Machine Learning - Prova

Prévia do material em texto

01/08/2022 22:51 Cosmos · Cosmos
https://kroton.platosedu.io/lms/m/aluno/disciplina/index/2586400/4232694 1/6
Machine Learning
Professor(a): Lucas dos Santos Araujo Claudino (Mestrado acadêmico)
1)
2)
Prepare-se! Chegou a hora de você testar o conhecimento adquirido nesta disciplina. A
Avaliação Virtual (AV) é composta por questões objetivas e corresponde a 100% da média final.
Você tem até cinco tentativas para “Enviar” as questões, que são automaticamente corrigidas.
Você pode responder as questões consultando o material de estudos, mas lembre-se de cumprir
o prazo estabelecido. Boa prova!
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:
II – III.
II.
I.  CORRETO
I – II – III.
I – II.
Código da questão: 49620
Deep learning é um ramo de aprendizado de máquina baseado em um conjunto de
algoritmos que buscam modelar abstrações em ____________ a partir da leitura de __________
de dados. Em redes profundas, ou densas, existem ____________ layers que possibilitam ao
algoritmo utilizar várias camadas de processamento compostas por transformações lineares
e não lineares. 
Assinale a alternativa que preenche corretamente, na sequência, as lacunas do trecho
anterior.
Alternativas:
Alto nível; poucos níveis; vários.
Baixo nível; grandes quantidades; vários.
Alto nível; grandes quantidades; vários.  CORRETO
Conjuntos de dados; poucos níveis; poucos.
Conjuntos de dados; grandes quantidades; vários.
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.
Resolução comentada:
01/08/2022 22:51 Cosmos · Cosmos
https://kroton.platosedu.io/lms/m/aluno/disciplina/index/2586400/4232694 2/6
3)
4)
5)
Código da questão: 49626
Um tipo de metodologia para o aprendizado de máquina é o AM preditivo baseado em
probabilidades. 
A respeito dos métodos probabilísticos de AM, julgue os itens a seguir como verdadeiros
(V) ou falsos (F): 
( ) Métodos probabilísticos são utilizados quando não há informação completa sobre os
dados a serem utilizados. 
( ) Métodos probabilísticos utilizam probabilidades a priori e verossimilhança entre eventos
para poder fazer predições. 
( ) O algoritmo mais popular que é baseado em métodos probabilístico que é o Naive
Bayes, também conhecido como Bayes Ingênuo ou Bayes simples. 
Classifique as afirmações como verdadeiro (V) e falso (F) e assinale a alternativa que
contenha a sequência correta, respectivamente, de cima para baixo.
Alternativas:
V – F – V.
V – V – V.  CORRETO
V – V – F.
V – F – F.
F – V – F.
Código da questão: 49608
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 baseada em interação.
Recomendação do tipo filtragem colaborativa baseada em aprendizado profundo.
Recomendação baseada em conteúdo.  CORRETO
Recomendação baseada em HTML.
Recomendação do tipo filtragem colaborativa baseada em fatoração matricial.
Código da questão: 49632
A partir de seus conhecimentos sobre sistemas de recomendação, analise os itens a
seguir: 
( ) A fatoração matricial é uma forma de trabalhar a matriz de proximidades para poder
Deep learning é um ramo de aprendizado de máquina baseado em um conjunto de
algoritmos que buscam modelar abstrações em alto nível a partir da leitura de
grandes quantidades de dados. Em redes profundas, ou densas, existem vários layers
que possibilitam ao algoritmo utilizar várias camadas de processamento compostas
por transformações lineares e não lineares.
Resolução comentada:
todas as alternativas contêm afirmações corretas.
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.
01/08/2022 22:51 Cosmos · Cosmos
https://kroton.platosedu.io/lms/m/aluno/disciplina/index/2586400/4232694 3/6
6)
organizar alfabeticamente os usuários. 
( ) Deep learning pode ser utilizado em sistemas de recomendação para criar redes neurais
relacionando usuários e objetos. 
( ) A principal diferença entre métodos baseados em filtragem colaborativa e métodos
baseados em conteúdo é que o primeiro estuda a interação entre usuários e objetos, ao
passo que o segundo analisa as suas características. 
( ) O método nearest-neighbor, quando aplicado a sistemas de recomendação baseados
em filtragem colaborativa, consegue criar matrizes relacionando usuário-usuário, mas não é
capaz de gerar matrizes usuário-item. 
Assinale a alternativa que julga corretamente as afirmações acima como verdadeiras (V) ou
falsas (F).
Alternativas:
F – V – V – V.
F – F – V – F.'
V – V – V – F.
F – V – V – F.  CORRETO
V – V – F – F.
Código da questão: 49633
O Algoritmo Naive Bayes foi criado com sus estrutura baseada no Teorema de Bayes,
que diz o seguinte:
Considere a seguinte situação: 
Alternativas:
 CORRETO
Resolução comentada:
( ) A fatoração matricial é uma forma de trabalhar a matriz de proximidades, mas a
organização não é feita por ordem alfabética. 
( ) Deep learning pode ser utilizado em sistemas de recomendação para criar redes
neurais relacionando usuários e objetos. 
( ) A principal diferença entre métodos baseados em filtragem colaborativa e
métodos baseados em conteúdo é que o primeiro estuda a interação entre usuários
e objetos, ao passo que o segundo analisa as suas características. 
( ) O método nearest-neighbor, quando aplicado a sistemas de recomendação
baseados em filtragem colaborativa, consegue criar matrizes relacionando usuário-
usuário e também é capaz de gerar matrizes usuário-item.
Resolução comentada:
01/08/2022 22:51 Cosmos · Cosmos
https://kroton.platosedu.io/lms/m/aluno/disciplina/index/2586400/4232694 4/6
7)
8)
Código da questão: 49611
Os algoritmos de deep learning, diferente de outras técnicas de aprendizado de
máquina, consegue ter seu desempenho melhorado e aperfeiçoado conforme a quantidade
de dados a ser processada aumenta. 
Sobre as técnicas e aplicações do aprendizado de máquina do tipo deep learning, julgue os
itens a seguir: 
( ) O deep learning é bastante indicado para a classificação e detecção de objetos em
fotografias, pois é capaz de lidar bem com os milhares de pixels contidos em cada imagem. 
( ) O deep learning, por ser uma técnica muito complexae requerer muito cuidado na
criação de cada uma das camadas ocultas do algoritmo, não pode ser aplicado em
problemas de aprendizado de máquina não supervisionados. 
( ) O deep learning não é utilizado para a criação de tradutores automáticos de texto, pois a
implementação de tal algoritmo nessa aplicação iria requerer a utilização de um pré-
processamento muito intenso na sequência de caracteres, o que acabaria inviabilizando sua
utilização. 
( ) Em algoritmos de deep learning, cada subcamada transforma seus dados de entrada em
uma representação ligeiramente mais abstrata do que esses dados eram antes. Ao final de
todas as camadas ocultas, tem-se, então, o dado modelado de maneira altamente abstrata. 
Assinale a alternativa que contenha a sequência correta:
Alternativas:
V – F – V – V.
F – F – F – V.
V – F – F – V.  CORRETO
V – F – F – F.
F – V – V – F.
Código da questão: 49627
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.
Resolução comentada:
( V ) O deep learning é bastante indicado para a classificação e detecção de objetos
em fotografias, pois é capaz de lidar bem com os milhares de pixels contidos em
cada imagem. 
( F ) O deep learning pode ser aplicado em problemas de aprendizado de máquina
não supervisionados. 
( F ) O deep learning é utilizado para a criação de tradutores automáticos de texto,
pois a implementação de tal algoritmo nessa aplicação é performada de tal forma a
não necessitar pré-processamento da sequência de caracteres. 
( V ) Em algoritmos de deep learning, cada subcamada transforma seus dados de
entrada em uma representação ligeiramente mais abstrata do que esses dados eram
antes. Ao final de todas as camadas ocultas, tem-se, então, o dado modelado de
maneira altamente abstrata.
01/08/2022 22:51 Cosmos · Cosmos
https://kroton.platosedu.io/lms/m/aluno/disciplina/index/2586400/4232694 5/6
9)
10)
Alternativas:
Somente I e III.
Somente III.
Somente I.  CORRETO
I – II – III.
Somente I e II.
Código da questão: 49607
Em uma determinada aplicação de aprendizado de máquina, foi necessário criar um
algoritmo capaz de examinar as características dos dados inseridos e então atribuir um ou
mais rótulos a esses dados. Além disso, o algoritmo era supervisionado. 
Esse algoritmo pode ser considerado um tipo de aprendizado de máquina de topologia de
________. 
Assinale a alternativa que preenche corretamente a lacuna presente no texto.
Alternativas:
Recomendação.
Árvore de decisão.
Regressão.
Deep learning.
Classificação.  CORRETO
Código da questão: 49601
Uma determinada instituição bancária contratou um programador para desenvolver
algoritmos de machine learning para classificar os clientes como “BOM” ou “MAU” de
acordo com saldo diário de sua conta durante um ano todo. Os clientes com classificação
“BOM” serão convidados para receber um cartão OURO. Para essa tarefa, o programador
recebeu apenas um banco de dados com 10.000 clientes já classificados pelos gerentes do
banco. O banco de dados contém o saldo diário da conta (365 campos de informação) e a
classificação como “BOM” ou “MAU” cliente. 
Considerando o cenário acima: 
I. É aconselhável utilizar um algoritmo supervisionado. 
PORQUE 
II. Os dados de treinamento fornecidos possuem seus respectivos rótulos e o algoritmo só
precisa aprender e gerar uma função capaz de predizer o rótulo correto do cliente. 
Assinale a alternativa acerca das asserções supracitadas, bem como a relação entre elas:
Alternativas:
A primeira e a segunda asserção estão corretas, mas a segunda não justifica a primeira.
A primeira asserção está incorreta e a segunda está correta.
A primeira asserção está correta e a segunda está incorreta.
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”.
Resolução comentada:
preenchendo a lacuna, temos: “Esse algoritmo pode ser considerado um tipo de
aprendizado de máquina de topologia de classificação”.
01/08/2022 22:51 Cosmos · Cosmos
https://kroton.platosedu.io/lms/m/aluno/disciplina/index/2586400/4232694 6/6
As duas asserções estão incorretas.
A primeira e a segunda asserção estão corretas e a segunda justifica a primeira. 
CORRETO
Código da questão: 49604
Resolução comentada:
ambas as asserções estão corretas e a segunda justifica a primeira.
Arquivos e Links