração e seleção de atributos, os vetores de atributos servem como entradas para os métodos de aprendizagem de máquina. Esses métodos utilizam as informações fornecidas para criar um conhecimento sobre como os dados fornecidos estão organizados e distribuídos. A escolha do método que será utilizado, assim como no caso dos atributos, depende do problema.” (Material impresso da Aula 1 – Tema 4).
Sobre tipos de aprendizagem é correto afirmar:
Nota: 10.0
	
	A
	Aprendizagem supervisionada é aquela que se assemelha a escolha de um caminho em grafos. Sempre que fazemos uma busca em profundidade se obtém a completitude ótima
	
	B
	Machine Learning pode ser compreendida como um conjunto de técnicas ou métodos que permitem às máquinas aprender por meio da visão computacional.
	
	C
	Metodos supervisionados, não supervisionados e semissupervisionados são exemplos de tipos de aprendizagem.
Você acertou!
Conforme Aula 1 Tema 4.
	
	D
	A aprendizagem por reforço é um tipo de machine learning voltado a redes neureais naturais baseadas no Perceptron de Rosemblatt.
.
Questão 10/10 - Inteligência Artificial Aplicada
Você necessita executar o treinamento de um modelo de aprendizagem, porém a quantidade de dados disponíveis é muito pequena e não há como obter novos dados.
Valendo-se dos seus conhecimento de aprendizagem de máquina, para conseguir executar o treinamento do modelo você deverá:
Nota: 10.0
	
	A
	utilizar uma estratégia de validação cruzada
Justificativa:
Quando a quantidade de dados é muito pequena é aconselhável utilizar um processo de validação cruzada, onde se divide o conjunto de treino em n partes, e n-1 partes são utilizadas para treino e 1 parte é utilizada para testes. Esse processo deve ser repetido de forma que todas as partes, possam pelo menos uma vez serem utilizadas como teste e o processo de aprendizagem utilizando as n partes seja cumulativo.
	
	B
	utilizar os dados na proporção 80-20
	
	C
	utilizar os dados na proporção 50-50
	
	D
	treinar e testar com os mesmos dados
	
	E
	utilizar todos os dados para treino e não testar